找回密码
 立即注册
  • 回复
  • 收藏

医学影像中的人工智能

tdmin 2018-12-22 05:22 36人围观 人工智能

人工智能(AI)和机器学习正在慢慢渗透到我们的日常生活中:思考照片中的面部识别,Alexa和语音命令,以及您浏览的网站上出现的定制广告。随着时间的推移,人工智能可能会越来越多地与技术集成,医疗保健也不例外。从这些进步中受益最多的一个部门是医学成像。

人工智能为什么突然敲开药门?
你可以原谅我认为AI驱动的图像处理最近的加速是由于硬件和算法的现代发展。虽然这部分属实,但算法并不是什么新鲜事。虽然花哨的硬件在20世纪60年代还没有出现,但这并没有阻止Edward Shortliffe博士,他是医学中使用AI的先驱。Shortliffe的博士论文(斯坦福大学)探讨了MYCIN系统(对抗生素名称的认可,其中许多名称后缀为'-mycin'),他设计用于协助和教育需要选择适当抗生素治疗建议的医生。Shortliffe达到了一个难点,揭开了人工智能发展的真正手刹,至今仍然如此; 嘈杂的数据。

爱荷华大学视网膜研究的视网膜专家兼医学博士迈克尔阿布拉莫夫博士解释说:

“真正的问题是嘈杂的数据。我们现在看到的很多进步都是因为你有更多的客观数据和更客观的传感器。这就是它如此有趣的原因 - 图像和声音数据非常客观。更困难的是使用AI,人们必须用语言解释他们的症状,然后有人将患者的话语转换成文本。你知道,很多内科都是这样的。“ 

如果拥有足够高质量的客观数据是人工智能成功的关键(计算能力和存储方面的巨大改进也肯定有帮助),那么医学成像领先于此并不奇怪人工智能医疗领域的方式。


在你可以跑步之前走路:病理学实验室的数字化
根据皇家病理学家(英国)最近的组织病理学劳动力调查,病理学要求几乎每年增加近5%,全国三分之一的病理学家将在未来五年内达到退休年龄。数字病理学有可能以多种方式改善工作流程,这有助于缓解病理学家的压力,并改善患者的健康结果:

幻灯片可以被提交给异地病理学家以获得第二意见,有助于更快的诊断。
可以将组织学载玻片投影到更大的屏幕上,使病理学家更容易在幻灯片中导航。
可以系统地保存数字图像,以便于访问并减少幻灯片混淆的可能性。
最近人工智能的突破有望从根本上改变我们检测癌症的方式。
为确保他们为人工智能技术不可避免的进步做好准备,利兹教学医院决定扫描他们生产的每一块玻璃片 - 这是英国诊断领域的一个重要里程碑。数字病理学项目首席生物医学科学家Chloe Lockwood详细阐述了从古典到数字工作流程的过渡:


“走向数字化是一项巨大的变革管理工作,需要整个部门的支持 - 实验室,病理学家,IT和管理层。然而,实施数字病理学为整个诊断途径提供了评估和简化的机会。“
利兹的病理学实验室现在可以利用人工智能的发展。
现在的未来是:人工智能检测出糖尿病视网膜病变的迹象
作为一名眼科医生,Abramoff博士亲眼目睹了AI在医疗保健领域的潜在优势。他注意到他花了多少时间为糖尿病视网膜病变筛查没有患病的人,而盲人则需要等待几个月才能被诊断出:

“自主人工智能有巨大的潜力降低医疗成本,提高质量,并使其成为可能。更容易-如果病人,而不是那里的专家医生” 

因此,阿布拉莫夫使这一愿景成为现实,创立IDX,第一个也是唯一FDA授权的AI系统,用于糖尿病性视网膜病变的自主检测(的主要原因美国成年人失明)。该技术是完全自主的,这意味着最终的临床决策(在12个月内重新测试,或指向眼科专业人员)存在于设备的手中或代码中。鉴于早期疾病检测可以预防视力丧失,因此进行眼科检查对糖尿病患者非常重要。

Abramoff反映了他最喜欢将这种专业诊断技术应用于初级保健的情况,并谈到墨西哥边境附近的新墨西哥州的一家糖尿病诊所。

“有一个非常好的糖尿病诊所,无法处理糖尿病眼科检查 - 以及失去视力的人。我们进入那里,将人工智能系统放入 - 这是一个带有人工智能的摄像头 - 并且主要培训护士和一些技术人员。我们训练了四个小时,然后我们离开了。现在,他们就拥有了“比我更优质”的AI诊断功能。所有患者都经历过这种情况,护士们非常高兴他们最终可以对患者进行适当的护理。“ 

这种情况证明了AI在相对短期的培训投资之后永远改善患者医疗保健的巨大潜力。
医学上我们可以信任AI吗?
不出所料,将临床决策置于计算机强大之中的想法足以引起一些人的注意。事实上,阿布拉莫夫说他的同事之间的绰号曾经是“监护人”。

审查AI的算法是一种完全不同的球类游戏,用于审查更多“传统”的科学方法,并且可能一些AI方法论永远不会通过同行评审过程。那么,人工智能的质量控制如何解决?对于这个问题,阿布拉莫夫提出了几个要点:

如果人工智能从未经过严格测试,如果不存在对任何人造成伤害的风险,那也没关系。当存在伤害风险时(例如患者),问题就开始了。
科学中存在一种持续的复制危机,这种危机并未通过同行评审来预防,但有更好的方法来确保安全性,例如预先登记研究。
对于自主AI,需要通过预先登记的前瞻性临床试验证明患者安全,在相同的环境中,如果证明安全,将使用它。
后一点是关键。虽然看起来很明显,但AI并不总是以合适的方式进行测试。

例如,美国食品和药物管理局于1998年批准计算机辅助乳房X线照片测试,随后在临床实践中大量采用计算机辅助检测 - 主要是因为其使用可以由Medicare报销。虽然该程序与放射科医师相比进行了测试,但它被批准用作放射科医师的辅助工具。


“将人工智能与人类结合使用可能会产生意想不到的副作用 - 你没有预料到......人工智能效果非常好的事实并不意味着它与人类专家结合使用效果非常好。” - 阿布拉莫夫博士
因此,该技术的临床益处并不令人信服。根据对美国43个乳房X光检查设施的多中心回顾性研究,该计算机软件的使用与显着更高的假阳性率,召回率和活检率相关,筛查的整体准确性显着降低。

提高召回率可能是改善癌症检测的必要成本吗?正如作者所强调的那样,必须权衡真阳性结果的好处与假阳性结果的后果,包括相关的经济成本。

正如阿布拉莫夫指出的那样,在自动驾驶汽车的世界中也发现了“自主与辅助”的困境:
“最好的自动驾驶汽车是完全自主的。他们试图通过协助司机介绍它,然后司机实际上可以犯错误,然后你做什么?所以,这在任何地方都是一个严重的问题......我们是自主地做,还是我们有人工辅助(AI)?“ 

那么,我们能相信AI在医学上吗?

共识是肯定的,但有一些条件:人工智能开发必须与透明度,安全第一的态度以及与其使用环境相关的测试密切相关。

鲜花

握手

雷人

路过

鸡蛋
我有话说......