人工智能如何助力人类疾病研究?

2020
02/28

+
分享
评论
MedSci梅斯
A-
A+
10种研究成果,共同解读科学家们如何利用人工智能来助力人类疾病研究。

本文整理了多篇重要研究成果,共同解读科学家们如何利用人工智能来助力人类疾病研究,分享给大家!

【1】Nature:诊断乳腺癌 人工智能完胜人类专家!

doi:10.1038/s41586-019-1799-6

近日,一项刊登在国际杂志Nature上的研究报告中,来自谷歌健康公司的科学家们通过研究开发出了一种新型的计算机程序,其能通过常规扫描,以比人类专家更高的准确率对乳腺癌进行诊断和检测。乳腺癌是女性群体中最常见的一种癌症类型,仅去年一年就有超过200万的新确诊病例,在没有明显症状的患者群体中,进行定期筛查对于发现疾病的早期症状至关重要;在英国,50岁以上的女性会被建议每三年进行一次乳腺X光检查,同时检查结果由两位独立的专家进行分析。

但对扫描结果的解读往往留有出错的余地,而且在所有乳腺X光检查中,有一小部分结果会被出现假阳性(将健康人群误诊为患有癌症)或假阴性(将疾病阳性误诊为阴性)。这项研究中,研究人员通过研究,成功利用人工智能模型对英国和美国的数千名女性进行乳腺癌的扫描检测;这些图像在现实生活中已经被医生分析检查过了,但与临床环境不同的是,机器(人工智能算法)并没有依据病人的病史来进行疾病的诊断。

【2】ERMD:突破!科学家有望开发出一种新型的乳腺癌人工智能诊断工具

doi:10.1080/14737159.2019.1659727

日前,一项刊登在国际杂志Expert Review of Molecular Diagnostics上的研究报告中,来自兰卡斯特大学等机构的科学家们通过研究开发出了一种新方法,其或能识别出不同类型乳腺癌的特殊化学“指纹”,这些指纹就能被用来开发一种AI软件,从而制造出一种新型工具快速且准确地对乳腺癌进行诊断。

文章中,研究人员利用一种名为“拉曼光谱”的专门化学分析技术对活组织进行分析,识别出了多种类型乳腺癌的分子结构特性以及每一种癌症彼此之间的差异。拉曼光谱分析能提供细胞的实时信息,并用来检测细胞的行为、扩散以及在机体中何时出现等。当识别出乳腺癌细胞的化学指纹并观察到其改变的方式后,研究人员就能利用这些信息来训练复杂的机器学习算法识别四种不同的癌症亚型。

【3】Nature子刊:人工智能助力白血病的诊断

doi:10.1038/s42256-019-0101-9

每天,医学实验室或诊所等机构都要对数百万个单细胞的诊断工作。大部分重复性工作仍由受过训练的细胞学家手动完成,他们通过检查染色涂片中的细胞并将其分为大约15个不同类别。为了顺利完成上述工作,需要具备专业知识且训练有素的细胞学家。

为了提高细胞分类以及检测效率,Helmholtz Zentrum München和慕尼黑LMU大学医院的一组研究人员“训练”了一个具有近20,000个单细胞图像的深层神经元网络。在这项研究中,来自Helmholtz ZentrumMünchen的计算生物学研究所的Carsten Marr博士与Christian Matek博士以及来自LMU慕尼黑大学医院的med Karsten Spiekermann和Simone Schwarz教授对 100例患有侵袭性血液病AML的患者和100例对照志愿者的血液涂片中提取了相关的图像并且进行分析。通过比较其与人类专家的检测准确性,从而评估AI驱动的检测方法的效果。结果表明,由AI驱动的解决方案能够取得与训练有素的细胞学家一样好的成绩。

【4】J Biomed Inform:利用人工智能寻找心脏疾病的迹象

doi:10.1016/j.jbi.2019.103270

近日,一项刊登在Journal of Biomedical Informatics杂志上的研究报告中,来自国外的研究人员利用机器学习处理未标记的电子健康记录(electronic health record ,EHR)数据,揭示了心血管疾病(cardiovascular disease,CVD)的发生过程。

这项研究基于自动化的患者表型(如果眼睛的颜色是一种特征,那么蓝色眼睛就是一种表型)和丰富的纵向数据。Zhaojuan博士、weiqi博士和他的同事收集了12380例至少在CVD诊断前10年被识别的患者记录。自动扫描在该数据集中发现了1068种不同的患者表型。

【5】Genome Med:人工智能助力克罗恩氏病的治疗

doi:10.1186/s13073-019-0670-6

在最近的研究中,科学家开发了一种计算方法,可以帮助增进对克罗恩病(Crohn Disease,一种引起消化道炎症的疾病)的理解和治疗。由罗格斯(Rutgers)领导的这项研究发表在Genome Medicine杂志上。该研究利用人工智能检查了111人中克罗恩氏病的遗传特征。该方法揭示了以前未发现的与疾病相关的基因,并准确预测了其他数千人是否患有该疾病。

研究者Yana Bromberg表示我们的方法不是临床诊断工具,但是它会产生有趣的观察结果。进一步的实验工作可能揭示某些克罗恩氏病背后的分子原因,并有可能促进对该病的更好治疗。

【6】Nat Machine Intelligence: 人工智能助力生物医学成像

doi:10.1038/s42256-019-0095-3

根据最近一项研究,苏黎世联邦理工学院和苏黎世大学的科学家成功利用机器学习方法来改善光声成像。这种相对年轻的医学成像技术可用于诸如可视化血管,研究脑活动,表征皮肤病变和诊断乳腺癌等方向。然而,渲染图像的质量很大程度上取决于设备使用的传感器的数量和分布:传感器的数量越多,图像质量就越好。 对此,研究人员开发的新方法可以在不放弃最终图像质量的情况下大幅减少传感器的数量,从而可以降低设备成本,提高成像速度并改善诊断结果。

光声学在某些方面与超声成像相似。在后者中,探头将超声波发送到体内,并被组织反射。探头中的传感器检测返回的声波,随后生成人体内部的图像。在光声成像中,取而代之的是将非常短的激光脉冲发送到组织中,然后被吸收并转换成超声波。最终,超声波被检测并转换为图像。

【7】JAMA Network Open:突破!新型人工智能系统或能优于临床医生对乳腺癌进行准确诊断!

doi:10.1001/jamanetworkopen.2019.8777

近日,一项刊登在国际杂志JAMA Network Open上的研究报告中,来自加利福尼亚大学的科学家们通过研究开发了一种人工智能系统,其或能够帮助病理学家更准确地读取活组织检查结果及更好地检测并诊断乳腺癌。这种新型系统能帮助解释医学成像结果从而用于诊断乳腺癌(人眼无法有效区分),其几乎能够像一名经验丰富的病理学家一样对乳腺癌进行准确诊断。

研究者Joann Elmore表示,从一开始就得到正确的诊断结果是非常重要的,这样才能够帮助我们对患者进行最有效地诊断和治疗;2015年研究人员发现,病理学家对乳腺癌活组织检查结果的解释存在很多不一致的想法,而且每年有数百万女性都会接受乳腺活组织检查手术;早期研究结果表明,每6名原位导管癌(一种非侵入性的乳腺癌)的女性中就有1名会出现错误诊断,而且大约一半的乳腺异型性活组织检查病例(与高风险乳腺癌相关的异常细胞)都会被给出错误的诊断。

【8】Nature:利用人工智能预测急性肾损伤

doi:10.1038/s41586-019-1390-1

在一项新的研究中,美国和英国的研究人员将人工智能(AI)应用于解决检测住院患者急性肾损伤(acute kidney injury, AKI)的问题。相关研究结果近期发表在Nature期刊上,论文标题为“A clinically applicable approach to continuous prediction of future acute kidney injury”。在这篇论文中,他们描述了他们的深度学习系统及其表现如何。

急性肾损伤(AKI)可导致肾脏恶化。在严重的情况下,它可能导致移植需求或死亡。急性肾损伤通常发生正在医院中接受治疗的患者身上,并且通常是身体快速下滑的迹象,需要医院工作人员采取紧急措施以阻止进一步的不可逆肾损伤。在这项新的研究中,这些研究人员想知道是否有可能使用人工智比在医院中通常发生的时间更早地检测急性肾损伤的症状,从而为患者提供更好的结果。

【9】Nat Med:利用人工智能准确地诊断肺癌,准确率高达94%

doi:10.1038/s41591-019-0447-x

在一项新的研究中,软件工程师和临床研究人员之间的合作产生了一个人工智能程序,该程序使用图像来预测哪些人将患上肺癌,准确率为94%。这个研究团队发现这个算法与放射科医师基于同一个人的多次计算机断层扫描(CT)来筛查癌症一样准确,并且当它仅能从一个人那里获得一次扫描时,它的表现优于医生,相关研究结果发表在Nature Medicine期刊上。

美国国家卫生研究院(NIH)之前针对吸烟者进行肺癌筛查的一项研究已发现,通过CT扫描检测这种疾病的早期症状可将死亡率降低大约20%,但是活组织检查等程序导致一些CT扫描出现假阳性的人死亡(NEJM, 2011, doi:10.1056/NEJMoa1102873)。为了了解人工智能(AI)是否可以增强放射科医师在分析CT扫描时的准确性,该研究团队将早期NIH研究中的数千次CT扫描输入到谷歌的计算机中,同时输入的还有患者的后期诊断结果。

在经过培训之后,该研究团队测试了这种算法基于新的CT扫描检测癌症的准确性,并将它与六位放射科医师进行了比较。随着时间的推移,当对一个人进行多次扫描时,这种算法的表现与放射科医师一样好,但是当仅有一张扫描图像可用时,相比于临床医师,它产生的假阴性减少了5%,假阳性减少了11%。

【10】Nat Commun:人工智能促进阿尔兹海默症的研究

doi:10.1038/s41467-019-10212-1

近日,来自加州大学戴维斯分校和加州大学旧金山分校的研究人员已经找到了一种方法来训练计算机精确检测人类大脑组织中阿尔茨海默病的生物标志物。淀粉样斑块是阿尔茨海默病患者大脑中蛋白质碎片的团块,可破坏神经细胞的连接。加州大学科学家团队开发的机器学习工具可以“看到”脑组织样本是否有一种类型的淀粉样蛋白斑块,并且很快就能完成。

相关研究结果发表在Nature Communications上,表明机器学习可以增强专家神经病理学家的专业知识和分析。该工具允许他们分析数千倍的数据,并提出即使是训练有素的人类专家的有限数据处理能力也无法实现的新问题。

本文转载自其他网站,不代表健康界观点和立场。如有内容和图片的著作权异议,请及时联系我们(邮箱:guikequan@hmkx.cn

人点赞

收藏

人收藏

打赏

打赏

我有话说

0条评论

0/500

评论字数超出限制

表情
评论

为你推荐

您的申请提交成功

确定 取消
×

打赏作者

认可我就打赏我~

1元 5元 10元 20元 50元 其它

打赏

打赏作者

认可我就打赏我~

×
打赏

扫描二维码

立即打赏给Ta吧!

温馨提示:仅支持微信支付!