<address id="nzfpj"></address>
<noframes id="nzfpj">

    <form id="nzfpj"><th id="nzfpj"><progress id="nzfpj"></progress></th></form><noframes id="nzfpj"><address id="nzfpj"></address>
      北京物流信息聯盟

      高準確性AI影像診斷系統登上Cell封面!研究團隊來自廣州這家醫院~

      廣州醫科大學 2021-09-24 12:07:33

      近日,世界頂級期刊《細胞》(Cell)

      以封面文章的形式

      刊登了來自中國的這項AI研究!


      Cell雜志封面


      來自廣州醫科大學附屬婦女兒童醫療中心/廣州市婦女兒童醫療中心的人工智能科研團隊在Cell發表了一篇人工智能(AI)在醫療領域應用的重磅研究成果:Identifying Medical Diagnoses and Treatable Diseases by Image-Based Deep Learning (基于深度學習開發出一個能診斷眼病和肺炎兩大類疾病的AI系統)。


      此項跨病種、跨影像學數據類型并具有一定可解釋性的新一代人工智能平臺是人工智能圖像技術在醫學影像領域的首個應用成果,既能基于“光學相干斷層成像(OCT)”數據實現黃斑變性和糖尿病視網膜黃斑水腫兩種常見視網膜疾病的識別和嚴重性定量評估,也能基于患兒胸部X線片數據實現兒童肺炎病原學類型的差異性分析和快速準確判定,從而促進疾病的早期治療和精準治療,改善病人的臨床預后。


      新一代醫用人工智能平臺研究成果由廣州醫科大學附屬婦女兒童醫療中心/廣州市婦女兒童醫療中心臨床數據中心、醫學影像部、眼科、廣州市婦女兒童醫療中心與加州大學圣迭戈分校聯合研究基地和聯合博士后培養基地等科研團隊共同完成。文章通訊作者是廣州市婦女兒童醫療中心基因檢測中心、加州大學圣迭戈分校Shiley眼科研究所教授張康。


      這不僅是中國研究團隊首次在頂級生物醫學雜志發表有關醫學人工智能的研究成果;也是世界范圍內首次使用如此龐大的標注好的高質量數據進行遷移學習,并取得高度精確的診斷結果,達到匹敵甚至超越人類醫生的準確性;還是全世界首次實現用AI精確推薦治療手段。


      靠譜!

      診斷準確性媲美專業醫生

      張康教授(上排左二)

      介紹新一代醫用人工智能平臺成果


      研究團隊從黃斑變性和糖尿病視網膜黃斑水腫這兩種最常見、可導致不可逆失明的疾病切入,讓基于遷移學習算法的新一代AI平臺不停地學習OCT圖像數據。在學習了超過20萬病例的OCT圖像數據后,該平臺診斷黃斑變性、黃斑水腫的準確性達到96.6%,靈敏性達到97.8%,特異性達到97.4%,檢測準確率達到曲線下面積99.9%。與5名眼科醫生診斷結果相PK,確認平臺可以達到訓練有素的眼科醫生的水平,并在30秒內決定病人是否應該接受治療。


      張康教授表示:“黃斑變性和黃斑水腫是兩種常見的、危險性較大的眼病,如果及早發現的話,兩者都是可以治療的,但這兩種病的診療資源一般都集中在城市地區的一些醫院里的資深專家身邊。如今,人工智能平臺可以不受人員不受區域的限制,在世界任何地方讓更多的患者早發現、早診斷、早治療?!?/p>



      夠快!

      兒童肺炎病原學類型“秒級”判定

      廣州市婦女兒童醫療中心臨床數據中心主任梁會營博士帶領的科研團隊作為“一個系統解決多種疾病”新一代AI平臺的主力研發團隊,自2016年起致力于“基于醫學影像數據的兒童肺炎病原學類型智能判別系統”的研發。


      梁會營博士帶領的科研團隊招募了13名呼吸科、影像科、兒內科的專家,結合病原學檢測結果、治療方案及效果,歷時14個月對正常兒童和各類型兒童肺炎的胸部X光片進行了前瞻性細致標注,形成了兒童胸部X線片萬級高質量注釋圖數據庫。


      新一代AI平臺通過對兒童肺炎相關X線圖像數據的學習,實現了兒童肺炎病原學類型的差異性分析和秒級判定。經檢測,新一代AI平臺在區分肺炎和健康狀態時,準確性達到92.8%,靈敏性達到93.2%,特異性達到90.1%,檢測準確率曲線下面積達到96.8%;在區分細菌性肺炎和病毒性肺炎上,準確性達到90.7%,靈敏性達到88.6%,特異性達到90.9%,檢測準確率曲線下面積達到94%。


      該平臺可以基于兒童胸部X線片實現兒童肺炎病原學類型的秒級準確判定。這不僅是全世界首次實現用AI精確指導抗生素合理使用,而且該平臺可以不受醫院級別和區域的限制,實現社區醫療、家庭醫生、??漆t院的廣覆蓋,避免抗菌素濫用,降低病菌耐藥性,促進兒童重癥肺炎康復。梁會營博士介紹說:“傳統的深度學習模型一般需要上百萬的高質量同類型的標注數據才能獲得較為穩定和精確的輸出結果,但現實中給每種疾病都收集上百萬張高質量的標注圖像幾乎是不可能實現的,使得AI在醫學影像學領域的病種廣覆蓋很難實現。相對而言,基于遷移學習模型(Transfer Learning)的新一代AI平臺所需的數據量極少,本研究者只需要幾千張就可以很好地完成一次跨病種遷移?!?/span>


      打破“黑箱子”!

      新一代AI平臺還能給出判斷依據

      與使用機器學習來研究醫學圖像的前期研究成果相比,新一代AI平臺在一定程度上克服了“人工智能模型架構本身是個‘黑箱子’的局限性”。既往單純依靠深度學習技術的研究和產品,給出的報告中只有結果,而沒有列出判斷的理由與過程,這樣的結果即便精準度很高,卻并不適合醫生使用。


      AI系統用色塊遮擋住病變區域


      課題組創新性地使用了遮擋測試的思維,通過反復學習、實踐和改進,平臺可以顯示它從圖像的哪個區域得出診斷結果,在一定程度上給出了判斷理由,這也恰恰符合醫生的推導過程和診斷思維,“不僅能告訴醫生自己的判斷,還能告訴醫生自己為什么這么判斷” 。研究者們認為這種創新方法使得新一代AI平臺更有可信度。


      不斷強化!

      建設自動化分診系統

      惠及更廣泛民眾

      研究人員希望在不久的將來,這項技術將能應用到包括初級保健、社區醫療、家庭醫生、??漆t院等等,形成大范圍的自動化分診系統,為醫生提供一種輔助診斷的方法,并可用于監測和維護健康。


      目前,這一平臺正進行小規模臨床試用,張康教授說,該平臺可以準確判斷患者病情,哪些需要“緊急轉診”,哪些“常規轉診”即可,這可以幫助醫生快速判斷哪些患者屬于重癥患者,需要及時治療,以避免疾病對患者造成不可逆的傷害。


      文章的作者之一、廣州市婦女兒童醫療中心主任夏慧敏介紹,該平臺還在不斷地學習和強化,其終極目標應該是整合文本型病歷數據、全結構化實驗室檢查數據、圖像數據、光電信號等多媒介數據,模擬臨床醫生對患者病情進行系統評估,為醫務人員提供綜合的輔助決策,“如在兒童肺炎病原學類型智能判別領域,團隊正在‘新一代AI平臺’閱讀X線片的基礎上,增加了實驗室檢查和臨床癥狀的學習,從而更精確判斷出兒童肺炎的病原菌類型”。


      他認為,患者日益增長的優質醫療資源需要同專業醫療人員培養不足的矛盾,是醫療衛生事業面臨的痛點之一。研究更好的技術手段和平臺,既能在一定程度上解決醫療服務能力不足的問題,又能提高健康服務的公平性和可及性,從而提高民眾健康水平和生活質量。


      資料來源 |?附屬婦女兒童醫療中心/廣州市婦女兒童醫療中心

      責任編輯 | 梁凱濤 游芷穎


      AV一本大道香蕉大在线

      <address id="nzfpj"></address>
      <noframes id="nzfpj">

        <form id="nzfpj"><th id="nzfpj"><progress id="nzfpj"></progress></th></form><noframes id="nzfpj"><address id="nzfpj"></address>