新的人工智能模型从数千种可能性中学习，从而为医学诊断和测试提供建议

一段时间以来，人工智能已被应用于特定领域的医疗状况诊断。它可以建立在特定学科的知识基础上，专注于一些细节，比如肿瘤的形状表明是乳腺癌，或者异常细胞表明是宫颈癌。尽管人工智能在特定领域的多年人类数据训练中非常出色，但它还无法处理现代临床实践中的大量诊断测试(约5000项)和疾病(约14000项)。现在，南加州大学维特比工程学院(USC Viterbi School of Engineering)的工程师们开发了一种新的算法，它可以像医生一样思考和学习，但本质上具有无限的经验。

这项研究由杰拉尔德·勒布(Gerald Loeb)的实验室完成，他是南加州大学维特比工程学院(USC Viterbi School of engineering)的生物医学工程、药学和神经学教授，也是一名训练有素的医生。勒布花了数年时间将人工智能算法应用于触觉学，并制造机器人来感知和识别材料和物体。他之前在这方面的研究超过了目前的水平。虽然触觉人工智能的状态是识别约10个物体，准确率约为80%，但勒布和他当时的研究生杰里米·费舍尔(Jeremy Fishel)能够识别117个物体，准确率约为95%。当他们把它扩展到500个物体和15种不同的可能测试时，他们算法变得更快更准确。勒布说，从那时起，他就开始考虑对其进行调整医学诊断。

Loeb的新型人工智能通过挖掘数据库中的电子医疗记录，提出了最佳诊断策略。这可能导致更快、更好、更有效的诊断和治疗。这篇文章发表在生物医学信息学杂志。

该算法就像医生 - “思考在医疗工作的每个阶段都在思考，”Loeb，神经假肢领域的先驱和耳蜗植入的原始开发人员，现在广泛地用来治疗听力损失。“不同之处在于它具有集体医疗记录中所有经验的好处。”

它是如何工作的

传统的AI已经长期使用了特定的算法来建议医生最有可能诊断一组观察。被称为贝叶斯推理，它使用目前可用的任何信息来建议哪个诊断最有可能。

Loeb的算法反转了这个过程，而是寻求那些最有可能识别正确疾病或病症的测试，无论多么模糊。他称之为贝叶斯探索。该算法还可以考虑与各种诊断测试相关的成本和延迟。

“这尚未完成，”他说。“这是新的。”

Loeb说他新算法有几个好处。首先，这种算法可以通过建议几个好的选择，帮助医生做出更好的诊断和测试决策，包括一些从业者可能没有考虑过一些从业者。接下来，随着无数的医生将额外数据输入额外数据，诊断软件将自动更新和改进电子医疗记录。

此外，Loeb认为医生将更容易生成完整和准确的医疗记录。他们不必在众多的下拉菜单中寻找代码，只需选择人工智能建议的特定疾病或诊断程序，人工智能就会自动将正确的信息输入电子记录。

Loeb强调，当然，医生可以覆盖AI并随着自己的判断而定。

“算法并不是为了为医生做出决定或更换它们，”Loeb说。“这意味着补充和支持它们。”

期待未来

Loeb认为这种算法将给医学和测试诊断带来革命性的变化。但这位南加州大学维特比和凯克医学院的教授承认，将人工智能应用于电子健康记录面临巨大的财务和技术挑战。他认为，美国支离破碎的医疗系统和对电子病历的零星使用，使得他的技术在美国扎根的环境不适宜。

Loeb表示，他的制度在其他国家/地区介绍更容易，例如斯堪的纳维亚或韩国，具有国有医疗保健的地方以及电子医疗记录的广泛使用。但是，它的实施将面临重大挑战，即使在那里，包括开发和部署大规模数据库和用户界面所需的大费用和脑电站，以获得算法的广泛采用和集成。

相反，勒布相信科技。他认为亚马逊、微软和谷歌有足够的资源和技术来颠覆美国的医疗保健，就像Uber和Lyft颠覆出租车行业一样。

“如果成功的承诺足够大，那么人们将被动力这样做，”Loeb说。“这就是我们认为这种算法提供的是：可能性，提供解决浪费大量资源的巨大问题的解决方案的承诺，数万亿美元的价值。”

---

---