最新研究:AI已可诊断50种眼疾,1.2秒内确认神经系统疾病

简介:

近年来,人工智能技术与医疗健康领域的融合不断加深,且在科技巨头与资本巨头积极布局的努力下,智能医疗正在不断取得新的突破。而根据《自然医学》(Nature Medicine)杂志上最新发表的研究,我们可以了解到,现在的AI不仅可以诊断50种眼疾,还能在1.2秒内确认神经系统疾病,可谓研究成果颇丰。

首先,根据外媒的报道,谷歌旗下DeepMind Health、Moorfields眼科医院NHS信托基金和伦敦大学学院眼科研究所共同创建的人工智能系统,可以为50多种眼疾推荐治疗方案,准确率高达94%,与顶级人类专家不相上下。

实际上,这项研究最早于2016年2月被英媒《金融时报》首次披露,当时发现AI可以被用于分析视网膜扫描最大眼疾,如青光眼、年龄相关性黄斑变性、糖尿病性视网膜病变等,而且可能比训练有素的人类专家更准确。

而通过进一步的研究,该系统不仅可以给出治疗建议,还可以为医生解释为什么选择提出特定建议,并显示对建议治疗过程的信心水平。不过,目前AI系统用于日常眼部扫描前,必须经过临床试验并获得监管部门的批准。DeepMind发言人指出,如果临床试验取得成功,Moorfields将能够在其英国30家医院和社区诊所免费使用AI系统,初始期限为5年。

7e25b7e914a406ee4b849140d310f18b8634b56e

其次,《自然医学》上发表的另一篇研究指出,一个由总部位于纽约的西奈山健康系统(Mount Sinai Health System)创建的人工智能平台可以准确地读取扫描后的CT片并诊断出神经系统疾病,比如,1.2秒内诊断出中风。该AI系统的表现要优于人类医生。

对此,医学博士兼文章作者Eric Oermann表示,“处理时间加分析时间共1.2秒,也就是说这个分类系统可以就发现的关键问题对医生做出提醒,否则等人类医生注意的时候可能是几分钟甚至几小时之后了。我们的最终目的是想通过人工智能这项技术解决医生遇到的临床问题并提高病人的护理情况。”

按照研究人员的说法,这是第一项使用AI技术检测各种急性神经系统问题的研究,其中也包含了一些临床应用。据了解,Oermann及其同事使用了37,236个脑CT片子来训练深度神经网络,以确定扫描图像中是否包含关键信息。更重要的是,该算法可以预处理和诊断图像,然后发送通知的平均速度比医生完成任务的速度快150倍。

实际上,随着智能机器的兴起,正在开发的医疗AI系统经常被倡导作为一种民主化的AI,向患者提供高度精确算法的好处。

举个例子,今年年初,谷歌首席执行官桑达尔·皮查伊(Sundar Pichai)和谷歌Medical Brain团队称,该公司已经创建了能够预测病人是否会再次入院的AI系统。今年6月公布的结果还发现,在两家医院的试验中,这套AI系统能够预测病人在住院期间是否会死亡,准确率超过90%。除此以外,Alphabet子公司Verily Life Sciences也一直致力于解决一些问题,如睡眠呼吸暂停的检测、使用AI帮助药物发现、血液采集、健康保险等。


原文发布时间为:2018-08-14

本文作者:Sandy

本文来自云栖社区合作伙伴“人工智能观察”,了解相关信息可以关注“人工智能观察”。

相关文章
|
2月前
|
机器学习/深度学习 数据采集 人工智能
AI能帮我们读懂心事吗?——聊聊人工智能在精神疾病早期诊断中的探索
AI能帮我们读懂心事吗?——聊聊人工智能在精神疾病早期诊断中的探索
81 5
|
28天前
|
存储 人工智能 安全
拔俗AI临床大数据科研分析平台:让医学研究更智能、更高效
阿里云原生AI临床大数据科研平台,打通异构医疗数据壁垒,实现智能治理、可视化分析与多中心安全协作,助力医院科研提速增效,推动精准医疗发展。
|
3月前
|
机器学习/深度学习 人工智能 搜索推荐
AI+基因数据:健康诊断的“未来体检报告”来了
AI+基因数据:健康诊断的“未来体检报告”来了
146 6
|
人工智能 大数据 安全
拔俗AI临床大数据科研分析平台:用智能技术加速医学研究新突破
AI临床大数据科研平台基于云原生架构,融合医疗NLP、联邦学习与智能分析技术,破解非结构化数据处理难、多源数据融合难、统计周期长等痛点,实现数据治理、智能分析与安全协作全链路升级,赋能医学科研高效、安全、智能化发展。
|
4月前
|
机器学习/深度学习 人工智能 自动驾驶
AI Agent多模态融合策略研究与实证应用
本文从多模态信息融合的理论基础出发,构建了一个结合图像与文本的AI Agent模型,并通过PyTorch代码实现了完整的图文问答流程。未来,多模态智能体将在医疗、自动驾驶、虚拟助手等领域展现巨大潜力。模型优化的核心是提升不同模态的协同理解与推理能力,从而打造真正“理解世界”的AI Agent。
AI Agent多模态融合策略研究与实证应用
|
4月前
|
机器学习/深度学习 人工智能 算法
深度强化学习在异构环境中AI Agent行为泛化能力研究
随着人工智能技术的迅猛发展,AI Agent 在游戏、智能制造、自动驾驶等场景中已逐步展现出强大的自适应能力。特别是深度强化学习(Deep Reinforcement Learning, DRL)的引入,使得智能体能够通过与环境的交互,自动学习最优的行为策略。本文将系统性地探讨基于深度强化学习的AI Agent行为决策机制,并结合代码实战加以说明。
深度强化学习在异构环境中AI Agent行为泛化能力研究
|
4月前
|
机器学习/深度学习 人工智能 自然语言处理
原来AI也能“读心术”?——聊聊AI在心理学研究中的那些突破
原来AI也能“读心术”?——聊聊AI在心理学研究中的那些突破
179 1
|
4月前
|
机器学习/深度学习 人工智能 自然语言处理
AI 驱动:如何用AI直接生成矢量 Logo? 技术研究与工具选择
AI 技术革新品牌标志设计,通过深度学习分析数据,精准把握市场趋势,智能生成高辨识度 Logo。矢量格式(SVG)确保清晰不失真,适配各类展示场景。AI 工具高效便捷,支持个性化定制,助力品牌快速打造专业视觉形象,成为市场竞争中的有力武器。
269 0
|
21天前
|
人工智能 运维 Kubernetes
Serverless 应用引擎 SAE:为传统应用托底,为 AI 创新加速
在容器技术持续演进与 AI 全面爆发的当下,企业既要稳健托管传统业务,又要高效落地 AI 创新,如何在复杂的基础设施与频繁的版本变化中保持敏捷、稳定与低成本,成了所有技术团队的共同挑战。阿里云 Serverless 应用引擎(SAE)正是为应对这一时代挑战而生的破局者,SAE 以“免运维、强稳定、极致降本”为核心,通过一站式的应用级托管能力,同时支撑传统应用与 AI 应用,让企业把更多精力投入到业务创新。
318 29