GoogleAI算法助力降低糖尿病患者失明风险

来源:TECHWEB  责任编辑:小易  

www.zgxue.com防采集请勿采集本网。

【TechWeb】11月15日消息,11月14日是世界糖尿病日。目前,全球防控糖尿病的形势仍然严峻。国际糖尿病联合会的数据显示,在2019年,全球约有4.63亿20岁到79岁的成年人患有糖尿病,到了2045年,预计这一数字将上升至7亿;同时,这一疾病还造成了至少7600亿美元的医疗支出,占到了全球成年人总医疗支出的10%。

特别值得注意的是,约有79%的糖尿病患者生活在低收入和中等收入国家,而在那些医疗技术不发达或者医疗资源紧张的地方,糖尿病及其并发症往往得不到及时的诊断和治疗。例如,作为当下增长最快的致盲病因,虽然糖尿病视网膜病变(Diabetic Retinopathy)在早期发现后完全可以得到妥善的治疗,但因为很多情况下没有足够多的医生来为所有糖尿病患者进行及时的诊断,它常常导致不可逆的失明。

医疗技术应当对所有人都有所帮助,为了应对这一挑战,改善糖尿病视网膜病变筛查,人们已经做出了很多努力。Google AI的研究人员们就利用机器学习和计算机视觉领域的最新进展,开发了一种能够通过眼部扫描图像判断患者的视网膜是否发生了病变的深度学习算法。

现在眼科医生诊断糖尿病视网膜病变的常用方法之一是观察眼部扫描图像,寻找病变征兆(包括微动脉瘤、出血、硬性渗出物等等),并判断其严重程度。当然,掌握准确解读扫描图像的能力,需要经过相当专业的培训。然而,在世界上很多地方,具备这一能力的医生的数量并不能满足当地糖尿病患者的筛查需求。

谷歌1

以帮助医生们在医疗资源有限的情况下检查更多的病人为目标,Google与印度和美国的医生们密切合作,创建了一个包含12.8万张眼底扫描图像的数据集,里面的每张照片都经过了由54名眼科医生组成的小组中的3-7位医生的专业评估。基于这个数据集,Google训练出了一个检测糖尿病视网膜病变的深度神经网络。

算法训练完成的下一步就是测试它的性能。为此,Google安排它在由1.2万张眼底扫描图像组成的两个独立临床验证集上,与由上述54位医生中一致性较高的8位组成的新小组进行“竞赛”。以7到8位经美国专业委员会认证的视网膜专家中多数人的诊断结果作为参考标准,这一算法的F-score达到了0.95,好于医生小组的0.91。所谓F-score,它的最大值是1,其衡量综合了敏感性与特异性两大指标,敏感性,指的是降低漏诊的能力,特异性,则意味着避免误诊的能力。

在发表算法之后,Google的研究人员们并没有止步,而是继续提高它的性能和可解释性。在这一过程中,检测的分级尺度更加细化,由最初的2级变为后来的5级;临床验证的参考标准也从视网膜专家中的多数意见更改为他们经讨论之后达成的一致意见,这一新标准既提高了精准度,也有助于发现那些最细微的病变,如微动脉瘤。

要想让这一算法成为真正有效的诊断工具,还需要确保它在临床环境中的适应性、透明度和可信度。换句话说,需要以适当的方式向医生们展示算法给出的诊断结果,帮助提高他们进行糖尿病眼病诊断时的准确性和信心。

为了实现这一点,Google采用的解决方案是,向眼科医生们展示算法对糖尿病视网膜病变的不同等级的预测分数(Model Score),同时突出显示算法做出预测所依据的最主要区域的热图。如下图所示,在没有算法辅助时,3名眼科医生中有2名没有从眼部扫描图像中发现糖尿病视网膜病变的迹象,而在算法的帮助下,它们都给出了准确的结果。可以说,算法确实能够促使医生们更仔细地检查病理,留意到那些容易被忽略的细节。

谷歌2

目前,这一研究已经进入了临床应用的阶段。2019年,Google和同属Alphabet的生命科学和医疗公司Verily合作,在印度马杜赖市(Madurai)的Aravind眼科医院首次实际应用了这一算法。首先,由经过训练的工作人员拍摄患者的眼部图像,然后通过软件将它上传到检测算法中,算法会自动检测其中的糖尿病视网膜病变和糖尿病性黄斑水肿(Diabetic Macular Edem)症状,返回筛查结果。

此外,Google也在泰国巴吞他尼府和清迈府的诊所里进行了实地研究,研究这一算法如何更好地用于糖尿病护理中的眼部筛查。例如,针对护士们拍摄的眼部扫描图像中常常存在模糊或暗区,算法会把它们标记为“无法分级”这一问题,Google改进了它的实际应用流程,让专家们在查看患者病历的同时,帮忙检查这些图像,而不是将它们一律转诊给眼科医生。这一做法减少了不必要的误诊,也节约了医生和患者的时间。

据美国媒体报道,谷62616964757a686964616fe59b9ee7ad9431333365653865歌新出炉的一项研究报告称,该公司已开发出一种新人工智能(AI)算法,可预测人的死亡时间,且准确率高达95%。据报道,这项AI技术尘蠢对医院患者面临的一系列临床问题进行了测试谈斗。在研究中,谷歌对来自两个医疗中心至少21.6万名成人患者,应用了这一AI技术,测试时间至少为24个小时。研究人员从电子健康记录中获取了大量数据。研究人员在报告中解释说:“我们有兴趣了解深度机器学习算法能否在广泛的临床问题和结果中产生有效的预测。因此,我们选择了来自不同领域的结果,包括一项重要的临床结果——死亡、一项衡量护理质量的标准——再入院、一项资源利用率——住院时间和一项检测病人病情的度量——诊断。” 这项理论性证据研究发现,该算法可准确地预测病人的死亡风险、再入院,延长住院时间和出院诊断。在所有情况下,该算法都被证明比以前公布的算法更精确。据加州大学旧金山卫生系统的数据含兄磨显示,该AI算法在预测患者死亡率方面有95%的准确率,而来自芝加哥大学医学系统的数据显示,其准确率为93%。 此外,该AI算法在早期预警评分上,也明显比传统预测模式更精确,这将有助于帮助医生确定病人的病情和治疗方案。研究显示,该算法在病情预测方面,加州大学、旧金山卫生系统的准确率为85%,而在芝加哥大学医学系统中准确率为83%。 科技改变生活。来源:海外网,很多数据挖掘或者是机器学习中的算法都能完成这个任务。 最简单的最小二乘法,复杂一点的时间序列分析的方法,简单的比如Auto regression (AR)等等本回答被网友采纳内容来自www.zgxue.com请勿采集。


  • 本文相关:
  • 谷歌人工智能新算法真的可预测病患死亡时间吗? 百度知道
  • 如何看待Google 围棋AI AlphaGo 击败欧洲围棋冠军 百度知道
  • 如何看待有人声称谷歌的围棋AI有科学欺诈表现 百度知道
  • 如何看待谷歌的AI战胜围棋选手的新闻 百度知道
  • 免责声明 - 关于我们 - 联系我们 - 广告联系 - 友情链接 - 帮助中心 - 频道导航
    Copyright © 2017 www.zgxue.com All Rights Reserved