英國(guó)研發(fā)訓(xùn)練醫(yī)學(xué)人工智能系統(tǒng)方法，在疾病診斷將更準(zhǔn)確

一種訓(xùn)練醫(yī)學(xué)人工智能系統(tǒng)的新方法，在診斷疾病方面比以前的方法更準(zhǔn)確。相關(guān)論文近日刊登于《自然—通訊》。

英國(guó)倫敦大學(xué)學(xué)院等機(jī)構(gòu)的研究人員開(kāi)發(fā)的這一人工智能系統(tǒng)，依靠因果關(guān)系而非相關(guān)性查明人體可能出現(xiàn)的問(wèn)題。

它比現(xiàn)有的人工智能系統(tǒng)更精確，甚至在一個(gè)小型對(duì)照試驗(yàn)中超過(guò)了醫(yī)生。

傳統(tǒng)的人工智能系統(tǒng)根據(jù)病人的癥狀來(lái)確定最有可能的疾病，與之不同的是，因果型人工智能系統(tǒng)更接近于醫(yī)生診斷病人的方式：通過(guò)使用反事實(shí)問(wèn)題縮小疾病的可能范圍。

相關(guān)性和因果性的區(qū)別在醫(yī)學(xué)中很重要。

病人在醫(yī)院可能出現(xiàn)呼吸急促。基于相關(guān)性的人工智能可能將呼吸短促與體重超重聯(lián)系起來(lái)，并把超重與Ⅱ型糖尿病聯(lián)系起來(lái)，因此建議使用胰島素。

而一個(gè)基于因果性的系統(tǒng)可能會(huì)轉(zhuǎn)而關(guān)注呼吸短促和哮喘之間的聯(lián)系，從而探索其他治療方案。

論文作者、倫敦大學(xué)學(xué)院的Ciaran Gilligan-Lee說(shuō)：“我們開(kāi)始把因果關(guān)系放回現(xiàn)實(shí)中，這樣才能真正找到引起病人癥狀的疾病，并在此基礎(chǔ)上幫助他們?！?/p>

該系統(tǒng)提供了由20多名醫(yī)生撰寫(xiě)的1671個(gè)真實(shí)醫(yī)療案例摘要，這些摘要顯示了大約350種不同疾病的癥狀。

研究人員讓英國(guó)國(guó)家醫(yī)療服務(wù)體系的44名醫(yī)生平均每人處理了159例這樣的病例，看看他們是否能找出病因。

結(jié)果顯示，他們平均診斷的正確率為71.4%，而基于相關(guān)性的人工智能的正確率為72.5%，因果型人工智能的正確率為77.3%。

在治療非霍奇金淋巴瘤等罕見(jiàn)疾病時(shí)，新型人工智能的表現(xiàn)仍優(yōu)于醫(yī)生。在這些情況下，它比舊的人工智能系統(tǒng)大約好30%。

然而，Gilligan-Lee認(rèn)為，醫(yī)生更善于識(shí)別更常見(jiàn)的問(wèn)題，因?yàn)樗麄兘?jīng)常遇到這些問(wèn)題。他計(jì)劃為該系統(tǒng)尋求監(jiān)管部門(mén)的批準(zhǔn)和臨床驗(yàn)證，目標(biāo)是把它放在一個(gè)應(yīng)用程序中，讓患者可以獲得有關(guān)癥狀和治療的建議。

“這在很大程度上是一種解決問(wèn)題的新技術(shù)?！辈骱泊髮W(xué)醫(yī)院國(guó)民保健服務(wù)基金會(huì)的劉曉玄（音譯）表示，“論文中的方法非常好，而且這項(xiàng)技術(shù)似乎顯示出了一些前景?！?/p>

她認(rèn)為，這個(gè)系統(tǒng)在罕見(jiàn)疾病診斷方面的表現(xiàn)優(yōu)于醫(yī)生，這令人興奮，但它還處于早期階段，病例總結(jié)的數(shù)量相對(duì)較少。

“我們需要看看它在現(xiàn)實(shí)案例中是如何工作的，在現(xiàn)實(shí)世界中，有時(shí)患者會(huì)有多種疾病相互作用?！?/p>