导  读
     研究人员建立了一个基于计算机深度学习的用以诊断致盲性视网膜疾病的诊断工具。该诊断工具可用以诊断黄斑变性和糖尿病性黄斑水肿。同时科研人员进一步证明了AI系统在使用胸部X射线图像诊断小儿肺炎方面的普遍适用性。这种工具可能最终有助于加快这些可治疗病症的诊断和转诊，从而促进早期治疗，从而改善临床结果。

    利用人工智能和机器学习技术，加利福尼亚大学圣地亚哥分校健康与圣地亚哥医学院Shiley眼科研究所的研究人员与中国，德国和德克萨斯州的同事们开发了一种新的计算工具，用于筛查常见致盲性视网膜疾病，这可能会加速诊断和治疗的过程。这些发现发表在2月22日的Cell杂志上。
             


      “人工智能（AI）具有巨大的潜力，可以通过对人类专家难以分析的大量数据进行分析和分类，从而彻底改变疾病的诊断和管理。”资深作者兼Shiley眼科研究所的眼科和UC圣地亚哥医学院基因组医学研究所的创始主任Kang Zhang博士说道。
                   
                                     人工智能分析过程

      目前的计算方法费力且昂贵，并且需要使用数百万的图像来训练AI系统。 在新论文中，Zhang和他的同事使用基于人工智能的卷积神经网络来检查超过20万次使用光学相干断层扫描进行的眼部扫描——这是一种无创技术，可以将视网膜上的光线反射回来，以创建组织的二维和三维表示。

      研究人员然后采用了一种称为转移学习的技术，其中解决一个问题所获得的知识被计算机存储并应用于不同但相关的问题。这使AI系统能够比传统方法有效地学习更小的数据集。

                              
                                        AI分析分析评估图

     研究人员接下来添加了遮挡测试，在该测试中，计算机识别每幅图像中最感兴趣的区域以及其结论的基础。该研究集中在两个不可逆失明的常见原因：黄斑变性和糖尿病性黄斑水肿。 但是，如果提前发现这两种情况都是可以治疗的。 机器派生的诊断结果与五位检查相同扫描的眼科医生的诊断结果进行了比较。 除了进行医学诊断之外，AI平台还产生了以前研究中没有做过的推荐和治疗建议。

     根据Zhang的说法，这样的速度和准确性代表了医疗诊断和治疗方面向前迈出的一大步，并指出由于患者从普通医生转诊为专科医生，耗费时间和资源并延误有效治疗，目前的医疗保健常常很漫长。Zhang还指出，一个简化和相对廉价的基于人工智能的工具将是世界上医疗资源，特别是专科医生稀缺的地方和部分地区的福音。

     科学家们并没有把他们的研究限制在眼科疾病上。他们还测试了他们的AI工具，根据对胸部X射线的机器分析，诊断儿童肺炎，这是全球5岁以下儿童死亡的主要原因。他们发现电脑能够区分病毒性和细菌性肺炎，准确率达到90％以上。病毒性肺炎主要通过症状性护理来治疗，因为身体自然会摆脱病毒。细菌性肺炎往往是一个更严重的健康威胁，需要立即用抗生素治疗。

     研究结果表明，AI技术有很多潜在的应用，包括可能辨别扫描中检测到的良性和恶性病变。科学家已经公开发表了他们的数据和工具，以便其他人可以进一步改进，完善和发展其潜力。

     “未来是更多的数据，更多的计算能力和更多的人使用这个系统的经验，以便我们可以提供最好的病人护理，同时仍然具有成本效益，”Zhang说。

     参考文献：
     Daniel S. Kermany, Michael Goldbaum,Wenjia Cai, M. Anthony Lewis,Huimin Xia, Kang Zhang. Identifying Medical Diagnoses and Treatable Diseases by Image-Based Deep Learning.
       

（文章来源网络）
     想要了解更多请关注：http://www.chinazglab.com/