人工智慧：機器會為你選擇下一種藥物嗎？
曾經看起來像是22世紀科幻電影的場景，今天實現了。
高速大數據處理計算機將人工智慧與人類專有技術相結合，打破複雜的醫療條件。這種深入的計算機分析可能會推出新的模式，可能會加強您的醫療保健提供者的能力，開具精確的治療方法，做出診斷，推薦臨床試驗，甚至預測疾病的風險。
Mayo Clinic個性化醫學中心（CIM）正與伊利諾伊大學香檳分校（UIUC）的協調科學實驗室（CSL）合作，釋放人工智慧在患者護理方面的潛力。由國家科學基金會（NSF）資助，Mayo UIUC聯盟和企業合作夥伴正在對大數據挑戰進行研究：如何開發與人類智能相結合的計算機系統，開啟對健康和疾病的新分析。
Mayo Clinic個性化醫學中心（CIM）正與伊利諾伊大學香檳分校（UIUC）的協調科學實驗室（CSL）合作，釋放人工智慧在患者護理方面的潛力。由國家科學基金會（NSF）資助，Mayo UIUC聯盟和企業合作夥伴正在對大數據挑戰進行研究：如何開發與人類智能相結合的計算機系統，開啟對健康和疾病的新分析。
識別抑鬱症的治療
CIM中的研究正在探索人工智慧是否能夠減少或消除處方抗抑鬱藥物的試驗和錯誤。在Mayo Clinic的精神科的臨床研究中，研究人員結合機器學習─型人工智慧─與基因組學，代謝組學和其他臨床變數。這種機器學習方法有助於衛生保健提供者選擇一種最有可能在第一次嘗試中發揮作用的療法。
「我們結合專業知識的醫生、工程師和生物學家創造一種演算法，發現了專家就可能無法識別的抗抑鬱葯反應模式，」Mayo- UIUC聯盟醫師研究員，Arjun Athreya阿爾君。阿特雷亞說。
「用深度的機器學習數據，我們能夠以75-85%精度預測是否常見的抗抑鬱藥物會對研究中的患者發生效果。相比之下，只有基於臨床、人口和社會因素的預測才能達到58%的準確率。此外，我們發現，女性和男性對這種抗抑鬱治療的反應不同。」
「這個例子顯示了機器學習和方法學的力量，」NSF資助的聯合首席研究員M.D. Liewei Wang汪列維博士說。「這種創新方法使用精神病評估，生物和分子數據以及預測模型中的遺傳特徵。這與使用傳統的社會人口統計學變數揭示模式不同，後者被認為是較弱的預測變數。它告訴我們，機器學習，人工智慧方法有望確定個性化的治療方法，以解決未滿足的患者需求。」
汪列維博士
這項研究彙集了大量的基因組數據和提供者也可以用來預測的患者健康狀況：
「通過使用這些機器學習方法，我們與其說一種藥物對於普通人群有50％的時候有效，我們可以說，基於這個人的基因和分子構成，這個藥物對於那個人來說這是最有效的。」UIUC的RavishankarIyer拉維尚卡。爾艾爾博士說，他是NSF資助的聯合首席研究員。「這些方法正在推動工程界限，同時推動醫學的界限。」
怎麼運行的
人工智慧也被稱為增強的人類智能。它掃描數據，並使用統計方法，概率系統，圖形模型，機器學習和深度學習來發現模式，做出人類頭腦可能難以達到的陳述，決定或預測。爾艾爾博士說，有一件事情是它是做不到的，就是取代人類健康護理提供者。
「我們並不是說機器會勝過臨床醫生或外科醫生。我們正在說有一個醫生帶來的知識，我們使用高層次的計算來增加知識，以個性化預測個人，「艾爾博士說。
更快的診斷和治療
Mayo Clinic正在研究人工智慧可以改善病人護理的許多領域。一個例子是放射學。機器學習可以通過自動處理成像檢查期間生成的數千個圖像來識別最重要或關鍵的圖像，從而提高放射科醫師的診斷準確性。在這樣做的過程中，通過識別最相關的圖像來節省時間和精力並確認患者癥狀的原因。另一個例子是將機器學習應用於電子病歷。人工智慧分析可以幫助提供者發現識別疾病亞型的模式，預測對某些治療的抗性或給出預後。
研究中的其他一些人工智慧應用包括：
國家科學基金會資助
CIM和伊利諾伊大學（基因組生物學和協調科學實驗室）正在通過計算生物技術和基因組醫學中心（CCBGM）的工作，領導國家科學基金會的資助，以促進機器學習。五年的研究經費幫助衛生保健，學術界和商業領域的領導者建立能夠在患者護理點解釋大量基因組數據的先進技術。
汪博士說：「我們的目標是生產儘可能多的高性能計算模型-計算機軟體或硬體-將推動人工智慧和機器學習，並將其推向市場。
汪博士說，目前正在取得進展，她可以預見人工智慧將會在臨床護理中得到更廣泛的應用。
汪博士說：「我不能確切地說這會發生什麼時候，但可能會比我們想像的早得多。」
TAG:MayoClinic |