最近，OpenAI、微軟、谷歌等公司開發(fā)的人工智能（AI）搜索引擎占據(jù)了大部分頭條，這些AI工具的出現(xiàn)似乎打算顛覆我們的生活和工作方式。

近年來，人工智能在醫(yī)學上的應用也在逐步增多，尤其是在診斷疾病方面?，F(xiàn)在越來越多的醫(yī)生開始依賴于深度學習技術(shù)（Deep Learning），一種模仿人工神經(jīng)網(wǎng)絡(luò)的機器學習方法。

該技術(shù)可以像人腦一樣學習，在醫(yī)學方面能幫助檢測一些容易被忽略的危險疾病，如癌癥、心臟病、甚至是無癥狀的新冠病例。

(資料圖片)

一項最新的研究表明，人工智能在醫(yī)學領(lǐng)域的下一個突破可能是診斷阿爾茨海默氏癥。

準確率高達90%

阿爾茲海默氏癥會導致不可逆轉(zhuǎn)的認知能力下降和癡呆。自該疾病被發(fā)現(xiàn)以來的一個世紀里，醫(yī)學研究人員一直未能找到治療方法和可靠的早期檢測方法。

上周四（3月2日）發(fā)表在國際著名科學期刊PLOS ONE上的一篇研究文章表明，深度學習技術(shù)在阿爾茨海默氏癥診斷中比未經(jīng)訓練的AI模型更加準確，而且該技術(shù)能夠排除一些干擾診斷的因素，如年齡。

馬薩諸塞州綜合醫(yī)院（Massachusetts General Hospital）的研究人員測試了深度學習技術(shù)在阿爾茨海默氏癥檢測中的應用。研究人員首先采用數(shù)萬張人腦掃描圖像訓練了一個深度學習模型，這些人部分患有阿爾茲海默氏癥，部分沒有。

隨后，研究人員將該深度學習模型用于臨床診斷。

結(jié)果顯示，經(jīng)過訓練的深度學習模型識別阿爾茨海默氏癥的準確率達到90.2%，相比之下，沒有接受過變量訓練的、更簡單的人工智能模型的診斷準確率要低大約5個百分點。

馬薩諸塞州綜合醫(yī)院的研究員Matthew Leming指出，“我們的研究結(jié)果具有跨地點、跨時間、跨人群的普遍性，為這種AI診斷技術(shù)的臨床應用提供了強有力的證據(jù)?！?/p>

值得一提的是，90%的準確率還遠遠高于人類得出的臨床檢出率。根據(jù)2017年美國國立衛(wèi)生研究院（NIH）公布的一項研究，人類得出的臨床檢出率僅為77%。

誤診帶來的損失

美國衛(wèi)生與公眾服務部去年12月的一項研究顯示，美國每年有700多萬人被誤診。近300萬急診室患者因誤診而遭受不良影響，超過37萬人遭受永久性殘疾或死亡。

據(jù)非營利組織“改善醫(yī)學診斷協(xié)會(Society to Improve Diagnosis in Medicine)”稱，誤診也是一種經(jīng)濟負擔。該協(xié)會預計，誤診、錯誤治療、以及由此引發(fā)的醫(yī)療事故訴訟每年將造成約1000億美元的額外支出。

醫(yī)生們也認為，人工智能在改善診斷技術(shù)方面有著巨大的前景，盡管在醫(yī)學研究中也出現(xiàn)了許多與人工智能有關(guān)的問題，比如可能會出現(xiàn)事實錯誤和種族偏見。

去年1月發(fā)表在美國國立衛(wèi)生研究院（NIH）上的一篇關(guān)于AI技術(shù)在醫(yī)療診斷方面的文獻綜述發(fā)現(xiàn)，人工智能在癌癥、糖尿病和阿爾茨海默氏癥診斷等領(lǐng)域都有前景。不過該文章建議建議進一步研究以提高AI的識別準確性。

病癥預測更加困難

到目前為止，阿爾茨海默氏癥是最難預測和診斷的疾病之一。它是老年人中最常見的一種癡呆癥，全世界約有4400萬患者。

不過，這只是與癡呆癥相關(guān)的眾多疾病的一種形式，所以很多其他癡呆癥很容易被誤診為阿爾茨海默氏癥。

2017年，美國醫(yī)學網(wǎng)站《Medscape》上的一項針對900多人的研究發(fā)現(xiàn)，多達四分之一的阿爾茨海默病患者被誤診，誤診為假陽性或假陰性的比例大致相同。

阿爾茨海默氏癥很容易和路易體癡呆、額顳葉癡呆混淆。根據(jù)美國神經(jīng)病學學會（AAN）的說法，誤診的概率隨著年齡的增長而增加，阿爾茨海默氏病和其他癡呆疾病在老年群體中很容易被搞混。

相對于診斷，預測則更加困難。阿爾茨海默氏癥幾乎沒有可靠的早期篩查模型，大多數(shù)病例是在腦損傷癥狀開始出現(xiàn)后才被診斷出來的。

此次馬薩諸塞州綜合醫(yī)院的研究并沒有涉及深度學習技術(shù)是否有助于阿爾茨海默氏癥的預測。不過仍有不少其他研究人員認為，AI或許能夠在這方面發(fā)揮重要作用。

關(guān)鍵詞：