分享
你可能還會喜歡:
用AI標記動脈瘤
盡管人工智能的診斷能力沒有超過人類，但由伯明翰大學醫院NHS研究人員組成的評估團隊發現，深度學習算法在87%的病例中正確檢測出疾病，而臨床醫生的準確率為86%。在識別健康醫療圖像方麵，AI和臨床醫生的準確率分別達到93%和91%。
“在為數不多的高質量研究中，我們發現深度學習確實可以像衛生專業人員一樣準確地檢測從癌症到眼疾的各種疾病，”劍橋大學教授阿拉斯泰爾·丹尼斯頓(Alastair Denniston)說伯明翰大學醫院NHS基金會信托他領導了評審小組。
然而，正如NHS研究人員所指出的，該綜述的一個重要發現是，很少有研究提出外部驗證的結果，或比較深度學習算法和使用相同樣本的臨床醫生的性能。在這篇係統綜述和薈萃分析中包括的82篇文章中，隻有25篇通過使用來自不同人群的醫學圖像從外部驗證了AI模型。此外，隻有14項研究直接比較了臨床醫生和人工智能的診斷能力。
此外，根據在《柳葉刀數字健康》雜誌上發表了他們的研究結果的評審團隊，由於缺乏對人工智能在臨床實踐中使用的全麵研究，深度學習的診斷潛力——使用訓練過的算法來檢測非結構化數據(如醫療圖像)中的模式——仍然不確定。
專家表示，放射學和圖像分析是診斷AI最符合邏輯的應用領域，因為使用現有數據可以輕鬆訓練機器學習算法。根據醫療谘詢公司Frost & Sullivan的數據，在2018年的100多家醫療成像AI初創公司中，大多數是從事圖像分析的。
迄今為止,美國食品和藥物管理局已經批準了30多個人工智能算法用於醫療保健包括Imagen OsteoDetect(用於在骨骼圖像中識別手腕骨折)、IDx-DR(用於在眼部掃描中檢測糖尿病視網膜病變)和Viz.AI Contact(用於在CT掃描中識別中風跡象)。
然而，專家們認為人工智能應該被視為一種工具是給醫生的，而不是醫生本身。
英特爾健康與生命科學總經理David Ryan指出:“我認為，這是一種升級和提升臨床醫生和放射科醫生係統中已有決策支持的工具。”“這真的是一個輔助設備。”
此外，伯明翰大學醫院NHS的研究人員警告稱，不要對人工智能作為自主診斷工具的有效性下結論。
NHS的研究人員寫道:“此外，在深度學習研究中，糟糕的報告很普遍，這限製了對報告診斷準確性的可靠解釋。”“解決深度學習具體挑戰的新報告標準可以改善未來的研究，使人們對這一有前途的技術的未來評估結果更有信心。”
來源:醫療潛水
圖片來源:iStock
