生物科學門戶網站
BIO1000.COM

為什么人工智能是診斷學中的一項重要創新

人工智能(AI)是診斷學的一項重要創新,因為它可以快速學會識別醫生也將其標記為疾病的異常情況。但是這些系統的工作方式通常是不明確的,而且醫生在做出診斷時確實具有更好的“整體情況”。在一份新出版物中,拉德布杜克(Radboudumc)的研究人員展示了如何使AI展示其工作原理,以及如何使其像醫生一樣進行診斷,從而使AI系統與臨床實踐更加相關。

醫生與人工智能

近年來,人工智能在醫學成像診斷中的興起。醫生可以查看X射線或活組織檢查以識別異常,但是越來越多的AI系統也可以通過“深度學習”來做到這一點(請參見下面的“背景知識:什么是深度學習”)。這樣的系統會學會自行診斷,在某些情況下,它比有經驗的醫生做得好或更好。

與人類醫生相比,兩個主要區別是:首先,人工智能在分析圖像時通常不透明;其次,這些系統是“懶惰的”。AI會查看特定診斷所需的內容,然后停止。這意味著即使診斷正確,掃描也不總是能夠識別出所有異常。醫生,尤其是在考慮治療計劃時,會從全局上看:我會看到什么?手術期間應去除或治療哪些異常?

AI更像醫生為了使AI系統對臨床實踐更具吸引力,Radboudumc的A眼研究和診斷圖像分析小組的候選人CristinaGonzálezGonzalo博士開發了診斷AI的雙面創新技術。她根據眼部掃描進行此操作,其中發生了視網膜異常-特別是糖尿病性視網膜病和與年齡有關的黃斑變性。醫生和AI都可以輕松識別這些異常。但它們也是異?,F象,經常成群出現。經典的AI將診斷一個或幾個斑點并停止分析。然而,在岡薩雷斯·貢薩洛(GonzálezGonzalo)開發的過程中,人工智能反復瀏覽了整個畫面,學會忽略它已經過去的地方,從而發現了新的地方。此外,AI還可以顯示其認為可疑的眼睛掃描區域,

迭代過程基本的AI可以基于對眼部掃描的評估得出診斷,并且由于GonzálezGonzalo的第一項貢獻,它可以顯示出它是如何得出該診斷的。這種直觀的解釋表明,該系統確實是惰性的-在獲得足夠的信息以進行診斷后停止分析。這就是為什么她還以創新的方式使過程進行迭代,從而迫使AI看起來更難,并創造出放射科醫生會擁有的“完整圖片”。

系統如何學會用“新鮮的眼睛”看相同的眼睛?該系統通過數字方式填充已使用異常周圍健康組織發現的異常,從而忽略了熟悉的零件。然后將所有評估回合的結果相加,得出最終診斷結果。在研究中,這種方法將每幅圖像的糖尿病性視網膜病變和年齡相關性黃斑變性的檢測靈敏度提高了11.2 +/- 2.0%。該項目證明,有可能讓AI系統更像醫生一樣評估圖像,并使其工作方式透明化。這可能有助于使這些系統變得更容易信任,從而被放射科醫生采用。

背景:什么是“深度學習”?

深度學習是用于以類似于我們的大腦工作方式學習的系統的術語。它由電子“神經元”網絡組成,每個網絡都學會識別所需圖像的一個方面。然后遵循“邊做邊學”和“實踐使人完美”的原則。系統收到越來越多的圖像,其中包含相關信息,例如在這種情況下,視網膜是否存在異常,如果存在異常,則是哪種疾病。然后,系統學會識別哪些特征屬于那些疾病,并且看到的圖片越多,就可以更好地識別出未診斷圖像中的那些特征。我們對小孩子做類似的事情:我們反復在他們面前舉起一個物體,例如一個蘋果,并說這是一個蘋果。一段時間后,您不會不必再說了-即使每個蘋果都略有不同。這些系統的另一個主要優點是它們完成培訓的速度比人類快得多,并且可以一天24小時工作。

鄭重聲明:本文版權歸原作者所有,轉載文章僅為傳播更多信息之目的,如作者信息標記有誤,請第一時間聯系我們修改或刪除,多謝。

南京麻将入门教程 明天涨停的股票 股票配资平台选哪个怎么样 安徽快三开奖结果快 思安配资 股票连续两天涨停 四川金7采开奖结果 北京十一选五前三直最大遗漏一定牛 天津11选5工具走势图表 股票融资融券如何操作 河北十一选五怎样玩的好