AI医疗：人工智能在医疗行业中的几大突破案例

近年来，人工智能变得越来越“聪明”，并开始在许多领域发挥独特的作用。

如今，人工智能被各国视为新一轮科技革命与产业变革的核心所在。由于人口老龄化趋势加速、医疗资源供需严重失衡等原因，我国对医疗人工智能的发展需求十分迫切。据权威数据显示，到2017年，我国人口达到近14亿，但是医护人员尚不足1200万人。

目前，人工智能已经成为诸多行业的重要发展驱动力，在金融、交通、医疗、安防等领域获得了愈加深入的应用，也受到了业内人士的认可与青睐。

在诊断眼部疾病精准度上超越人类

一家人工智能公司与英国摩尔菲尔兹眼科医院近日共同发布研究成果，称人工智能算法在诊断眼部疾病的精准度上超越了人类医生。

这款人工智能算法主要通过分析患者眼部的3D成像——光学相干断层扫描（近年迅速发展的一项成像技术，简称OCT）图像，诊断与老龄化致盲有关的黄斑部退化、青光眼和糖尿病视网膜病变等。目前，这一算法已能检测出超过50种威胁视力的眼疾，并能给出适合患者的治疗方案，甚至可以“优先考虑”最迫切需要治疗的病人，错误率仅为5.5%，远低于8位人类眼科专家6.7%—24.1%的“误诊率”。以往，不同的医生对同样的3D成像会有不同的解读，这款人工智能的高精确度相当于25个医学专家从不同角度会诊的结果。

远距医疗可透过高解析度镜头观察皮肤病

据Healthcare IT News报导，堤夫特地区医院从2005年开始思考引进远距医疗。该医院远距医疗主管Jeff Robbins认为，因为远距医疗将是未来趋势。因此与成立12年的非营利机构GPT合作，后者在美国11州负责针对医院及其他医疗设施行销远距医疗系统。

堤夫特地区医院藉由GPT的照护者与技术组成的网路，帮助该医院与距离遥远的养护之家、学校诊所、急诊室、中风团队、特殊伤口照护团队与先进紧急照护团队连结。

远距医疗套件包括萤幕、镜头、键盘与遥控器，週边功能则可给予医师透过数位听诊器观察生命徵兆，并利用高解析度镜头看诊皮肤或伤口照护等特殊医疗。

Robbins认为，双方合作后让该院医师帮其他地区病患看诊而增加收入、减少约诊未到与治疗更多病患及更佳病患追踪。远距医疗则让该医院拥有先进加护病房支援并降低死亡率、并发症与后续住院，另外，透过居家监测也可降低医疗成本。

借助AI算法 预测腹主动脉瘤风险

美国史丹佛大学(Stanford University)研究团队结合基因体定序资料和电子病历(EMR)，成功以人工智慧(AI)演算法预测罹患腹主动脉瘤(AAA)风险。

据Management报导，这项研究受到美国国家卫生研究院(NIH)所资助，证实AI演算法HEAL结合人口基因体资料和个人EMR，即可检测腹主动脉瘤的遗传风险因子，精淮度跟临床筛检结果不相上下，甚至更好。据了解，他们发现在预测高风险族群的精淮度高达70%，未来每个人都会有基因体定序，进而预测整体的疾病风险，再依据这个资讯采取行动。

有望成为痴呆症的有效预防工具

近日，科学家成功地训练了一种新的人工智能算法，以准确预测导致阿尔茨海默病的认知能力下降症状。由于阿尔茨海默病起病隐匿，起病初期往往很难发现，常常到症状明显时才被重视，并且目前，这种疾病尚未有真正有效的治疗方法。

血液测试，PET扫描，眼睛测试，遗传学甚至嗅探测试是识别认知衰退早期症状的常见方法，但这些方法并不能做到完全准确地预测。一项新的研究表明，经过训练以评估各种诊断数据的AI算法可以有效地预测一个人是否处于疾病的早期阶段，以及他们是否可能在接下来的五年内显著恶化。

道格拉斯心理健康大学研究所的计算神经科学家Mallar Chakravarty博士和他的同事使用人工智能技术和大数据开发了一种算法，通过磁共振成像（MRI），遗传学和临床数据学习，对有阿尔茨海默病风险的病人大脑进行单次淀粉样蛋白的PET扫描来完成识别，能够在痴呆症发病前两年准确识别出痴呆症的迹象。

麻省理工公布AI神器 可断抑郁症

麻省理工学院的研究人员开发出一种神经网络，能够以相对较高的准确度对个人患有认知功能障碍的可能性做出预测。因此在一定程度上，我们可以将其理解为一种抑郁症检测器。

一般来讲，治疗师需要利用经过验证的问题与直接观察相结合，共同诊断对方的抑郁症等精神健康状况。而根据麻省理工学院团队的说法，他们的人工智能能够在无需条件性问题或者直接观察的前提下，实现类似的效果。换言之，其不需要情景信息，而只需要数据资料。

在这项研究中，参与者的回答将以文本及音频形式进行记录。在文本版本中，人工智能能够在大约7个问答序列之后预测抑郁症。但有趣的是，在音频版本当中，人工智能需要大约30个序列才能做出决定。据研究人员称，其平均准确率达到惊人的77%。

生成脑癌合成扫描的AI系统

Nvidia公司的科研人员最近在一篇论文中公布了一项他们与Mayo诊所、马萨诸塞州综合医院（MGH）和 布莱根妇女医院（BWH）临床数据科研中心合作的研究，声称他们已经开发了一个可以自行生成训练数据的神经网络，特别是合成患恶性肿瘤大脑的三维磁共振图像（MRI）。

这是首次有人做到可以生成训练神经网络用的大脑扫描图像。Nvidia的这款AI系统基于Facebook的PyTorch的深度学习框架，并在Nvidia DGX平台上进行训练，它在训练中会使用通用对抗网络（GAN，general adversarial network），也就是一个由样本生成器和鉴别器这两部分所组成，可在生成图像后自行判断图像可靠性的神经网络，来最终生成令人信服的脑异常核磁共振图像。