博客3

聚焦2019冠状病毒病大流行期间的AI

在facebook上分享
在twitter上分享
分享在linkedin
在whatsapp分享
  • 介绍

    人工智能(AI)的力量涵盖了生活的所有领域,但它对医疗保健的影响真正改变了生活。从药物开发到临床研究,从更好更快的决策,缓解医疗资源和基础设施的压力,使流程更加精确,价格更加低廉,可及性更强,人工智能正在许多方面给卫生部门带来革命。根据最近的一项调查发现在美国,89%的医疗保健受访者称人工智能提高了效率,91%的受访者称人工智能增加了患者就诊机会。

    医疗保健领域的顶级人工智能应用包括机器人辅助手术、虚拟护理助理、减少剂量误差、使用医学图像进行诊断(癌细胞检测、肿瘤信息等)。

    • 诊断—人工智能可以通过检查X射线、CT等医学图像来诊断疾病。一个足够复杂的系统将能够将图像数据与其他类型的医疗数据结合起来,并为单个患者提供预测性诊断,以预测无数的健康状况,如骨折、肺炎、癌症、身体、液体或组织中的异物检测。

    • 辅助人工智能-应用程序可以利用人工智能,在智能手机或电脑界面上以聊天机器人的形式进行初步诊断评估。人工智能聊天机器人驱动使用语音或文本识别比较症状,病人对数据库提供的病史症状,疾病和诊断,并响应与推荐等相关行动的去药店非处方感冒药,拨打911或其他紧急服务热线,或者直接去医院

    • 机器人辅助手术-手术机器人能够非常精确地控制动作的轨迹、深度和速度。它们特别适合需要相同的重复动作的手术,因为它们能够不疲劳地工作,从而帮助外科医生通过使用协作工具消除疲劳,避免重复或长时间的手术。


  • 市场规模

    2016年,医疗市场的全球人工智能估值为14.41亿美元,预计到2025年将达到130亿美元左右。这些应用预计到2025年将为美国医疗保健经济每年节省1500亿美元报告.谷歌DeepMinds、IBM Watson health、Remedy health、Subtle Medical、Quid和BioSymetrics等顶级人工智能技术公司在医疗领域引起了轰动。




  • 来源:GMInsights


  • 现状与挑战

    在近期的全球疫情中,新冠病毒起源于武汉,目前已影响全球近210个国家,感染人数约190万人,增长率为1.8%,死亡率为12%报告
    在这样的大流行中,快速和大规模的检测成为疫情管理过程中非常重要的一部分。目前的检测方法是PCR或抗体检测,结果大约需要2-3天。在这方面,人工智能可以极大地帮助加快诊断速度,帮助减轻医疗系统和基础设施的压力。

  • 解决方案

    • 计算机视觉子域的人工智能通过从图像中分离描述、目标检测、图像检测等方法提取数字图像的内容。更具体地说,我们为学习算法提供了许多示例,然后它们学习提取特征和学习模式,以执行它们所训练的任务。
      利用同样的原理,人工智能可以利用胸部X射线扫描建立模型,并检测病毒的踪迹。COVID-19患者有一定的视觉特征,如毛玻璃混浊——肺中的模糊暗斑。深度神经网络算法可以处理X射线扫描,自动识别这些特征,并在毫秒内评分。新冠肺炎患者肺部X线扫描显示雾状斑点。
      以下是一些没有病毒的病人的x射线扫描图:


      下面你可以看到一些COVID-19感染患者的x光扫描图



      也许仅仅靠肉眼很难观察到这些细微的差别,但人工智能可以有效地为我们做到这一点。


      在LatentView,我们开发了一种深度学习模型,可以在处理患者的X射线扫描图像后进行自主诊断。该解决方案利用计算机视觉领域的进步,从x射线扫描中提取细粒度特征,并使用它来进行区分。我们利用卡塔尔大学发布的数据集对模型进行训练,并对每次扫描打分,从0到1,1表示患者感染COVID-19的可能性很高。



    • 模型的可解释性

      为了进一步提供更有洞察力的预测,我们使用了基于梯度的类激活映射(Grad-CAM),这是一种使基于CNN的模型更透明的技术,它在进行预测时突出模型关注的区域。这是利用CNN固有的注意机制,了解其输出的一种方式。
      下面是一个同样的例子,蓝色的光突出的区域,在那里的模型聚焦更多。



      利用这种解决方案将有几个优点,其中一些是-


      1. 超快诊断(毫秒)
      2. 是否能够大规模且成本有效地运作
      3. 病毒痕迹或重点区域的定位
      4. 作为一线诊断,从而协助医生确定诊断的轻重缓急。
      5. 易于在云上部署并使其可访问。

  • 限制

    尽管AI可以以不同的方式在医疗保健领域发挥作用,产生深远的影响,但仍存在某些限制,对100%的采用率构成了挑战,这可以在未来得到解决。


    1. 人工智能测试的结果是初步的,在这个阶段需要从业者进行更深层次的诊断
    2. 需要更多的数据来评估其准确性和敏感性
    3. 数据隐私和数据安全问题需要解决
    4. 数据集中——医疗保健数据必须位于可共享的基础设施中
    5. 解决方案需要得到全球医疗认证机构的批准

  • 结论

    未来取决于技术和数据,毫无疑问,医疗保健领域的人工智能是朝着这个方向迈出的正确一步。人工智能在医疗保健领域的应用比以往任何时候都更有必要,以吸收大量的患者、疾病和诊断,并能够自动化常规程序,使医疗从业者以更低的成本提高效率,减少疲劳。
    克服人工智能应用面临的挑战,需要医生、患者、监管机构等所有利益攸关方达成一致,并形成共同基础,使人工智能系统能够预见医疗保健领域的未来。