[资讯]科学家如何利用人工智能加速人类疾病的诊疗?

2018-05-07 08:32:00
admin
原创
655
摘要

(来源:细胞生物学)

1Cell:利用人工智能快速而又准确地诊断疾病

doi10.1016/j.cell.2018.02.010

在一项新的研究中,来自中国广州医科大学和美国加州大学圣地亚哥分校等研究机构的研究人员利用人工智能和机器学习技术开发出一种新的计算工具,用于筛查患有常见的致盲性视网膜疾病的患者,从而潜在地加速疾病诊断和治疗。相关研究结果发表在2018222日的Cell期刊上,论文标题为“Identifying Medical Diagnoses and Treatable Diseases by Image-Based Deep Learning”。

论文通信作者、广州医科大学附属广州市妇女儿童医疗中心科学家、加州大学圣地亚哥分校基因组医学研究所研究员Kang Zhang教授说,“人工智能(AI)通过对难倒人类专家的大量数据进行快速地分析和分类而有巨大的潜力引发疾病诊断和管理变革。”

当前的计算方法是费力的和昂贵的,并且需要使用数百万张图片来训练人工智能系统。在这项新的研究中,Zhang和他的同事们使用基于人工智能的卷积神经网络(convolutional neural network)来检查利用光学相干断层成像术(optical coherence tomography)获得的20万多张眼部扫描图。光学相干断层成像术是一种无创技术,将视网膜上的光线反射回来,从而创建出组织的二维图和三维图。

2AI化身心脏病“专家” 检测疾病更快更准

在美国,每天有2000多名患者心脏病发作,其中超过400人未能及时接受治疗。当有物体阻塞了向心脏供血的动脉时,就会导致心脏病发作。如果没有血液,心脏会因没有必需的养分而无法正常运作,开始出现衰竭现象。病人等待治疗的时间越长,就越可能对心脏造成不可挽回的损伤。因此,对心脏病进行及时检测和治疗,成为了挽救患者生命的关键。

虽然研究人员在心脏病发作检测方面已经取得了一些进展,但其检测的基本方法与一个世纪前并没有任何差别。目前,医生普遍使用于20世纪初研发的心电图(ECG)来监测心脏的电活动。根据心脏病发作的位置和严重程度,ECG的某些区域可能会出现变化。然而,这些变化很小且不稳定,并且只包括心脏所有电信号的一小部分。随着科学技术的发展,研究人员已经将不同的信号处理方式和其他复杂的数学操作应用于心电图中,但这些处理方式仍然无法表现出每个人心脏的差异。

3Nature:强!利用智能手机计算步数揭示肥胖线索

doi10.1038/nature23018

在一项新的研究中,来自美国斯坦福大学的研究人员利用智能手机追踪全球数十万人的活动水平,取得一项有趣的发现:在肥胖很少的国家,人们通常每天行走相类似数量的步数。但是经常行走的人与很少行走的那些人之间存在的较大差距与更高水平的肥胖相一致。相关研究结果于2017710日在线发表在Nature期刊上,论文标题为“Large-scale physical activity data reveal worldwide activity inequality”。

考虑到经估计每年有530万人死于与体力活动缺乏(physical inactivity)相关的原因,这些研究人员寻找一种简便的方法来测量数十万人的活动以便有助找出为何肥胖在一些国家要比在其他的国家是一个更大的问题。

这项突破性的研究利用智能手机捕捉到的数据分析来自111个国家的71.7万名男性和女性的活动习惯,这些人的行走步数被研究了平均95天。

4】人工智能有助于皮肤癌症的早期诊断

新闻阅读:Artificial intelligence helps with earlier detection of skin cancer

最近,来自Waterloo大学以及Sunnybrook研究所的研究者们开发出了一种利用人工智能技术检测皮肤黑色素瘤的方法。

这项研究利用机器学习软件,通过对皮肤伤口图像进行分析,从而为医生们提供与黑色素瘤生物标志有关的客观证据。目前来讲,黑色素瘤是一种致死率极高的恶性癌症,但如果治疗及时的话还是能够治愈的。

这项人工智能系统能够让机器学习数万张皮肤的图像以及相应的真黑素与血红素的水平,能够显著降低不必要的生物样本数量,从而大幅地降低卫生护理的成本。此外,这项技术还能够给予医生一些针对皮肤伤口特征的客观信息,从而帮助他们在进行手术之前排除黑色素瘤的风险。

5】人工智能手表获FDA批准 监测严重神经疾病

日前,由知名的MIT Media Lab独立出的新锐Empatica公司宣布,美国FDA已经批准了其人工智能手表Embrace上市,用于监控一类极为危险的癫痫发作。值得一提的是,这也是美国FDA批准的     首款应用于神经学领域的智能手表。

根据美国疾病控制与预防中心(CDC)最近的估计,约有340万美国人受癫痫影响。在所有的癫痫中,一类叫做“全面的强直 - 阵挛性癫痫发作”(generalized tonic-clonic seizures)的类型极为严重,能让人失去意识,并让患者在恢复后的长时间里陷入混乱状态(state of confusion)。对于这种疾病,目前人们在临床试验中仰赖的大多是患者的自我报告。但由于疾病对认知的严重影响,患者的自我报告并不准确,有40%的病例会被漏报。因此,我们需要监控这些患者病情的新方法。

60.3秒测癌,日本借助人工智能诊断大肠癌

大肠癌是常见的恶性肿瘤,包括结肠癌和直肠癌。大肠癌的发病率从高到低依次为直肠、乙状结肠、盲肠、升结肠、降结肠及横结肠,近年有向近端(右半结肠)发展的趋势。其发病与生活方式、遗传、大肠腺瘤等关系密切。在日本,大肠癌是死亡率仅次于肺癌的第二大癌症。对患者来说,早期发现是治疗最关键的一步。最近,日本公布了一项人工智能成果,利用人工智能技术,不到一秒就可以测出,大肠息肉是否存在癌症。

在日本横滨一家医院的诊断室里,记者看到,医生把一个可以放大500倍的内窥镜深入患者肠胃,人工智能系统就可以在0.3秒内识别出内窥镜中的大肠息肉是否存在癌变。参考系统实时判断的结果,医生可以当场实施切除手术。

“以往需要花漫长的一周去确证,现在立刻就可以判断是否需要切除。”日本昭和大学教授工藤进英说,这套系统大大的提升了诊断效率。

7】人工智能可以诊断结肠直肠癌 准确率达86%

AI在医疗领域有着广泛的应用前景,比如预测心脏病、侦测老年痴呆症。新研究告诉我们,AI可以用来诊断癌症。日本研究人员找到一套方法,可以用AI诊断结肠直肠癌肿瘤,在肿瘤变成恶性肿瘤之前就能发现。

怎么做到的?研究人员用3万多张照片组建一个数据库,里面有癌细胞照片,也有癌化之前的照片,然后他们用AI寻找二者的差异。机器学习将图片处理完成之后,研究人员输入大肠息肉(colorectal polyp)照片,放大500倍。程序瞬间就可以判断大肠息肉是否患上癌症。

8Neurol GenetIBM人工智能 高效分析脑瘤基因组

随着肿瘤靶向治疗和个性化治疗方法的不断进步,越来越多的医生意识到了对肿瘤进行基因组测序的重要性。从肿瘤基因组分析中往往能找到更有针对性和更有效的靶向治疗方案,为患者带来更好的疗效。不过,从大量的基因组数据中迅速找到潜在的治疗方案并不是一件容易的事情,但这却是计算机和人工智能程序能够发挥作用的地方。

最近,IBM和纽约基因组中心合作发表了一项研究,IBM的沃森人工智能系统在分析一位脑瘤患者的基因组数据上通过少得多的时间,得到了和一组专家相同的结果。这项研究发表在了最近的《Neurology Genetics》杂志上。

这项探索性的研究是在一位胶质母细胞瘤的患者身上进行的。胶质母细胞瘤是一种非常凶险的癌症,死亡率很高,确诊后的平均存活时间不到15个月。对于这样的癌症患者来说,时间是极其宝贵的,越早找到有针对性的治疗方案,就越有可能延长患者的生命。

早在2014年时,IBM就与纽约基因组中心展开了合作,基于IBM的沃森人工智能系统开发一个专门分析肿瘤基因组的程序,称之为沃森基因组分析。这个团队在这位患者身上试用了这个程序的β版本。它可以从超过2700万篇生物医学方面的论文中寻找针对特定基因变化的靶向治疗方案。

9】人工智能预测阿兹海默病风险,准确率超 84%

作为一类慢性中枢神经疾病,阿兹海默病越来越严重地影响了现代社会。2015 年,全世界约有 3000 多万人被诊断患有这种疾病。因为需要花费巨大人力物力来妥善护理病人,它也给世界各地的卫生保健系统带来了很大的经济负担。虽然目前没有已知的方法在晚期病例阶段中制止该疾病的恶化,但有证据表明,如果早期发现,相应治疗有望使疾病进展获得减慢或停止。所以,如何找到一种可靠的方法来提早发现那些有可能具备疾病风险的潜在病人,逐步成为医学研究和临床护理的重要目标。

近日,韩国高科技科学院(Korea Advanced Institute of Science and Technology)和 Cheonan 公共卫生中心的科学家们通过深度学习(deep learning)开发出一项技术, 能以超过 84% 的准确度识别未来三年可能发展成为阿兹海默病的潜在病人。

随着年龄的增长,认知衰退是不可避免的。我们往往变得更加健忘,更频繁地中断思路,或更难做出决定、完成任务。医生称这种情况为轻度认知障碍,并且会随着年龄增长影响大多数人群。更严重的情形下,许多轻度认知障碍患者会继续发展成为阿兹海默病:他们失去了词汇语言能力,或语无伦次;他们开始非常健忘,甚至不再认识亲人;失去基本的自我照顾技能,最终完全依赖于照顾者。大多数病人在获诊断后几年时间内因病去世。但值得注意的是,并非所有轻度认知障碍患者都遵循这条道路:有些人不会恶化,甚至有些改善。所以医生会非常热衷于能够发现可能发展成为阿兹海默病的潜在人群,因为他们最有可能受益于早期干预治疗。

10】人工智能加快乳腺癌风险预测

doi10.1002/cncr.30245

来自美国休斯顿的研究人员最近开发出一个人工智能软件能够准确解读乳腺X线影像结果,帮助医生快速准确预测乳腺癌风险。根据这项发表在国际学术期刊Cancer上的最新研究,这套计算机软件能够直观地将病人的图像结果翻译成诊断信息,速度是人类的30倍,准确率高达99%

“这套软件能够在很短时间内回顾几百万份纪录,通过解读病人的乳腺X线影像结果帮助我们确定病人患乳腺癌的风险,效率更高。这有望减少不必要的活检。”Stephen T. Wong博士这样说道。

研究人员使用人工智能软件解读了500名乳腺癌病人的乳腺X线影像结果和病理报告。该软件能够扫描病人的影像结果,收集诊断特征和将乳腺X线影像结果与乳腺癌亚型进行关联。医生使用软件的分析结果来精确预测每个病人诊断为乳腺癌的可能性。

在美国,每年要进行大量乳腺X线影像检查,其中大约50%得到错误解读产生假阳性结果,导致每两名健康女性就有一人被错误告知患癌。