訂閱
糾錯
加入自媒體

能夠理解因果關系的AI醫生來了,實現比醫生更精準的診斷

2020-08-27 10:19
學術頭條
關注

在全球范圍內,醫院人手短缺、醫生工作過度,都是普遍存在的情況,但是很快這一現象就會因機器學習的大規模應用而得到改善。

實踐證明,一種訓練醫學人工智能(AI)系統的新方法在診斷疾病方面,比以前的工作表現得更加精確。

近日,由倫敦大學學院(University College London)和英國醫療服務提供商巴比倫健康公司(Babylon Health)的研究人員開發的人工智能系統研究成果,刊登在《自然》子刊 Nature Communications 上。

傳統的人工智能系統根據患者出現的癥狀來識別最可能出現的疾病,而與傳統的人工智能系統不同,因果人工智能(causive machine learning)系統的判斷方式更加接近醫生診斷病癥的方式:通過使用反事實問題(counterfactual questions)的方法來縮小可能出現的疾病范圍。

這種人工智能系統可以幫助醫生進行診斷,尤其是對于復雜病例來講。并比現有的人工智能系統更加精確,甚至在一個較小規模的對照試驗中的表現也優于現實生活中的醫生。

理解因果關系的人工智能

在醫學上,相關性和因果關系之間的差異很重要。與醫生診斷不同,現有的癥狀檢查僅根據相關性提供建議,而不是根據因果關系來的。
舉例來講,病人可能因為呼吸急促而到醫院就診。基于相關性的人工智能可能會將呼吸急促與超重(overweight)聯系在一起,進一步把超重與患有 2 型糖尿病聯系起來,并建議使用胰島素。

但基于因果關系的人工智能系統可能會把重點放在呼吸急促和哮喘之間的聯系上,從而探索其他治療方法。

這種被稱為因果機器學習的新人工智能方法在網絡中獲得越來越多的關注,它可以產生一種“想象”,當患者的疾病與原有模版中的疾病不同時,人工智能可能對此癥狀進行自動聯想,從而做出正確的診斷。

在 Nature Communications 上發表的經過同行評審的研究,是研究人員第一次使用因果推理的方式進行臨床試驗,并且研究表明,將相關性與因果關系分離開來,人工智能系統的準確性明顯提高。

論文作者、倫敦大學學院(University College London)Ciarán Gilligan-Lee 說:“我們著手將因果關系放到人工智能中,這樣我們才能找到患者真正的疾病,并據此為他們提供幫助。”

1  2  3  下一頁>  
聲明: 本文由入駐維科號的作者撰寫,觀點僅代表作者本人,不代表OFweek立場。如有侵權或其他問題,請聯系舉報。

發表評論

0條評論,0人參與

請輸入評論內容...

請輸入評論/評論長度6~500個字

您提交的評論過于頻繁,請輸入驗證碼繼續

暫無評論

暫無評論

文章糾錯
x
*文字標題:
*糾錯內容:
聯系郵箱:
*驗 證 碼:

粵公網安備 44030502002758號

红黑梅方游戏机漏洞 上海天天彩选4和值走势图 炒股最惨者真实的故事:亏掉100万后 山东群英会玩法规则 今日股票推荐 快乐吧网站平台 北京11选5走势 青海快3预测方法 股票行情k线图 同花顺手机炒股软件 广东快乐十分杀号技巧 河北快三历史开奖结果查询 河北快三走势图彩经网 山东十一选五走势图真准网 齐鲁股票配资网 山东群英会顺三遗漏 七乐彩下期专家预测