为临床医生提供人工智能助手来帮助识别肝硬化

一个技术高超的侦探是有力量和价值的。夏洛克·福尔摩斯和他值得信赖的助手华生以筛选大量数据而闻名——识别模式并做出预测，轻松解开谜团。在医学界，临床医生是侦探，根据他们的临床判断和现有的患者数据做出诊断并得出结论。但就像侦探一样，临床医生也可以从有一个助手中受益。

在南卡罗来纳医科大学(MUSC)最近的一项研究中，消化疾病研究核心中心主任唐·罗基医学博士和生物医学信息学教授吉哈德·奥贝德医学博士一起利用了一项研究人工智能(AI)的自动化识别方法肝肝硬化的大量数据电子健康记录(EHRs)。

他们在临床胃肠病学杂志他们受过训练卷积神经网络(CNN)模型是一种被称为深度学习的人工智能，仅根据患者出院摘要中的临床文本就成功识别出肝硬化患者，准确率高达97%。

这个案子

肝硬化，或不可逆的肝脏瘢痕，是肝硬化患者的最后常见事件慢性肝病并被疾病控制和预防中心列为2021年第九大死亡原因。这种并发症可能源于多种不同形式的肝脏损伤和疾病。从历史上看，预测哪些患者会发展为肝硬化一直具有挑战性。

Rockey说:“我们不知道谁有患上严重肝病并发症的风险，当我们试图降低肝病的发病率和死亡率时，确定肝硬化患者是至关重要的。”

虽然目前还没有治愈肝硬化的方法，但早期诊断有助于确保对该病的最佳管理。

“如果我们能在一到两年前确定一个被预测患有肝硬化的患者，就会给临床医生时间来治疗和预防疤痕组织还能预防肝硬化并发症，”罗基解释道。

的伙伴

像任何好的助手一样，人工智能系统可以收集和分析大量信息。对于医疗应用程序，它通常从包含患者健康史的EHR中提取信息。长期以来，计算机一直能够“读取”输入到EHR数据字段或表单中的数据。

然而，计算机很难获取叙事文本中包含的信息，比如在临床医生病历或出院总结。早期阅读这种叙述文本的尝试基本上依赖于关键字搜索，其中关键字必须由熟悉该疾病的临床医生提供，并经过几轮试错。

在这项研究中，研究人员测试了一种更有能力的助手——一种基于深度学习的人工智能，它不需要这样的提示。

“使用的好处是深度学习这个模型的最大特点就是从你给出的例子中学习，而不是训练它去寻找特定的单词。”奥贝德说道。

研究人员利用被诊断为肝硬化患者的医疗记录训练了他们的AI模型(一种模拟大脑神经元的卷积神经网络)。神经网络分析了叙事文本中嵌入的信息。

奥贝德说:“神经网络比典型的统计人工智能模型更强大，因为每个人工神经元都表现得像一个模型，让你能够想出更复杂的方法来区分和预测事情。”

就像一个法医艺术家把一层又一层的特征添加到嫌疑犯的画像中，奥贝德和罗基的神经网络该模型使用多层人工神经元来提取有助于识别肝硬化的特征和模式。

潜在的

Obeid和Rockey的模型在训练了通过手动图表回顾建立的已知肝硬化患者的记录后，在仅根据临床医生笔记中的叙述文本在一套新的健康记录中识别肝硬化患者方面非常成功。

“我认为这是令人兴奋的，它成功地识别了肝硬化在出院总结中只使用文本，这是将其提升到下一个层次的想法，看看我们是否可以将其应用于早期识别。”奥贝德说道。

奥贝德说，人工智能和机器学习有可能彻底改变医疗领域，但重要的是要强调，这些类型的模型不是为了取代，而是为了指导临床判断。临床医生将解决病例，但人工智能可以成为帮助他们解决问题的强大助手。

“计算机是用来帮助临床医生的，而不是取代他们或做决定，”他说。“最终，要负责任的是临床医生，而不是电脑。”

也就是说，罗基对这些人工智能助手如何推动医学，特别是肝脏疾病管理的发展感到兴奋。

“我认为人工智能将与遗传学和成像数据相结合，用于预测疾病的严重程度，”罗基说。“我不知道要花多长时间才能弄清楚，但我无法想象它不会发生。”