人工智能診斷視網膜疾病和肺炎

來自加利福尼亞大學（圣地亞哥）和Shelian研究所以及中國，德國和美國德克薩斯大學的同事開發了一種新的計算機工具，可以使用人工智能和機器學習技術檢測危險的視網膜疾病。結果，可以使眼病的診斷和治療更快，而眼病是常見的但嚴重失明。

該團隊還使用該技術對兒童肺炎進行了快速篩查。這項研究發表在《生命科學》雜志《細胞》（第22版）上。

加州大學圣地亞哥分校醫學院眼科學教授，遺傳醫學研究所創始主任認為，“人工智能可以對數據進行分析和分類，并具有極大的潛力來徹底改變疾病的診斷和管理。”

將機器學習技術應用于基于AI?的神經網絡

當前的計算機方法麻煩且昂貴，并且需要數百萬個圖像來訓練AI系統。在本文中，Zhang的團隊介紹了使用基于AI的卷積神經網絡對200,000多只眼睛進行光學層析成像掃描的結果。斷層掃描是一種非侵入性技術，可以利用視網膜反射的光在二維和三維中復制視網膜組織。

該團隊應用了一種稱為轉移學習的機器學習技術來分析結果。它是一種將從解決一個問題中獲得的知識保存到計算機中并將其應用于解決其他相關問題的技術。例如，經過優化以識別與眼睛相關的獨特解剖結構（如視網膜和角膜或視神經）的AI神經網絡可以在檢查整個眼睛圖像時更快，更有效地識別和評估每個結構。與傳統方法相比，人工智能系統可以使用該技術以更少的數據集更有效地學習。

該團隊添加了一項咬合測試，其中計算機可以識別最明顯的區域以及每個圖像中結論的依據。張說：“機器學習通常就像一個黑盒子，不知道它到底發生了什么。遮擋測試告訴計算機它需要在哪里診斷圖像以及為什么？ “這使系統更加透明，診斷更加可靠。”

30秒內診斷出95％準確度的黃斑疾病

該研究集中于不可逆性失明的兩種常見原因：黃斑變性和糖尿病性黃斑水腫。如果及早發現，兩者都可以治愈。研究小組將這臺機器的診斷結果與五名檢查同一掃描的眼科醫生進行了比較。AI平臺還提供了專家治療建議和以前研究中未執行的建議。

研究小組表示，一臺簡單的受過訓練的機器像熟練的眼科醫生一樣工作，并在30秒內以95％的準確度決定是否應治療患者。

張教授預測，人工智能機器的這種速度和準確性將在醫學診斷和治療方面取得重要進展。他們經常浪費時間和資源，延誤有效治療。他說，簡單且相對便宜的基于AI的診斷工具可能會有用，特別是在該國許多專家和醫療資源稀缺的地區。

小兒肺炎的機會為90％

該團隊將對胸部X射線的機械分析與人工智能相結合，以測試兒童肺炎的診斷工具。小兒肺炎是全球五歲以下兒童死亡的主要原因之一。診斷工具可區分病毒和細菌性肺炎，準確率超過90％。

病毒性肺炎主要用于緩解癥狀，因為人體會自然清除病毒。另一方面，細菌性肺炎可能對健康構成更嚴重的威脅，需要立即進行抗生素治療。

張說，這項研究表明AI技術具有許多潛在的應用，包括通過掃描檢測到的良性和惡性病變之間的區別。該團隊揭示了數據和工具的來源，以幫助其他研究人員進一步完善，完善和開發其潛力。

“將來，我們將能夠為使用該系統的人們提供更多的經驗，資源和改進的計算機功能，從而為患者提供最佳，xxx成本效益的治療。”