新的人工智能模型可以從成千上萬種可能性中學(xué)習(xí) 以建議醫(yī)療診斷和測試

一段時間以來，人工智能已經(jīng)被用于診斷特定領(lǐng)域的醫(yī)療狀況。它可以基于特定學(xué)科的知識細化細節(jié)，如提示乳腺癌的腫瘤形態(tài)或提示宮頸癌的異常細胞。AI雖然多年來在特定領(lǐng)域的人體數(shù)據(jù)訓(xùn)練方面表現(xiàn)出色，但無法應(yīng)對現(xiàn)代臨床實踐中大量的診斷測試(約5000種)和疾病(約14000種)?，F(xiàn)在，南加州大學(xué)維特比工程學(xué)院的工程師開發(fā)的新算法可以像醫(yī)生一樣思考和學(xué)習(xí)，但實際上它有無限的經(jīng)驗。

這項工作來自杰拉爾德勒布的實驗室，他是南加州大學(xué)維特比工程學(xué)院生物醫(yī)學(xué)工程、藥學(xué)和神經(jīng)病學(xué)教授，也是一名訓(xùn)練有素的醫(yī)生。勒布花了幾年時間將人工智能算法應(yīng)用于觸覺，并建造了機器人來感知和識別材料和物體。他之前在這方面的研究已經(jīng)超越了現(xiàn)有技術(shù)。雖然用于觸覺的AI狀態(tài)可以識別約10個物體，準(zhǔn)確率約為80%，但當(dāng)時的研究生Loeb和Jeremy Fishel可以識別117個物體，準(zhǔn)確率為95%。當(dāng)他們將其擴展到500個對象并進行15個不同的測試時，他們的算法變得更快、更準(zhǔn)確。勒布說，那是他開始考慮將其用于醫(yī)學(xué)診斷的時候。

李布的新形式AI通過挖掘數(shù)據(jù)庫中的電子病歷提出了最佳診斷策略。這可以導(dǎo)致更快、更好和更有效的診斷和治療。研究結(jié)果發(fā)表于《生物醫(yī)學(xué)信息學(xué)雜志》。

該算法的工作原理就像醫(yī)生一樣——“在醫(yī)學(xué)檢查的每個階段都在思考下一步該做什么，”神經(jīng)修復(fù)領(lǐng)域的先驅(qū)、人工耳蝸的原始開發(fā)者之一勒布說。用于治療聽力損失?！安煌氖?，它得益于集體病歷中的所有經(jīng)驗?！?

它是如何工作的？

長期以來，傳統(tǒng)的AI使用特定的算法向醫(yī)生建議一系列觀察結(jié)果，從而做出最可能的診斷。被稱為貝葉斯推理，它使用任何當(dāng)前可用的信息來建議最有可能做出的診斷。

勒布的算法逆轉(zhuǎn)了這一過程，尋找最有可能識別正確疾病或狀況的測試，無論這些測試有多模糊。他稱之為貝葉斯探索。該算法還可以考慮與各種診斷測試相關(guān)的成本和延遲。

他說：“以前從來沒有這樣做過?！薄斑@是新的?！?

Loeb說，他的新算法有幾個優(yōu)點：首先，該算法可以通過提出幾個好的選擇來幫助醫(yī)生做出更好的診斷和測試決策，包括一些從業(yè)者可能不會考慮的選擇。接下來，隨著無數(shù)醫(yī)生將其他數(shù)據(jù)輸入電子病歷，診斷軟件將自動更新和完善。

　　免責(zé)聲明：本文由用戶上傳，與本網(wǎng)站立場無關(guān)。財經(jīng)信息僅供讀者參考，并不構(gòu)成投資建議。投資者據(jù)此操作，風(fēng)險自擔(dān)。 如有侵權(quán)請聯(lián)系刪除！