人工智能预测患者用氧需求 医学与AI水乳交融
- 2021/9/22 11:59:38 23513
- 来源：仪表网
【仪表网 仪表下游】导读：据英国剑桥大学网站15日报道，该校科学家与来自世界各地的20家医院及医药公司一起，利用人工智能技术(AI)和机器学习技术，在全球范围内预测患者的氧气需求，准确率高达95%。这一新方法为科学家和医务人员应对未来的疫情以及其他健康挑战提供了新思路。最新研究发表于《自然·医学》杂志上。
研究人员解释称，这项名为EXAM的研究是迄今为止规模大、种类最多的临床联合学习研究之一，旨在利用来自四大洲的数据，建立一种人工智能工具，预测患者在住院治疗头几天可能需要多少氧气。
在研究中，称为联合学习的技术使用一种算法来分析住院患者的胸部x光片和电子健康数据。为保护患者隐私，患者数据完全匿名，研究人员向每家医院发送算法，因此不会共享或留下任何数据。一旦算法从数据中“学习”到新信息，分析就被结合起来，以建立一个人工智能工具，该工具可以预测世界各地医院患者的氧气需求。
为核查这一工具的准确性，研究人员在五大洲的多家医院开展了测试，分析了来自世界各地约10000名患者的结果，其中包括2020年3月至4月期间住院的250名患者的数据。结果表明，这一工具可在患者到达急诊室后24小时内预测所需的氧气，准确率为95%，而且，它只用了两周的人工智能“学习”时间就实现了高质量的预测。联合学习使研究人员能够协作，并为我们利用AI在全球范围内所能做的事情制定一个新标准。
人工智能在医学中另一种应用是使用机器人作为帮手;例如，日本的Carebots机器人为认知能力下降或行动能力有限的老年人提供陪护。机器人在外科手术中被用作助理外科医生，甚至独立主刀。此外，机器人还能与自闭症儿童交流并提供教育。
基因和生物医学研究继续进行调查，目的是揭示基因与人类特征或疾病之间的联系。许多研究依赖于大规模的敏感基因型或表型数据，跨机构的共享对于此类研究的成功至关重要。例如，在最近一项样本量有限的病例对照研究中，研究人员开发了一种整合个人全基因组测序和电子病历数据的算法，并将该算法用于腹主动脉瘤的研究。他们根据个人基因组基线评估了修改个人生活方式的有效性，证明了该模型作为个人健康管理模型的实用性。这些研究有可能揭示其他复杂疾病的生物学结构。
数据科学所带来的伦理挑战也是一个争论的领域。这些挑战可以在概念空间内映射，并由3个研究分支来描述:数据和隐私伦理和道德以及实践伦理和价值观。其中，隐私一直是关注的中心。人工智能并不是专门为医疗保健开发的工具。虽然人工智能已经准备好解决医学实践中的“痛点“，但技术进步需要收集和共享大量数据，从而产生对隐私的担忧，即数据的所有权和信息的保密性可能导致对患者的识别。机器学习在精准医学的发展中起着关键的作用，根据患者的临床或遗传风险因素进行治疗。这些进步需要收集和共享大量数据，从而产生对隐私的关注。在这种情况下，需要建立一个隐私保护框架，并应适用于研究参与者和机构的隐私和保密性属于关注点。
人工智能不同于传统的计算机算法，它能够根据积累的经验进行自我训练。这种独特的功能使人工智能能够在相同的情况下，根据先前执行的操作，采取不同的行动。这种积累经验并从中吸取教训的能力，以及独立行动和做出个人决定的能力，为损害创造了先决条件。这意味着人工智能在其行为中可能因某种原因造成损害。但现行法律都不承认人工智能是一个法律主体，这意味着人工智能对其造成的损害不承担个人责任。那么谁对人工智能的行为造成的损害负责呢?因此，人工智能的发展及其不断增长的实际应用，需要法律法规框架的变化。
虽然人工智能可以在许多方面帮助医生，但在可预见的未来它不太可能取代医生。在图像识别方面，人工智能可能很快会比医生更有效，因为医生无法在任何合理的时间段内处理数百万图像。尽管如此，由于人工智能的局限性，它还不能取代床边的医生。首先，人工智能不能与患者进行高层对话或互动，以获得他们的信任、安抚他们或表达同理心，这是医患关系的所有重要组成部分。其次，人工智能传感器可以收集有价值的信息(如体积状态或炎性细胞因子)，以帮助诊断，但仍然需要医生进行传统的身体检查，特别是在需要高水平互动和批判性思维的神经学领域。第三，尽管人工智能可能达到可以进行实时CT扫描或其他物理扫描以检测疾病的程度，但仍需要医生在不明确的情况下进行解释，以整合病史、进行物理检查并促进进一步讨论。
资料来源：科技日报、个人图书馆
全部评论