635      机器人

人工智能助力疾病筛查和预测，肿瘤、阿尔茨海默或将成攻克重点

现代医学，是从人们的各种生化、影像的检查结果中，去诊断是否患病。如果要实现疾病的未来发展预测，往往力不从心。

医学科技的进步，已经能够实现部分疾病的可能性预测了。安吉丽娜·朱莉接受预防性的双侧乳腺切除手术，以降低罹癌风险。

而之所以进行这项手术，是因为她有基因缺陷，罹患乳癌和卵巢癌风险恐怕较高。这是从基因的角度进行的疾病风险预测，而人工智能也能够从我们的语言、神态、反应、影像等数据进行疾病的预测。

图：人工智能进行疾病的诊断和预测所需要的数据类型

人工智能能够参与疾病的筛查和预测，需要从行为、影像、生化等检查结果中进行判断，依靠最多的检查数据是MRI、CT、X光等影像数据。

人工智能+影像领域也是参与企业最多，产品最丰富、涉及疾病种类最多的疾病诊断领域。

人工智能在进行疾病的筛查和预测过程中，除了通过生化、影像检查结果中去发现疾病的端倪，人们的语言、文字也会成为精神健康和身体健康状况的可测指标。

语言和文字形成的规律会被认知系统进行分析，这种分析得出的数据能够帮助医生和患者更有效地预测并追踪早期的发展障碍、精神疾病和退化性神经疾病等。

目前，人工智能参与的疾病筛查和预测上，绝大部分是人类尚无法攻克的严重疾病，一组数据说明了这一点。人工智能相关的医学论文中，肿瘤以892篇遥遥领先，阿兹海默排名第二。

图：人工智能主要研究的人类疾病种类

今天，我们的医学是在人类患病后，进行诊断和治疗，但为时已晚。未来，在科技的帮助下，医学正从治疗疾病向预防疾病转变。在疾病发展和变化之前，就能够想办法阻止疾病的出现。

阿尔茨海默病预测：

来自英国的Avalon AI公司通过脑部核磁共振（MRI）图像，预测在未来患老年痴呆症的几率。他们利用深度学习技术开发计算机医学影像诊断工具，目前对老年痴呆的有效预测准确率已经达到了75%。

图：Avalon AI利用深度学习开发的阿兹海默症诊断工具

目前医学界诊断痴呆症病情程度的生物指标主要有两个：一是海马体（相当于大脑记忆芯片）的大小；二是脑室的大小，因为脑室体积会随着脑组织退化而增大。

Avalon AI公司的研究员通过细致地研究大脑灰质和白质的变化、脑嵴液的情况，观察大脑从轻微认知损害发展成老年痴呆的过程中，这些物质会有什么相应的改变。

要进行这些研究，首先需要制作一个大脑3D磁共振图像，把它与其他样本进行对比，然后用卷积神经网络(CNNs)的技术来对这个图像里的大脑做特征分析。

卷积神经网络的原理和人的皮肤类似——网络的每一层都提取这个大脑扫描图中一些简单的特征，然后层层叠加，重新组合成复杂的特征集合。

这种神经网络的分析方法不仅需要横向分析同等失智程度大脑的相似特征，还需要纵向比较不同失智程度大脑的相异特征。通过层层分析对比，就能够判断大脑是否损伤，或者失智程度有多严重。

脑疝预测：

大面积脑梗死是一种常见并且非常严重的神经内科疾病，其发病人数约占所有脑梗患者10%左右，但是死亡率极高，大约为80%。

大量研究表明患者在症状发生恶化之前积极的干预效果比后期干预更好，因此早期对患者预后进行有效判断从而选择有效的治疗方案是关系到脑梗患者治疗成败的关键。

《中国卫计统计》2014年刊登了一篇名为《利用人工智能系统预测大面积脑梗死患者的转归》的论文，利用人工神经网络多层感知机建立多因素预测模型，对大面积脑梗患者的预后进行预测，在单因素模型中，预测效果最好AUROC（受试者工作特征曲线下面积）为0.87，最终得到结论，人工智能随机森林模型可用作医学辅助诊断系统来预测脑疝在大面积脑梗患者的发生。

— The end —

（节选自动脉网《2017医疗大数据和人工智能产业报告》）

最后更新：2017-10-12 17:41:26

  上一篇： 人工智能企业大胜利！美国松口明年可让无司机无人驾驶汽车上路

  下一篇： 大象医生携手IBM Watson，人工智能为互联网医院提供保障