医学中的人工智能:使患者更聪明

 医疗资讯     |      2020-10-20

如果医生有更多时间解决患者的问题怎么办?这是促进将人工智能()集成到医学中的驱动力。通过使用复杂的算法来检测大型数据集中的模式(例如实验室测试结果), 当前的药物和症状, 等等人工智能实际上可能使毒品更人性化,而不是更人性化。

“当病人来时,我们已经知道他们经历了什么,耶鲁医学院心脏病学家和数据研究员哈伦·克鲁姆霍尔兹说。“特别是对于慢性病患者,我们可以在他们需要医疗之前发现他们的需求。”

人工智能的定义因行业而异。甚至字典之间的差异也很大。但总的来说,在医疗领域,人工智能是指使用计算机系统根据原始数据中的模式(例如遗传突变和医学状况或特定于集群的疾病的症状)创建算法连接,这将非常困难,如果不是不可能的话一个人认识。

为了说明医学人工智能的未来将会是什么样,博士 克鲁姆霍尔兹给出了一个有心脏衰竭风险的患者的假想例子。心力衰竭是指心脏肌肉薄弱,难以将足够的含氧血液泵送到全身。

首先,病人将在一天开始时以网络化规模进行,它将监视体重变化,要确定是否有体液留的迹象-这是心力衰竭的迹象。他或她将带上智能手表或其他传感器来跟踪步数和活动水平,并使用移动应用记录特定症状,如呼吸急促。所有这些数据将直接流向电子健康记录(), 电子病历将“获得所有信息并对患者的风险进行分类,不用等待患者来找我们,“博士 克鲁姆霍尔兹说。然后,医生可以提醒病人,他或她正在接近危险,并采取措施避免这种情况,使积极主动地就医,而不是做出反应。

博士 克鲁姆霍尔兹解释说,这种医学上的人工智能辅助交互已经酝酿了很多年。自1995年以来,他一直领导成果研究与评估中心(),该中心的研究涉及收集, 测量, 并分析各种数据(从帐单记录到传统医疗记录,至今的电子病历),帮助改善患者护理。

在对患者记录进行数字化处理之前,计算机可以通过算法和机器学习对其进行分析,博士 克鲁姆霍尔兹和他的团队努力工作以从纸质记录中提取见解。这项昂贵的劳动密集型工作花了几年时间才能完成。这项研究是与联邦机构合作的结果, 医学专业组织,例如美国心脏病学会和美国心脏协会, 以及临床医生 医院等机构。大大改善了护理。经过几年的不懈努力,这项研究及其传播大大缩短了心脏病患者接受挽救生命的血液凝块治疗的时间。

如今,这样的项目仅需很少的时间和资源即可完成。作为博士 克鲁姆霍尔兹指出,“在这个数字时代,实时研究产生实时可行信息并及时改善护理的前景迫在眉睫。”

美国. 美国食品药品监督管理局()现在以与评估药品和医疗设备的有效性和安全性几乎相同的方式来评估人工智能工具。.,经过批准的人工智能系统可以分析具有神经系统症状的患者的扫描结果。当结果显示中风时,将发短信给医生。这有助于他们更快地提供有效的治疗,这有助于防止中风引起的脑损伤。

“机器学习和人工智能帮助我们整合了高度复杂和高维的数据。这是我们以前的传统分析无法做到的,“博士 克鲁姆霍尔兹说。

尽管前列腺癌是美国第二大常见癌症,诊断仍然具有挑战性。通常,医生必须反复将活检针插入前列腺,从大众区域采集几个样本,希望能得到一簇癌细胞。因为前列腺是软器官,它可以在骨盆中旋转和移动,“活检非常困难,“耶鲁大学医学博士, 泌尿科医生 解释说。

使用人工智能辅助的机器学习,博士 将患者的超声和扫描合并为一张图像,可疑肿瘤的位置可以更准确地显示。“ 和超声显示出非常不同的解剖图像,面临的挑战是如何结合这两个图像,“博士 约翰·奥诺弗里说。他是放射学的助理教授, 生物医学影像学和泌尿外科,他和博士 共同构建了人工智能工具。

该工具称为前列腺活检 / 融合,它收集图像数据,并将这些信息输入到算法中然后生成前列腺的三维图像。然后,医生可以从计算机屏幕的不同角度浏览这些图像,为了准确地确定病变,用于活检。

说:“在此之前,我们从数百个案例中了解到前列腺在活检过程中如何变形。“首先使用人工智能软件绘制图像,医生可以更精确(因此更少)插入针头以获取活检样本,可以想像这极大地改善了接受手术的患者的经验。

肝癌很复杂,因此,医生需要考虑来自许多不同来源的信息,确定如何最好地治疗特定患者。.,他们依靠和图像观察癌症。他们必须测量肿瘤的大小,并尝试了解其增长率。他们试图鉴定出在肿瘤中发现的特定基因,权衡患者的病史和家族史,帮助指导治疗计划。

耶鲁大学医学院的肝癌专家试图通过整合更多, 不同的数据点。他们联系了耶鲁大学的生物医学工程师和计算机科学家团队。探索算法的创建,帮助他们识别数据中的模式。

“我们从临床医生那里寻求适当的临床问题,“博士 劳伦斯·斯塔布( )解释说。他是放射学和生物医学影像研究人员,擅长使用机器学习来分析医学图像。“然后,这是测试算法并评估其性能的叙述过程。”

“在肝癌中,影像扮演着非常重要的角色 非常重要的角色“耶鲁大学医学研究员和介入放射学家 , 医师 说过。“我们需要更好地定量提取成像信息。”

事实证明,人工智能生成的算法有助于弥合复杂数据与临床决策之间的鸿沟。虽然仍有改善的空间,但是团队已经看到了这种方法的优势。

“人类是不完美的,“参与该项目的另一位介入放射科医生,杰弗里·波拉克( )说, 医师机器将不是完美的。但也许将两者结合在一起将达到更高的完美水平。”

机器学习技术可以为计算机辅助3设计模型增加更高的精度,帮助整形外科医生为复杂的面部重建手术做准备。

耶鲁大学医学整形外科,,德里克·斯坦巴赫, 医师 说:“脸部有很多功能上的考虑。““大多数时候,它是形式功能,“他说,指结构的需要,例如人脸的细腻骨头,为了功能好需要平衡比例。

通过与国内外研究人员的合作,耶鲁大学的外科医生基于图4的图像创建了机器学习模型,000人的面部结构正常。从事形态测量专业领域,依靠定量分析来测量和测试影响生物体形状或形式的因素,团队创建了人脸的3模型。

然后,该计算机程序会将大量正常的面部模型与手术后扫描的面部模型进行比较,为外科医生提供见识,以改善手术效果。

“我们可以使用模型来了解骨头之间的关系,以及我们需要如何移动骨骼以达到面部效果,“博士 斯坦巴赫说。他是耶鲁大学医学院颅面外科项目的负责人,他还是口腔颌面外科和牙科的负责人。

为了建立模型,医生从患者的病历中收集和其他成像扫描。博士 斯坦巴赫解释说:“我们可以将它们数字化,数字空间的手术。“一旦3模型准确无误,外科医生可以打印出患者的面部骨骼模型,并在手术室中使用它来指导实时手术。

“我认为将此模型纳入我们的计划流程将有助于我们实现可重复性, 高保真和准确的结果。“博士 斯坦巴赫说。