人工智慧助力疾病篩查和預測，腫瘤、阿爾茨海默或將成攻克重點

現代醫學，是從人們的各種生化、影像的檢查結果中，去診斷是否患病。如果要實現疾病的未來發展預測，往往力不從心。

醫學科技的進步，已經能夠實現部分疾病的可能性預測了。安吉麗娜·朱莉接受預防性的雙側乳腺切除手術，以降低罹癌風險。

而之所以進行這項手術，是因為她有基因缺陷，罹患乳癌和卵巢癌風險恐怕較高。這是從基因的角度進行的疾病風險預測，而人工智慧也能夠從我們的語言、神態、反應、影像等數據進行疾病的預測。

圖：人工智慧進行疾病的診斷和預測所需要的數據類型

人工智慧能夠參與疾病的篩查和預測，需要從行為、影像、生化等檢查結果中進行判斷，依靠最多的檢查數據是MRI、CT、X光等影像數據。

人工智慧+影像領域也是參與企業最多，產品最豐富、涉及疾病種類最多的疾病診斷領域。

人工智慧在進行疾病的篩查和預測過程中，除了通過生化、影像檢查結果中去發現疾病的端倪，人們的語言、文字也會成為精神健康和身體健康狀況的可測指標。

語言和文字形成的規律會被認知系統進行分析，這種分析得出的數據能夠幫助醫生和患者更有效地預測並追蹤早期的發展障礙、精神疾病和退化性神經疾病等。

目前，人工智慧參與的疾病篩查和預測上，絕大部分是人類尚無法攻克的嚴重疾病，一組數據說明了這一點。人工智慧相關的醫學論文中，腫瘤以892篇遙遙領先，阿茲海默排名第二。

圖：人工智慧主要研究的人類疾病種類

今天，我們的醫學是在人類患病後，進行診斷和治療，但為時已晚。未來，在科技的幫助下，醫學正從治療疾病向預防疾病轉變。在疾病發展和變化之前，就能夠想辦法阻止疾病的出現。

阿爾茨海默病預測：

來自英國的Avalon AI公司通過腦部核磁共振（MRI）圖像，預測在未來患老年痴呆症的幾率。他們利用深度學習技術開發計算機醫學影像診斷工具，目前對老年痴呆的有效預測準確率已經達到了75%。

圖：Avalon AI利用深度學習開發的阿茲海默症診斷工具

目前醫學界診斷痴呆症病情程度的生物指標主要有兩個：一是海馬體（相當於大腦記憶晶元）的大小；二是腦室的大小，因為腦室體積會隨著腦組織退化而增大。

Avalon AI公司的研究員通過細緻地研究大腦灰質和白質的變化、腦脊液的情況，觀察大腦從輕微認知損害發展成老年痴呆的過程中，這些物質會有什麼相應的改變。

要進行這些研究，首先需要製作一個大腦3D磁共振圖像，把它與其他樣本進行對比，然後用卷積神經網路(CNNs)的技術來對這個圖像里的大腦做特徵分析。

卷積神經網路的原理和人的皮膚類似——網路的每一層都提取這個大腦掃描圖中一些簡單的特徵，然後層層疊加，重新組合成複雜的特徵集合。

這種神經網路的分析方法不僅需要橫向分析同等失智程度大腦的相似特徵，還需要縱向比較不同失智程度大腦的相異特徵。通過層層分析對比，就能夠判斷大腦是否損傷，或者失智程度有多嚴重。

腦疝預測：

大面積腦梗死是一種常見並且非常嚴重的神經內科疾病，其發病人數約佔所有腦梗患者10%左右，但是死亡率極高，大約為80%。

大量研究表明患者在癥狀發生惡化之前積極的干預效果比後期干預更好，因此早期對患者預後進行有效判斷從而選擇有效的治療方案是關係到腦梗患者治療成敗的關鍵。

《中國衛計統計》2014年刊登了一篇名為《利用人工智慧系統預測大面積腦梗死患者的轉歸》的論文，利用人工神經網路多層感知機建立多因素預測模型，對大面積腦梗患者的預後進行預測，在單因素模型中，預測效果最好AUROC（受試者工作特徵曲線下面積）為0.87，最終得到結論，人工智慧隨機森林模型可用作醫學輔助診斷系統來預測腦疝在大面積腦梗患者的發生。

— The end —

（節選自動脈網《2017醫療大數據和人工智慧產業報告》）

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！

本站內容充實豐富，博大精深，小編精選每日熱門資訊，隨時更新，點擊「搶先收到最新資訊」瀏覽吧！

請您繼續閱讀更多來自 腫瘤 的精彩文章: