380_65px;
1600_265px;

医院科研

当前位置:首页 > 医院动态 > 医院科研

医学AI有新突破,顶级期刊连放大招

编辑:互联网 更新于:2017-3-3 阅读:

  很久以前,人工智能(ArtificialIntelligence,AI)给人的感觉还像是科幻片里的故事,直到去年3月,Google旗下的DeepMind研发的围棋AI,AlphaGo,战胜了围棋老将李世石,一夜之间AI的名声火遍大街小巷,人们不管懂不懂AI、懂不懂围棋,都对这个话题进行了各种掺和。后来,正在围棋界还对它不能释怀之际,它跑去玩起了电竞,再后来,它又说要进军医学了。

    此时,我们才真正关心起它来。不看不知道,原来,AI想学医已经想了30多年了!大概之前还没有太好的成绩,至少没有“威胁”到医生的存在,所以在我们普通医生眼里都只是小透明吧。然而这段时间大AI们的各种活动又频繁起来,除了AlphaGo的升级版Master又去围棋圈搅个血雨腥风,医学界也频频出现它们的身影。去年底到今年初短短三个月内,就连续有好几篇新的研究发表在医学顶级刊物上;尤其是Nature今年1月刚刚增设的子刊NatureBiomedicalEngineering,一上来就连放三篇人工智能研究,相当惊艳。

    JAMA:糖尿病视网膜病变的高灵敏、高特异诊断

    AI的“深度学习”技术,包含一系列的算法,使程序能够自己通过对一个庞大的样本数据集进行学习、优化自身,来实现某种行为。这份JAMA上的研究采用的算法是深度卷积神经网络(convolutionalneuralnetwork,CNN),用来进行图像识别与分类。

    研究者用128,175张视网膜照片作为训练数据库,让AI学会自动检测糖尿病视网膜病变和视网膜黄斑水肿。这将近13万张图片是由54名美国证认的眼科专家和高级眼科住院医师进行分类与分级。

    经过8个月学习期,研究者让AI分别在2个新的数据库中验证它的两个操作点,一个操作点做高特异性选择,另一个做度灵敏度选择。新的数据库分别为EyePACS-1和Messidor-2,来自两个眼科临床机构,包含9963和4997张视网膜照片,并由至少7位眼科专家进行分类与评级。对数据集EyePACS-1,AI的高特异性操作点识别的灵敏度达到90.3%,特异性达到98.1%;对Messidor-2,AI识别的灵敏度有87.0%,特异性有98.5%。用AI的第2个操作点即高灵敏度操作点识别,对EyePACS-1的灵敏度有97.5%,特异性有93.4%;对Messidor-2的灵敏度有96.1%,特异性有93.9%。

12345

上篇:

下篇: