隨著(zhù)大數據時(shí)代的到來(lái)，我們的生活漸漸依賴(lài)于人工智能。而這一切都得益于于人工智能對個(gè)人大量數據的追蹤和算法技術(shù)的精確畫(huà)像才能實(shí)現。近年來(lái)，人工智能也慢慢涉獵到醫學(xué)界中。
在近日舉行的“2019國際核心臟病和心臟CT會(huì )議（ICNC）”上，來(lái)自芬蘭圖爾庫PET中心的Luis Eduardo Juarez-Orozco博士及其團隊創(chuàng )造了一種能夠預測死亡和心臟病發(fā)作的算法機器LogitBoost。
研究人員通過(guò)對950名患者的85個(gè)變量進(jìn)行長(cháng)達6年的追蹤，利用算法“學(xué)習”成像數據如何相互作用，并最終確定了與死亡和心臟病發(fā)作相關(guān)聯(lián)的變量及模式，其預測準確率能夠超過(guò)90％。
通常，在對患者進(jìn)行治療時(shí)，醫生都使用“風(fēng)險評分“的方法來(lái)決定治療方案。不幸的是，這些評分標準所參考的僅僅是少量的變量條件，普適卻缺乏精準。在對患者進(jìn)行個(gè)性化治療中缺乏“定制化”，因此，患者的多樣性致病原因難以得到針對性治療。
鑒于此， Luis Eduardo Juarez-Orozco博士強調了機器學(xué)習和人工智能在處理醫療數據方面的重要性。他解釋說(shuō)：“人類(lèi)很難思考三個(gè)維度或四個(gè)維度，當我們的思維跳到第五維度時(shí)，我們就完全迷失了。所以，我們需要非常高的維度模式才能更好的預測個(gè)體結果，因此我們急需人工智能的加入。“
于是， Juarez-Orozco博士及其研究團隊納入了950例胸痛患者，并開(kāi)發(fā)了一款名叫LogitBoost的算法技術(shù)為這些患者尋找冠狀動(dòng)脈疾病的治療方案。
本次研究首先對980名胸痛患者進(jìn)行冠狀動(dòng)脈計算機斷層掃描血管造影（CCTA），產(chǎn)生58條關(guān)于冠狀動(dòng)脈斑塊、血管狹窄和鈣化的掃描結果數據。接著(zhù)，對患有提示疾病的患者進(jìn)行正電子發(fā)射斷層掃描（PET），產(chǎn)生17個(gè)血流量變量。為了豐富變量類(lèi)型，加入從醫療記錄中所獲得的包括性別、年齡、吸煙和糖尿病等10個(gè)臨床變量，最終確定這85個(gè)變量成為L(cháng)ogitBoost學(xué)習的對象。
數據還沒(méi)有被充分利用
其實(shí)，在臨床醫學(xué)中，醫生都存獲了大量的一手患者數據，也正是因為人腦的局限性，和缺乏良性的統計和分析技術(shù)，耽誤了個(gè)性化精準性治療方案。
對此，Juarez-Orozco博士說(shuō)：“我們有數據，但我們并沒(méi)有充分利用它們。人工智能可以整合大量數據，并通過(guò)算法準確地評估個(gè)體風(fēng)險，這應該可以為患者個(gè)性化治療帶來(lái)好消息。“
研究人員發(fā)現，在患者平均6年的隨訪(fǎng)時(shí)間中，出現了24次心臟病發(fā)作現象，以及49人死亡。以此作為檢驗人工智能算法準確性的標準，LogitBoost反復分析以上85個(gè)變量，并終于找到了能夠預測心臟病發(fā)作或死亡的公式。
研究發(fā)現，單獨使用10個(gè)臨床變量的預測性能是適度的，曲線(xiàn)下面積（AUC）為0.65（其中1.0是完美檢驗，0.5是隨機結果）。當添加17個(gè)PET數據時(shí)，AUC增加至0.69。當將58個(gè)CCTA數據添加到臨床和PET數據時(shí)，預測性能顯著(zhù)增加（p = 0.005），給出AUC 0.82和超過(guò)90％的準確度。
對于這個(gè)結果，Juarez-Orozco博士興奮的表示，人工智能算法可以逐步在多變量數據中進(jìn)行學(xué)習。經(jīng)過(guò)多輪分析后，它們可以運用高維思考能力去有效
準確地識別患者?；蛟S，為患者個(gè)性化治療提供“精準服務(wù)”的未來(lái)已來(lái)。
點(diǎn)擊下圖，觀(guān)眾預登記成功送20元話(huà)費
合作咨詢(xún)
肖女士
021-33392297
Kelly.Xiao@imsinoexpo.com
2006-2025 上海博華國際展覽有限公司版權所有（保留一切權利）
滬ICP備05034851號-57
