当前位置: 澳门新豪天地3559 > 科技技术 > 正文

谷歌AI预测病人死亡日期 准确率高达95%

时间:2019-07-01 09:54来源:科技技术
原标题:谷歌AI预测病人死亡日期 准确率高达95% 新豪天地,1943年,由McCulloch,Pitts和Wiener等科学家发表的关于生物控制论和仿生学的科技论文奠定了人工智能的理论基础。从那以后,一

原标题:谷歌AI预测病人死亡日期 准确率高达95%

新豪天地,1943年,由McCulloch,Pitts和Wiener等科学家发表的关于生物控制论和仿生学的科技论文奠定了人工智能的理论基础。从那以后,一些科研团体热衷于从物理学、数学和工程计算中探寻生物学的踪迹,探索目的主要有两个,一是试图从工程研究中获取一些新的概念和灵感;二是物理学、工程学和计算学中的概念和相关技术,很好地帮助神经科学家们理解生物系统的功能。

据美国侨报网报道,日前,谷歌新出炉的一项研究报告称,该公司已开发出一种新人工智能算法,可预测人的死亡时间,且准确率高达95%。最近,谷歌的这项研究发表在了《自然》杂志上。 据报道,这项AI技术对医院患者面临的一系列临床问题进行了测试。在研究中,谷歌对来自两个医疗中心至少21.6万名成人患者,应用了这一AI技术,测试时间至少为24个小时。研究人员从电子健康记录中获取了大量数据。 研究人员在报告中解释说:“我们有兴趣了解深度机器学习算法能否在广泛的临床问题和结果中产生有效的预测。因此,我们选择了来自不同领域的结果,包括一项重要的临床结果——死亡、一项衡量护理质量的标准——再入院、一项资源利用率——住院时间和一项检测病人病情的度量——诊断。” 这项理论性证据研究发现,该算法可准确地预测病人的死亡风险、再入院,延长住院时间和出院诊断。在所有情况下,该算法都被证明比以前公布的算法更精确。据加州大学旧金山卫生系统的数据显示,该AI算法在预测患者死亡率方面有95%的准确率,而来自芝加哥大学医学系统的数据显示,其准确率为93%。 此外,该AI算法在早期预警评分上,也明显比传统预测模式更精确,这将有助于帮助医生确定病人的病情和治疗方案。研究显示,该算法在病情预测方面,加州大学、旧金山卫生系统的准确率为85%,而在芝加哥大学医学系统中准确率为83%。 近来,围绕应用人工智能的潜在益处和风险,正在经历激烈争论。从网络安全风险到所谓的“末日”机器,AI技术被认为,虽然能推动经济增长,但也可能会是一项具有潜在破坏力的技术。而专家们也正在权衡AI可能导致的长期影响。但在医疗保健领域,越来越多的人认为利用人工智能是一种很好的方法。

2018-09-11 15:39:39 作者:刘文广

随着图像识别、深度学习、神经网络等关键技术的突破带动了人工智能新一轮的大发展,“人工智能 医疗”概念应运而生。在业界达成的一个共识是“人工智能 医疗”主要集中在机器学习辅助诊疗及分析这类领域。

【中关村在线新闻资讯】9月11日消息,谷歌开发智能系统,与加州旧金山大学、芝加哥大学和斯坦福大学的专家合作。令人惊讶的是,谷歌声称人工智能能够比医生使用的其他传统模型更准确地预测病人何时死亡。

国家相关部门也认识到人工智能在医疗领域的应用需求,也陆续出台过相关文件。如2016年6月,国务院公布了《关于促进和规范健康医疗大数据应用发展的指导意见》,明确指出健康医疗大数据是国家重要的基础性战略资源,需要规范和推动健康医疗大数据融合共享、开放应用。

新豪天地 1

近年来,科学家们纷纷投入人工智能开发,用于预测和检测阿尔茨海默病、癌症、心脏病、病人死亡、血型、化学分子气味等。基于此,小编针对这些年来人工智能在生物医学领域的应用进行一番梳理,以飨读者。

图片来源:

1.人工智能预测阿兹海默病风险,准确率超 84%原始论文:Predicting Cognitive Decline with Deep Learning of Brain Metabolism and Amyloid

谷歌在2018年5月的一篇期刊文章中公布了试验人工智能死亡预测的结果。该系统通过收集患者的各种细节数据来工作,如年龄、性别、种族、以前的诊断、目前的体征和实验室结果。更重要的是,该系统还可以利用图表和pdf格式的数据进行预测。在对算法进行测试后,谷歌发现它可以以惊人的准确率95%进行死亡预测,比传统模型的准确率高出10%。在其中一个案例研究中,谷歌AI软件对一名女性转移性癌症患者的记录进行了大约17.6万个数据点的处理,并宣称她在医院里有19.9%的死亡几率。医院的医生给了她9.3%的死亡几率。正如人工智能软件预测的那样,这名女子在两周内死亡。

新豪天地 2

虽然谷歌的人工智能在预测死亡方面可能并不完美,但随着更多数据的“传授”,它将表现得更好。因此,如果这一突破性的医疗技术得到改进,就可以减少医疗中的人为失误,从而挽救更多的生命。谷歌的人工智能技术可以帮助医疗专业人员改善诊断,做出更好的决策,最终提高治愈患者的护理水平。

作为一类慢性中枢神经疾病,阿兹海默病越来越严重地影响了现代社会。2015 年,全世界约有 3000 多万人被诊断患有这种疾病。因为需要花费巨大人力物力来妥善护理病人,它也给世界各地的卫生保健系统带来了很大的经济负担。虽然目前没有已知的方法在晚期病例阶段中制止该疾病的恶化,但有证据表明,如果早期发现,相应治疗有望使疾病进展获得减慢或停止。所以,如何找到一种可靠的方法来提早发现那些有可能具备疾病风险的潜在病人,逐步成为医学研究和临床护理的重要目标。

所以,下次你去医院的时候,请询问他们是否能根据你的记录运行AI算法,并评估你的生存几率吗? 返回搜狐,查看更多

近日,韩国高科技科学院(Korea Advanced Institute of Science and Technology)和 Cheonan 公共卫生中心的科学家们通过深度学习开发出一项技术, 能以超过 84% 的准确度识别未来三年可能发展成为阿兹海默病的潜在病人。

责任编辑:

医生会非常热衷于能够发现可能发展成为阿兹海默病的潜在人群,因为他们最有可能受益于早期干预治疗。一般来说,其中一种方法是研究大脑的正电子发射断层扫描扫描图片。众多医学研究显示,阿兹海默病患者的大脑部位大量产生一种被称为淀粉样蛋白斑块的特征性蛋白质团块,它能负面影响大脑使用葡萄糖的能力,于是显着降低脑代谢速率。利用这一原理,某些类型的 PET 扫描可以显示出上述两种情况的大脑迹象,因此可以被用于发现最有可能发展成为阿兹海默病的轻度认知障碍患者。

遗憾的是,这一理论在操作中难以得到适当实践:认读解释 PET 图像很不容易。研究人员通过长期培训可以寻找一两个大的生物学标记,但是这种方法不仅耗时且容易出错。韩国科学家 Hongyoon Choi 博士和 Kyong Hwan Jin 博士开发了深度学习的神经网络,期望这一过程可替代人类的观察活动。

近年来,世界各地的阿兹海默病研究人员一直在建立一个健康人群与阿尔茨海默病患者脑图像的数据库。Hongyoon Choi 博士和 Kyong Hwan Jin 博士使用这个数据库来训练卷积神经网络,并且在此基础之上识别它们之间的区别。该数据集由 182 位 70 多岁的健康人大脑图像和 139 位相似年龄的确诊阿兹海默病患者大脑图像组成。通过培训,该机器软件系统很快就学会了识别差异,精确度几乎达到了百分之九十。接下来,Hongyoon Choi 博士和 Kyong Hwan Jin 博士使用他们的机器来分析不同的数据集。这里面包括了 181 位 70 多岁轻度认知障碍患者的脑部图像,其中 79 人在三年内继续发展为阿兹海默病——显然机器学习的任务是发现这些易患疾病的个体。

这一机器深度学习的结果是非常鼓舞人心的:软件系统识别轻度认知障碍患者患者转化成为阿兹海默病的预测精度高达 84.2%,优于常规基于特征的人为量化方法,显示出了深度学习技术使用脑图像预测疾病预后的可行性。

2.Science:自学习式人工智能可协助预测心脏病发作doi:10.1126/science.aal1058

即使医生有很多工具可以预测患者的健康,但是他们仍会告诉你这些工具远远不能应对人体的复杂性。而心脏病发作就特别难以预测。现在,科学家已经表明,自我学习式计算机可比标准医疗指导方针实现更好的性能,显着提高预测率。如果推广开来,这项新方法每年可挽救数千甚至数百万的生命。

在一项新研究中,Weng 和其同事对比了 ACC/AHA 指导方针和 4 个机器学习算法:随机森林、logistic 回归、梯度提升以及神经网络。为了在没有人类指示的情况下得出预测工具,所有这 4 项技术分析了大量数据,被分析的数据来自英国 378256 名患者的电子医疗记录,目标是在与心血管疾病有关的记录之中找出发病模式。

首先,人工智能算法必须自我训练。模型使用 78% 的数据来搜索模式并构建它们自己的内部"指导方针〃。然后使用剩余的记录对自己进行测试。在使用 2005 年的可用记录数据后,系统能预测在未来十年内哪些患者会首次发生心脑血管疾病,然后再使用 2015 年的记录检查预测结果。与 ACC/AHA 指导方针不同,机器学习方法可考虑超过 22 个的特征,包括民族、关节炎和肾脏疾病等。

所有 4 种人工智能方法的表现都优于 ACC/AHA 指导方针。我们使用 AUC的统计量,ACC/AHA 指导方针达到 0.728,而 4 种人工智能方法的精确度在 0.745 到 0.764 之间,Weng 的团队这个月在 PLOS ONE 报告了这一成果。最好的神经网络方法的精确与测量不仅比 ACC/AHA 指导方针多出 7.6%,同时还减少了 1.6% 的错误预警。在大约有 83000 条记录的测试样本中,这相当于多挽救了 355 名额外的患者。Weng 说,这是因为预警通常就会导致患者通过服用降低胆固醇的药物或改变饮食进行预防。

3.人工智能诊断皮肤癌准确率达91% doi:10.1038/nature21056

新豪天地 3

斯坦福大学一个联合研究团队开发出了一个皮肤癌诊断准确率媲美人类医生的人工智能,相关成果刊发为了1月底《自然》杂志的封面论文,题为《达到皮肤科医生水平的皮肤癌筛查深度神经网络》(Dermatologist-level classification of skin cancer with deep neural networks)。他们通过深度学习的方法,用近13万张痣、皮疹和其他皮肤病变的图像训练机器识别其中的皮肤癌症状,在与21位皮肤科医生的诊断结果进行对比后,他们发现这个深度神经网络的诊断准确率与人类医生不相上下,在91%以上。

研发者们是以谷歌的一个能在128万张图像中识别1000种物体的算法为蓝本进行加工。谷歌的这个算法原本是用来区分喵星人和汪星人的,现在,研究者们需要训练它区别良性脂溢性角化病(benign seborrheic keratosis)和角化细胞癌(keratinocyte carcinomas)、普通的痣和恶性黑色素瘤。

他们选出了129450张皮肤病变图片,其中包含2032种不同的疾病。每张照片是作为一个带有相关疾病标签的像素输入进算法的。这样,研发者省去了许多前期的图像分组工作,大大提高了数据量。

在测试中,人工智能被要求完成三项诊断任务:鉴别角化细胞癌、鉴别黑色素瘤,以及使用皮肤镜图像对黑色素瘤进行分类。研究者通过建构敏感性-特异性曲线对算法的表现进行衡量。敏感性体现了算法正确识别恶性病变的能力,特异性体现了算法正确识别良性病变,即不误诊为癌症的能力。在所有三项任务中,该人工智能表现与人类皮肤科医生不相上下,敏感性达到91%。

算法诊断不同数量的角化细胞和黑色素细胞图片时的敏感性,均在91%以上。除了媲美人类医生的诊断敏感性之外,该算法还有一大亮点,它的敏感性是可以调节的。研究者可以依据想要的诊断效果对敏感性进行调整。

4.人工智能走进ICU:可预测病人死亡 准确率达93%

编辑:科技技术 本文来源:谷歌AI预测病人死亡日期 准确率高达95%

关键词: 新豪天地