世纪医生EricTopol与AI大师

本文转自；

我们正处于一个数据爆炸的时代,对于正趋向于精准医疗的医学领域来说更是如此。海量的数据让我们比以往任何一个时期都更加需要AI的发展。

近日,在由deeplearning.ai举办的一场线上研讨会上,分子医药学专家、北美独立科学研究机构ScrippsResearchInstitute创始人EricTopol博士与人工智能专家吴恩达(AndrewNg)博士进行了深度对话,向观众介绍了AI医学领域的最新研究成果与临床应用。

EricTopol博士曾被汤森路透社评为“世纪医生”,他是美国医学院院士,曾发表了多篇高引用率的文章,在医药领域文章引用率排名前十。他曾撰写了30多本医用教科书,同时是畅销书《颠覆医疗》的作者。

吴恩达(AndrewNg)则是人工智能领域最权威学者之一,被誉为“AI大师”,是deeplearning.ai的创始人,同时也是在线教育平台Coursera的联合创始人。

在文章的第一部分,我们将顺着EricTopol博士与吴恩达博士的对话,梳理过去一年内AI在医疗领域的最新进展,比如NYU对乳腺癌筛查的研究、深透医疗(SubtleMedical)的医学影像产品,还有手机超声波探测器、斯坦福大学研发的智能马桶等有趣的应用。在文章的第二部分,我们将更深入地探讨AI+医疗在临床落地中所遇到的困境,以及当下究竟需要什么样的AI应用。

AI在医学领域的最新应用

为什么我们的医学需要AI这条全新的路径?当前的医疗技术仍存在着诸多问题,比如检测结果准确率低,常常漏诊、误诊,检测与治疗昂贵,存在大量资源浪费等等。Topol博士认为,AI有潜力较好地解决这些问题,并且,全人类都能从AI医疗的发展中受益,这种益处贯穿了人类从出生到死亡的每一个阶段。

提高准确性

Google团队曾经做过一个实验,如果向眼科医生展示一张视网膜的图像,然后问他,这个视网膜属于男性还是女性。那么这些眼科医生答对的几率是50%,但一个经过训练的AI神经网络,正确率可以达到97%或98%。

这个例子想要说明的是,AI的一大作用是提高诊断的准确性。通过深度学习,AI诊断的准确率可以达到专家水平,甚至远超专家。当然,这只是简单举例,事实上我们有千万种更好的办法来判断器官的主人是男是女。

准确性不高所带来的严重后果就是误诊与漏诊,这在临床中较为普遍。以乳腺癌筛查为例,乳腺癌是全球女性最大的癌症杀手之一,但在乳腺的X光片中,却存在大量的假阴性和假阳性问题。

纽约大学于年10月发表了一篇论文,研究者用深层卷积神经网络对超过万张图像进行乳腺癌筛查的分类、训练和评估,这是迄今为止最大规模的乳腺癌研究。该研究表明,其神经网络在预测乳房中是否存在癌症中可以达到专家的水平(AUC=0.)。研究者还对照了14位放射科医生的解读结果,他们让每位医生阅读了幅乳腺X光片,结果证明,AI判断的准确性与放射科医生相差无几。而若将放射科医生预测的恶性概率与其神经网络相平均后的混合算法,所产生的预测结果还会更加准确。这项研究非常有价值,因为每年有数亿女性进行乳腺检测,却常常得到错误的检测结果。

提高检测效率

在准确性之外,AI在现实医疗中的另一大重要应用是提高效率。比如,在医学影像中用AI获得更快的扫描与检测速度,并在更短的时间内取得更高的成像质量。医院、医生和患者来说,这类应用能够带来实实在在的价值。

EricTopol博士在直播中特别提到了知名医学影像科技公司深透医疗(SubtleMedical)的产品,这家创立于年的公司致力于用AI改善医学影像的质量,缩短检测流程,改善放射科的患者体验,并在检测过程中降低造影剂的剂量,以降低对患者健康的危害。

上图是人的脑部影像,从中我们可以看到,通过深透医疗的AI增强技术,医生可以更快、更好地获取MRI及PET影像。

近两年,深透医疗先后有两个产品获得FDA批准以及欧洲CE批准,分别是SubtlePET及SubtleMR,目前这两款产品已医院及影像中心部署。

以MRI磁共振为例,众所周知,磁共振应用广泛,但一般扫描过程很慢,长时间扫描会造成患者身体不适,还可能因患者的移动带来伪影和其他影像质量问题。而SubtleMR可以利用AI算法对MRI磁共振加速2到4倍。来自美国梅奥医学中心(Mayo)以及拥有多家影像中心的行业巨头RadNet的临床研究证明,使用SubtleMR可以提高影像质量和效率,在加速3倍的情况下得到同样的诊断质量。

同时,深透医疗还在研究如何使用AI技术减少造影剂的使用,降低患者的身体负担与潜在风险。深透医疗的第三个产品SubtleGAD,正是利用AI技术,在降低10倍的造影剂剂量的同时,保持甚至提高影像质量。据悉,SubtleGAD于年获得美国国立卫生研究院(NIH)万美元的科研基金,以支持其进行深入研究和临床推广,并且正医院、UCSF、医院开展合作验证其效果。

AI医疗走入寻常百姓家

AI应用的另一个方向是帮助患者监测自己的身体状况,减少患者不必要的寻医问诊,从而提升整个医疗系统的运作效率。这里主要介绍两个有意思的应用。

一个应用是手机超声波探测器。把探测器连接上手机,并放置在胸部,几秒后你就能在手机上看到你心脏的图像,包括腔室的大小、心肌的厚度等等,还能追踪血液的流动。

对于患者来说,在手机上观察自己的心脏是一种新奇的体验。而且你无需任何专业训练就能做到这一点,哪怕是小学生也知道怎么操作。只要将探测器放在胸前,并且按照引导旋转AI探测枪,你就能获得一个自动捕捉的视频图像。

第二个应用相对来说更加猎奇一些,是斯坦福大学在年4月发布的一款智能马桶。在这个马桶上,安装了各种各样的用于粪便和尿液检测的摄像头。如果你愿意的话,这个马桶可以对你的肛门和排泄物进行检测。如果你的身体出了问题,这个智能马桶就会提醒你该去看医生了。

总之,让AI医疗走向C端消费者是一个重要的应用方向。在非洲,目前就是使用智能手机来进行肺炎等其他疾病的诊断。

在未来,我们或许可以用智能手机获取身体任何部位的图像。以常见的皮肤病为例,有研究表明,AI可以通过手机照片初步筛选出可能致癌的皮肤病变。这类应用可以让患者快速地知道,什么样的情况下他们不用去看皮肤科医生,又是在什么医院进行活检。尽管当下尚无可供消费者使用的皮肤病诊断APP,但EricTopol博士认为它很快就会诞生。

什么样的AI真正为医疗带来价值?

上文介绍了过去一年里全球科技公司与实验室在AI医学领域最新的研究成果与产品。在这一部分,我们将进一步探讨什么样的AI能真正为临床医学带来价值。

实际上,过医院现有基础设施的AI技术,在临床中可能并不能使我们的现有医疗体系受益。

AI+医疗的瓶颈

毋庸置疑,未来医学的发展路上研究者将长期与AI为伴。

AntonioDiIeva博士曾在其发表于《柳叶刀》的文章中表达了一个观点——“机器不会取代医生,但是那些使用AI的医生将迅速取代那些不会使用AI的医生。”

在EricTopol博士看来,我们仍处于AI医疗研究的早期阶段。尽管AI医疗的研究成果源源不断,并且也正逐渐向临床推进,但这些成果与人类的医疗需求相比仍远远不够。

从技术上来看,Topol博士认为当前AI+医疗的瓶颈包括:1)缺少大型的、多样的、被标注的数据集;2)缺少前瞻性试验;3)缺少计算机与医生之间的深度合作;4)缺少落地,并且算法需要更多的监督,需要防止恶意干扰、攻击及软件中其他可能发生的故障;5)多维度的数据需要新的、混合的模型。

而AI大师吴恩达则更

转载请注明：http://www.lojkk.com/wadwh/13461.html