《Nature》发布重磅综述：AI在健康和医学中的应用

2022年1月20日，Nature Medicine发布了题为《AI in health and medicine》的综述性文章，表明人工智能(AI)正在重塑医学，改善临床医生和患者的经验。

1

医学中AI算法的进展

尽管AI系统在各种各样的回顾性医学研究中被反复证明是成功的，但相对较少的AI工具被转化为医疗实践。研究人员指出，AI系统在实践中的帮助可能低于回顾性数据；系统可能过于缓慢或复杂，无法在实际医疗环境中发挥作用，或者人类和AI相互作用的方式可能会导致不可预见的并发症。随机对照试验(RCT)和前瞻性研究可以弥合理论和实践之间的这一差距，更严格地证明AI模型在实际医疗环境中产生的积极影响。除了准确性，还使用了各种其他指标来评估AI的效用，例如评价AI系统管理胰岛素剂量的RCT测量了患者在目标血糖范围内花费的时间；评价术中低血压监测系统的研究跟踪了低血压发作的平均持续时间。

近年来，一些AI工具已经开始在临床中实践，2020年的一项研究发现，美国食品药品监督管理局(FDA)正在加速批准AI，尤其是机器学习产品。

2

用于医学图像解读的深度学习

近年来，神经网络直接从原始数据中学习模式的深度学习在图像分类中取得了显著的成功。因此，医学AI研究依赖于图像专业的蓬勃发展，如放射学、病理学、胃肠病学和眼科。

AI系统在放射学任务的准确性方面取得了重要进展，包括乳腺x射线、心脏功能评估和肺癌筛查。例如，对一个AI系统进行了训练，根据放射科医生的计算机断层扫描(CT)读片和其他临床信息估计3年肺癌风险。然后，这些预测可用于为癌症患者安排随访CT扫描，增加了当前的筛查指南。

在病理学领域，AI在诊断癌症和提供新疾病见解方面取得了重大进展。模型能够有效地识别载玻片中感兴趣的区域，可能加速诊断工作流程。除了这种实际影响，深度神经网络已经被训练辨别原发肿瘤起源和检测结构变异或驱动突变，提供了超出专家病理学家的临床获益。此外，与传统分级和组织病理学亚型相比，AI已被证明对广泛的癌症类型做出更准确的生存预测。

深度学习在胃肠病学方面也取得了进展，尤其是在改善结肠镜检查方面，结肠镜检查是用于检测结直肠癌的关键程序。深度学习已被用于自动预测结肠病变是否为恶性，性能与熟练的内镜医师相当。

深度学习模型已广泛应用于眼科领域，例如，一项研究使用观察和访谈检查了用于眼病筛查的AI系统如何影响患者体验和医疗工作流程。其他研究发现AI可以帮助进行AI筛查，例如检测糖尿病视网膜病变。

3

AI算法的开发机会有哪些？

医学AI研究通常遵循一种模式，即解决图像分类问题，使用对标记数据的监督学习来训练AI系统，然后通过与人类专家进行比较来评估该系统。尽管这样的研究取得了一些进展，但有三个方面可以为AI更好的利用提供机会：

1. 首先解决文本、化学和基因组序列等非图像数据源，可以提供丰富的医学见解；
2. 其次通过无监督或半监督学习等范例从未标记或其他不完善的数据中获得见解；
3. 最后与人类合作而不是与之竞争的AI系统，这是实现比单独使用AI或人类更好的性能的道路。
   
   

4

当前存在的挑战

1. 数据限制；
2. 建立模型信任；
3. 监管挑战；
4. 数据应用的合规；

5

研究结论

医学人工智能领域已经取得了长足的进步，特别是通过随机对照试验等前瞻性研究和医学图像分析，但医学人工智能仍处于验证和实施的早期阶段。迄今为止，有限的研究使用外部验证、前瞻性评估和各种指标来探索 AI 在实际临床环境中的全面影响，并且评估的用例范围相对狭窄。尽管该领域具有潜力，但医学人工智能仍然存在重大的技术和伦理问题。随着这些关键问题得到系统解决，人工智能显着改善医学未来的潜力可能会得以实现。

参考文献：Rajpurkar, P., Chen, E., Banerjee, O. et al. AI in health and medicine. Nat Med 28, 31–38 (2022). https://doi.org/10.1038/s41591-021-01614-0 

版权信息

本文系AIDD Pro接受的外部投稿，文中所述观点仅代表作者本人观点，不代表AIDD Pro平台，如您发现发布内容有任何版权侵扰或者其他信息错误解读，请及时联系AIDD Pro (请添加微信号plgrace)进行删改处理。

原创内容未经授权，禁止转载至其他平台。有问题可发邮件至[email protected]

重大发现！二卤代和三卤代乙酰胺可以增强SARS-CoV-2蛋白酶抑制剂特异性

新发现！机器学习模型在药物发现预测中潜力巨大

觉得好看，请点这里↓↓↓