炼数成金 门户 商业智能 人工智能 查看内容

人工智能诊断癌症、眼疾准确率超过90%,怎么做到的

2017-2-8 10:13| 发布者: 炼数成金_小数| 查看: 12791| 评论: 0|来自: 乌镇智库

摘要: 对人工智能而言,医疗领域一直被视为很有前景的应用领域。目前主要的应用包括临床决策支持、病人监控、医疗系统管理等多方面。基于大型海量的数据库,AI 系统可以通过各种复杂的计算模型和机器学习技术,提炼出种种 ...

工具 算法 测试 深度学习 人工智能

人工智能而言,医疗领域一直被视为很有前景的应用领域。目前主要的应用包括临床决策支持、病人监控、医疗系统管理等多方面。

基于大型海量的数据库,AI 系统可以通过各种复杂的计算模型和机器学习技术,提炼出种种重要的信息,实现对部分病症的诊断,提高诊断准确率,比如在对皮肤癌症、白内障等疾病的诊断上,就已经有了不错的结果。

人工智能算法诊断癌症,不比人类医生差
斯坦福大学的研究人员开发了一种基于深度学习的算法,以便直观地诊断潜在的癌症。

“我们意识到这是可行的,而且可以做得像人类皮肤科医生一样好。”斯坦福人工智能实验室的副教授 Sebastian Thrun 说,“就在那时,我们的想法改变了。也就在那时,我们说,‘看呐,这不仅仅是一个学生的课程,这是一个机会,为人类做出伟大贡献的机会。’”

研究人员与斯坦福医学院研究人员运用了 CUDA,TITAN X GPU 和 cuDNN进行深度学习工作,同时,他们用了代表超过2000种不同皮肤疾病的13000张的图像,来训练他们的深卷积神经网络

图像深卷积神经网络——数据流从左到右

“我们没有足够大的皮肤癌数据集可以训练我们的算法,所以我们不得不做我们自己的数据。” Brett Kuprel —— Thrun 实验室的毕业生,也是此篇论文的合著者这样说,“我们从互联网上收集图像,并与医学院合作创建了一个分类法。搜集到的数据非常混乱,光标签就有多种语言,包括德语,阿拉伯语和拉丁语。”

在测试中,AI 算法匹配了21个不同专业的皮肤科医生。合格测试通过三个关键的诊断任务进行评估:角化细胞恶性肿瘤分类,黑素瘤分类,以及使用皮肤镜观察时的黑素瘤分类。该团队希望这个算法与智能手机有朝一日得以兼容。但他们也承认在此之前,系统还需要在临床环境上进行更多的测试。

除了诊断癌症,放射诊断也能用人工智能
类似的工作并不只是斯坦福大学的研究员在做,来自中国、美国其它机构组织的科学家和研究员也在尝试类似的研究。

美国国家卫生研究院(NIH)的科学家 Le Lu 和他的团队同样借助深度学习技术,用近百万患者病例训练他们的模型。这有助于他们建立更好的医疗图像理解工具和成像的生物标志物,从而更较精确地检查癌症治疗工作的进展。

同样来自 NIH 的高级研究员 Ronald Summers 则分享了不同的研究方向,即如何通过先进的计算机技术提高放射诊断的准确度,以此来改善患者护理。

他的研究小组利用深度学习帮助医生做出更准确的诊断,减少错误的几率,同时还能帮助医疗条件薄弱,得不到先进的放射科服务的人群。 

Ronald Summers 说:“通过深度学习和 GPU 加速,我们对这些计算机程序的性能都进行了大幅度改进,使程序的性能越来越接近普通医生的水平。

这个深度学习算法,诊断眼疾准确率超过90%

来自中国的眼科专家和科学家则开发了一种深度学习算法,用于识别先天性白内障。要知道全球失明的儿童中有10%是因为这种罕见的眼病。

研究人员提到,这个算法将帮助人类,而不是代替人类:“对于医生来说,这些技术还没有100%的把握能确定较佳的治疗方案。因此医生应该更为合理地利用机器给出的建议,以识别和防止潜在的误判,并补充自己的诊断。” 

这个算法对疾病诊断的准确率超过90%。


他们使用三种不同的卷积神经网络进行白内障识别任务。第一种用于筛查普通人群的患者,第二种用于白内障患者的“风险分层”,第三种用于帮助眼科医生进行治疗决策。

这三种都借助于他们的云平台—— CC-Cruiser,它能够在15秒内向眼科医生提供诊断结果以及适当的治疗建议。

目前,这套方法已被用于三家非专业协作医院,以进一步验证临床实施的可行性。

生命是应该被尊重与保护的,因而医疗领域在面对尖端技术时,必然要报以谨慎的态度。在将AI用于常规临床实践之前,更加严格的临床试验还应当继续。 

欢迎加入本站公开兴趣群
商业智能与数据分析群
兴趣范围包括各种让数据产生价值的办法,实际应用案例分享与讨论,分析工具,ETL工具,数据仓库,数据挖掘工具,报表系统等全方位知识
QQ群:81035754

鲜花

握手

雷人

路过

鸡蛋

相关阅读

最新评论

热门频道

  • 大数据
  • 商业智能
  • 量化投资
  • 科学探索
  • 创业

即将开课

 

GMT+8, 2018-6-20 17:29 , Processed in 0.178215 second(s), 25 queries .