官方微信 官方微博
當前位置: 首頁 > 男人幫 > 正文

AI當醫生:“看臉”識疾病 -信息時報

信息時報 | | 2019-03-29 17:12:44

如今,人工智能在各個領域迅猛發展。新的研究表明,在醫療領域,人工智能可以幫助診斷罕見疾病。

約有8%的世界人口受到遺傳綜合征的困擾,此類患者往往具有可識別的面部特征。然而,遺傳綜合征的診斷過程卻出奇陳舊,大多數時候需要醫生手工測量面部特征之間的距離。1月7日,總部位于波士頓的人工智能公司FDNA發布了一項最新研究,他們發現,通過訓練數萬張真實的患者面部圖像,人工智能能夠以較高的準確度從人臉照片中識別出罕見遺傳綜合征。

6.jpg

  除此之外,人工智能在其他醫療方面有何發展?又有何隱私方面的顧慮?

  “這是人們期待已久的醫學遺傳學突破,終于取得了成果,”凱倫·格里普在一份聲明中說,她是一名醫學遺傳學家,也是這篇新論文的合著者。“通過這項研究,我們已經表明,在臨床工作流程中添加一個自動的面部分析系統可以幫助實現早期診斷和治療,有望改善生活質量。”


  訓練算法

  全球出生的兒童中約有6%患有嚴重的遺傳綜合征。早期發現這些綜合征有助于治療,但準確診斷往往是一個漫長而昂貴的過程。部分問題在于基因綜合征有數百種,其中許多非常罕見。正確的診斷和早期治療,常常依賴于醫生的經驗以及他們以前是否遇到過類似案例。但是機器學習可以改變這種情況。

  格里普和她的同事們想創造一種人工智能,能夠通過病人面部圖像識別基因綜合征。為此,研究小組建立一個名為“DeepGestalt”的深度學習算法,它可以分析面部特征,找出特定遺傳綜合征。研究人員日前發表在《自然醫學》雜志上的一項新研究中報告稱,他們使用了一個包含15萬多名患者的數據集來訓練這種算法。

  DeepGestalt算法首先識別患者面部的五官,例如眼睛、鼻子和嘴巴,然后將圖像裁剪成100×100像素大小的區域。接下來,該技術使用深度卷積神經網絡對這些區域進行評估。深度卷積神經網絡是一種機器學習技術,已經成為自動圖像分類的領先模型。對于每個面部區域,DeepGestalt分析每個綜合征的概率,然后它綜合整個圖像的數據給出一個預測。


  打敗專家

  當格里普和她的同事對DeepGestalt進行診斷測試時,它的表現優于臨床醫生。在一項測試中,他們對DeepGestalt進行了一系列的訓練,給它展示了600多張科妮莉亞德蘭格綜合征(一種導致發育遲緩和生長缺陷的遺傳疾病)患者的圖片,以及大約1100張非患者的圖片。研究人員報告說,DeepGestalt以接近97%的準確率識別出了該綜合征患者。相比之下,65名專家在面對類似的診斷測試時,準確率只有75%。

  在另一項測試中,研究人員使用17000多張、涵蓋了200多種不同基因綜合征的患者圖像對這一算法進行了訓練。經過訓練,在一項包含502張新圖像的測試中,DeepGestalt成功地以91%的準確率列出了排名前十的綜合征。

  “不斷增強的標準化描述(病人特征)的能力,打開了未來研究和應用的大門,”FDNA公司首席技術官、論文第一作者亞龍·古羅維奇說,“它展示了一個可以成功地應用先進的算法,如深度學習,一個具有挑戰性的領域。”


  縮短時間

  研究團隊還測試了人工智能區分不同基因突變的能力,這些突變可能導致相同的綜合征。他們使用了努南綜合征患者的圖像,這種疾病可以由5種基因突變的其中一種引起。DeepGestalt識別物理外觀的遺傳來源,目前的準確率為64%。

  “很顯然它還不完美,”古羅維奇說。“但它在這方面依然比人類做得更好。”

  當系統進行評估時,對判斷最有幫助的面部區域會被突出顯示出來,供醫生查看。這有助于他們理解基因組成和外表之間的關系。

  牛津大學的克里斯托弗·內萊克說這項技術可以給那些有遺傳綜合征的人帶來顯著好處。

  “這與我們走在大街上分享的信息,或者我們在Facebook或谷歌分享的信息,沒有本質上的區別。”他說,“但通過數據分析,你可以提取關于健康或疾病狀態的信息。”

  “真正的價值在于,對于一些極端罕見的疾病,診斷的過程可能需要很多很多年。這種技術可以幫助縮小搜索范圍,然后通過檢查遺傳標記進行驗證。”他說,“對于某些疾病,它將大大縮短診斷時間。對另一些人來說,它可能會增加找到其他患者的方法,反過來促進新的治療方法的產生。”


  訓練AI 需要龐大數據庫

  要研發這樣的深度學習算法需要相當大的訓練數據集。FDNA通過出版物和公共數據集收集了這些數據,也通過向臨床醫生發布一個名為“Face2Gene”的應用程序來收集數據。


  發布App收集數據

  去年秋天,FDNA首席執行官德克爾·蓋爾布曼是這樣介紹Face2Gene的:這款應用實際上是一個平臺,可以通過移動應用商店和網絡訪問。

  使用這款應用,醫生需要拍攝病人的照片,然后將照片上傳到App上。DeepGestalt掃描了這張照片,并從該公司的專有數據庫中為醫生提供了一份兼容診斷的排名表。這款應用還可以幫助醫生解答問題,添加更多特征的表型數據,進一步完善結果。如果可能的話,醫生可以通過增加一個最終診斷來結束這個循環。

  醫生輸入的數據,在蓋爾布曼口中所稱的“良性循環中”訓練了深度學習算法。

  “我們從上傳的數據中受益,他們也從這項技術中受益。所以這是一種共生關系。我們繼續向‘回頭客’提供技術,讓他們明白,如果他們給我們反饋,技術就會從反饋中學習,變得更好。”他解釋說。

  蓋爾布曼說,Face2Gene的使用一直在增長,許多用戶在涉及基因部的臨床數據或病歷時,已經開始依賴該應用程序。


  準確率不斷提高

  事實上,FDNA關于人工智能診斷技術的發展并非一蹴而就。2014年,FDNA推出Face2Gene這一臉部疾病識別產品,那時,可以幫助識別大約50種已知的遺傳綜合征。

  到2015年,FDNA引入了深度學習算法和英偉達的CUDA通用并行計算架構。當時,FDNA計劃將Face2Gene的診斷準確率從25%提升至40%。

  據FDNA公司介紹,他們用了三年的時間在Face2Gene平臺上收集了15萬名患者的面部數據。這次研究的17000多張面部圖像正是出自這個數據庫。

  Face2Gene的使用方法是將病人的人臉照片與確診病人的照片進行比對,再根據患病的可能性,從高到低給出一系列潛在的診斷。患者還可以通過手機App將自己的照片上傳到服務器,以獲取初步的診斷結果。


  關鍵是使用幼兒圖片

  明迪希兒童健康與發展研究所所長、西奈山伊坎醫學院教授Bruce Gelb博士指出,這篇論文只使用了一組幼兒的圖像,這一選擇可能為算法的成功奠定了基礎。

  “面部特征在蹣跚學步的兒童或幼兒身上最為明顯,這種特征在青春期就會逐漸消失——在進入成年期之前。”他說。

  不過,他承認,該算法的成功率令人印象深刻,對于那些對特定遺傳特征沒有高度專業知識的臨床醫生尤其有用。

  “使用FDNA這樣的工具可以讓臨床醫生知道他們應該讓實驗室檢測哪些基因。”古羅維奇說,“如果你正確地考慮表型,你就能增加診斷的幾率。”

  他說,人類做不到這一點。“有些遺傳學家嘗試過這樣做。他們不能,我們可以。”


隱私顧慮

如何避免歧視性濫用

  除了令人刮目相看的結果和新的潛在用戶,論文作者還強調了一些注意事項和關注的領域。這些實驗的基本假設都是病人確實患有綜合征,如果是正常人,那應當另外處理。

  他們還警告了濫用這項技術的風險。“表型數據是敏感的患者信息,基于此的歧視受到反基因歧視法的限制。與基因組數據不同,面部圖像很容易獲取。減輕濫用的有效監控策略,可包括通過區塊鏈技術向使用DeepGestalt應用程序的用戶添加數字足跡等。”

  確實,人臉圖像是敏感且容易獲取的數據,若使用不慎,看臉識疾病的技術將引發歧視等倫理問題。如果面孔能夠揭示基因的細節,那么雇主或保險公司等就可以秘密地利用這些技術,歧視那些可能患有某些疾病的人。

  三年前,上海交通大學教授武筱林訓練出了可以看臉識罪犯的人工智能系統,準確率達到86%。當時,這項研究引發了廣泛爭議,也遭受了紛至沓來的批評。不少學者認為該研究充滿了歧視和誤導,將給無辜的人們帶來巨大的麻煩。

  也許是因為這樣的前車之鑒,FDNA最新研究的作者指出,應防止DeepGestalt技術的歧視性濫用。古羅維奇說,這個技術只開放給臨床醫生運用。

  格里普說,出版論文的重要性在于激發想象力,而非其他。

  “最重要的是,這是人工智能如何應用于病人表型的一個例子。這個工具將變得越來越有價值。這個僅是觀察面部特征,但對病人來說還有很多。你可以用類似的工具來觀察X光片或視網膜的照片。”她說,“這只是一個例子。人工智能方法還可以為下一代表型帶來許多其他功能。”


  人工智能在醫療領域還能這樣用

  1可篩查早期無癥狀心臟病

  美國梅奧診所的一項研究顯示,將人工智能技術用于心電圖分析,能夠準確篩查出早期無癥狀左心室功能障礙指標,準確性要優于其他常見的篩查手段。

  無癥狀左心室功能障礙是心力衰竭的先兆,影響著700萬美國人的生活。雖然這種心臟疾病在確診后是可以治療的,但目前尚缺乏廉價、無創無痛的篩查工具供醫生診斷使用。通常的診斷方法,如超聲心動圖、計算機斷層掃描或磁共振成像掃描等,價格昂貴且不易獲得。如能開發出廉價快捷的診斷手段,將對該疾病治療具有重要意義。

  在新研究中,梅奧診所研究人員將目標瞄向了時下醫學研究的熱點——人工智能技術應用。他們認為,無癥狀左心室功能障礙可以通過適當訓練的神經網絡在心電圖中可靠地檢測出來。

  為了驗證,研究人員創建了一個神經網絡,并從診所數據中篩選出60多萬對匹配的心電圖和經胸超聲心動圖,用其對該神經網絡進行訓練、驗證和測試。

  結果表明,人工智能應用于標準心電圖分析,能夠可靠地檢測出無癥狀左心室功能障礙,準確性要優于其他常見的篩查檢測。而且,這種篩查手段不僅能識別出無癥狀的疾病,還能預測出未來患病的風險。在沒有心室功能障礙的患者中,人工智能篩查陽性的患者未來發生心室功能障礙的風險是篩查陰性患者的4倍。研究人員認為,這很可能是人工智能可以識別出在心肌衰弱之前出現的非常早期的、細微的心電圖變化,并據此作出判斷。

  研究人員指出,心電圖是一種十分容易獲取、價格低廉的檢測手段,通過人工智能對其進行數字化處理,能夠提取隱藏的心臟病新信息,簡單實惠,這對于心臟疾病的診斷及治療具有重要意義。


  2有望幫助預測癌癥患者心理問題

  英國薩里大學日前宣布,該校研究人員領導的一個國際研究團隊開發出新的人工智能技術,有望幫助醫生預測癌癥患者可能出現的抑郁、焦慮和睡眠障礙這3種常見心理問題,從而可以提前著手干預并治療,提高癌癥患者的生活質量。

  薩里大學、美國加利福尼亞大學舊金山分校等機構研究人員在新一期美國《科學公共圖書館·綜合》雜志發表報告說,2010年2月至2013年12月,他們招募了1278名癌癥患者。這些患者在兩輪化療期間,分別在每輪化療前、化療后一周和兩周的時間點填寫了6次調查問卷。

  研究人員將這些患者數據分為兩組,其中1000人的數據用于訓練機器學習,另外278人的數據用于驗證機器訓練結果的準確性。

  在驗證機器學習效果的階段,研究人員將癌癥患者第一次化療前和第一次化療后一周的調查問卷數據輸入機器,讓其分析預測患者是否會出現抑郁、焦慮和睡眠障礙這些心理問題,以及在何時會出現這些心理問題。結果發現,在經過學習后,機器預測出的心理問題與患者在后續調查問卷中報告的心理問題非常接近。


  3診斷神經系統疾病僅需1.2秒?

  月前,來自西奈山伊坎醫學院的研究人員開發出了一個新型人工智能平臺,旨在識別一系列急性神經系統疾病,如中風、出血和腦積水等。

  經過一系列的試驗和測試后,這個人工智能平臺僅用時1。2秒,就能在CT圖像中識別出神經疾病,這一速度甚至比人類的診斷速度還要快。這項研究發表在了《自然醫學》上,是一項利用人工智能檢測一系列急性神經系統疾病,并展示直接臨床應用的研究。

  這項研究使用了“弱監督學習方法”,利用研究團隊在自然語言處理方面的專業知識和西奈山衛生系統的大型臨床數據集,來開展此項研究。研究人員利用37236個頭部CT圖像,來訓練一個深度神經網絡,讓其識別圖像中是否包含關鍵或非關鍵的發現。在完成訓練后,研究人員使用了一個單盲、隨機對照試驗,在模擬臨床環境中對這一算法進行測試,讓其根據病情的嚴重程度,來對頭部CT圖像進行分診。

  在這一試驗中,研究人員對AI平臺識別和提供通知的速度進行了測試,并與放射科醫生在同等條件下診斷出疾病所花費的時間進行了對比。測試結果非常的驚人:計算機算法對圖像進行預處理、運行其推理方法以及在必要時進行預警的平均時間,比醫生讀取圖像的時間要縮短150倍。

  

  高管眼中:

  人工智能在醫療領域有何發展

  

  “2018年,我們看到關于人工智能在醫療領域的大量炒作,我們也看到它逐步成為現實:從慢性病管理的預測分析,到放射學工作流的增強,以及在行政和財務上的應用提高了運營效率。2019年,我們將看到人工智能加上語音視頻技術能夠提高醫院與病人的溝通效率。人工智能與5G技術的融合也將加速數字治療的發展。這些療法將更加個性化、更具適應性,并會利用到增強現實和虛擬現實技術。精神健康和藥物濫用治療將是我們早期應用的領域。臨床醫生會將人工智能視為一種效果增強或輔助手段,而不是現行療法的威脅。”

  ——英特爾健康與生命科學部總經理Jennifer Esposito

  

  “事實證明,人工智能研究和應用在醫療保健領域越來越重要,能夠通過更個性化的數據驅動方法改善診療結果。正如大數據可帶來更令人滿意的用戶體驗一樣,更精細的‘小數據’,也就是每個人生成并由人工智能工具分析的信息,能夠將智能手機和消費類可穿戴設備轉化為功能強大的家庭診療工具,從而讓數字健康用戶有針對性地采取行動,在有效預防疾病的基礎上促進人類健康水平的提高。2019年,人工智能將成為慢性病等預防和治療的關鍵,同時把個體的個人護理數據和發現全球影響的健康大數據有效結合起來。”

  ——移動醫療應用Sweetch首席執行官兼聯合創始人Dana Chanan

  

  “將實驗室表現轉化為臨床應用的最大挑戰之一是,隨著時間、地點和測試環境的推移,不斷復制結果的能力。因此需要可靠的質量體系和標準,提供可量化的可靠性。隨著我們進入2019年,我們開始看到如何將人工智能應用于一個傳統上費力、由人工驅動的過程的真正成果,這個過程過去需要花費數周時間,現在可以實現實時監控。如果應用得當,簡化和加快這個過程可以確保從樣本采集、處理到儀器等工作流程中的任何變化都大大減少,因此結果變得可重復,并且能夠在幾秒鐘迅速獲得可操作性和臨床的相關信息。”







信息時報社地址:廣東省廣州市廣州大道南83號匯美商務中心四樓

信息時報社 版權所有(C) 爆料電話:020-34323111 QQ:800023111 官方微博:@ 信息時報

舉報及投訴電話:(020)34323133 郵箱:xxsb_gz@163.com

網上有害信息舉報專區

黑帽SEO