梅奧診所發(fā)現(xiàn)“沉默”的心臟病

將人工智能應(yīng)用于心電圖可以幫助識別無癥狀的左心室功能障礙，這是心力衰竭的前兆。梅奧診所的一組研究人員在《自然醫(yī)學》上發(fā)表了一項研究報告，表明他們可以做到這一點。

該團隊使用梅奧診所的臨床數(shù)據(jù)篩選出625，326對的EKG和經(jīng)胸超聲回波心電圖，以確定患者。然后他們創(chuàng)建、訓練、驗證并測試了一個神經(jīng)網(wǎng)絡(luò)來驗證他們的假設(shè)，了解與其他常見的篩選測試相比的準確性。

有趣的是，研究發(fā)現(xiàn)，在可能具有心室功能不全風險的患者中，人工智能檢測出陽性的患者未來發(fā)生心室功能不全的風險是陰性患者的四倍。

“換句話說，該測試不僅可以確定無癥狀疾病，還可以預測未來疾病的風險，這是通過識別心肌無力之前發(fā)生的非常早期、細微的心電圖變化來實現(xiàn)的。”Paul Friedman醫(yī)學博士說。

HBR：人工智能可能會減少醫(yī)療保健的繁文縟節(jié)

能夠處理大量數(shù)據(jù)和進行實時建議的人工智能工具可以大大減輕醫(yī)療系統(tǒng)的管理負擔，并節(jié)省啟動資金。文章表明，在美國醫(yī)療體系3萬億美元的年度成本中，約有三分之一的成本浪費在行政和運營效率低下方面。人工智能已經(jīng)實現(xiàn)了更快的病床分配、更簡單和改進的文檔和自動欺詐檢測。例如，人工智能幫助醫(yī)療系統(tǒng)更快地分配床位，將外科病人的恢復時間縮短80％，將急診床等待時間縮短20％，并接受60％以上的轉(zhuǎn)院患者。

為了利用人工智能，醫(yī)療保健組織需要：

簡化和標準化數(shù)據(jù)和流程，以便人工智能可以使用它們。

確保IT系統(tǒng)之間的互操作性和數(shù)據(jù)共享。

逐步淘汰那些通過幫助改善成果來增加業(yè)務(wù)價值的員工。

消除“黑盒”挑戰(zhàn)？

馬薩諸塞州波士頓總醫(yī)院的研究人員使用不到1000例的成像病例，能夠訓練一種人工智能算法來檢測顱內(nèi)出血（ICH），并在未增強頭部CT掃描上對其五個子類型進行分類。深度學習算法的設(shè)計是為了揭示其決策背后的推理，通常被稱為人工智能的“黑盒”問題，通過一個“注意力地圖”，突出顯示用于進行預測的圖像上的重要區(qū)域。它還消除了放射科醫(yī)師對用于訓練大多數(shù)深度學習模型的大型高質(zhì)量數(shù)據(jù)集進行注釋的需要。

研究小組發(fā)現(xiàn)，該模型的準確性與訓練有素的放射科醫(yī)師相當，但其靈敏度相當高。

這就是它真正重要的原因：腦出血是一種潛在的致命疾病，采用自動敏感模型能夠可靠地檢測到它，可以加快患者的治療。它還可以幫助具有不同專業(yè)水平的神經(jīng)放射科醫(yī)生更快地確定腦部掃描是否存在出血的情況，避免顱內(nèi)出血（ICH）的遲發(fā)或漏診。

人工智能工具比皮膚科醫(yī)生更好地檢測皮膚癌

根據(jù)最近一項對腫瘤學年鑒的研究，無論醫(yī)生的經(jīng)驗水平如何，基于人工智能的網(wǎng)絡(luò)在分析癌癥皮膚病變圖像方面都優(yōu)于皮膚科醫(yī)生。然而，皮膚科醫(yī)生在為他們的診斷添加真實的臨床信息后表現(xiàn)更好，但仍然優(yōu)于神經(jīng)網(wǎng)絡(luò)。

“我們的數(shù)據(jù)清楚地表明，卷積神經(jīng)網(wǎng)絡(luò)（CNN）算法可能是一種合適的工具，可以幫助醫(yī)生進行黑素瘤檢測，無論他們的個人經(jīng)驗水平和培訓水平如何。”德國海德堡大學皮膚病學系的教授Holger A． Haenssle博士表示。

瀕于危險：DL預測乳腺腫瘤對化療的反應(yīng)

為精確治療做好準備。例如：根據(jù)發(fā)表在《數(shù)字成像》雜志上的最新研究結(jié)果，研究人員已經(jīng)預測乳腺腫瘤對新輔助化療（NAC）的反應(yīng)準確率為88％。其提供的好處是雙重的：提供了更好的方法來早期評估治療反應(yīng)，并顯著改進了當前的預測方法，即一旦開始治療，就依賴于間隔成像。

使用乳房MRI腫瘤數(shù)據(jù)集，紐約哥倫比亞大學歐文醫(yī)學中心的研究人員采用深度學習卷積神經(jīng)網(wǎng)絡(luò)（CNN）方法來訓練和預測化療開始前對化療的反應(yīng)。