久久久久久亚洲精品少妇_run away韩国动漫阅读免费_日韩中文字幕在线看视频免费_亚洲欧美专区精品久久_婷婷亚洲综合五月天基地

2017兩會中人工智能第一次出現(xiàn)在政府工作報(bào)告中，關(guān)注人工智能的科技界因此熱血沸騰。世界癌癥日2月4日當(dāng)天，IBM Watson醫(yī)生第一次在中國“出診”，僅用10秒就開出了癌癥處方。這兩條消息再次把人工智能推向了高潮. 不管醫(yī)生是不是接受，人工智能(AI)　已經(jīng)強(qiáng)勢闖入醫(yī)療界，讓我們一起回顧一下，人工智能戰(zhàn)勝人類的那些事件。

1.Science報(bào)道自學(xué)習(xí)式人工智能可協(xié)助預(yù)測心臟病發(fā)作

Science雜志報(bào)道了英國諾丁漢大學(xué)流行病學(xué)家StephenWeng博士團(tuán)隊(duì)發(fā)表在PLOSONE上的重要研究成果，Weng博士團(tuán)隊(duì)將機(jī)器學(xué)習(xí)算法應(yīng)用于電子病歷的常規(guī)數(shù)據(jù)分析，發(fā)現(xiàn)與當(dāng)前的心臟病預(yù)測方法相比，深度學(xué)習(xí)算法不僅可以更準(zhǔn)確地預(yù)測心臟病發(fā)病風(fēng)險(xiǎn)，還可以降低假陽性患者數(shù)量。

在這項(xiàng)新研究中，Weng和其同事對比了ACC/AHA 指導(dǎo)方針和4個(gè)機(jī)器學(xué)習(xí)算法：隨機(jī)森林（random forest）、logistic 回歸（logistic regression）、梯度提升（gradient boosting）以及神經(jīng)網(wǎng)絡(luò)（neural networks）。為了在沒有人類指示的情況下得出預(yù)測工具，所有這 4 項(xiàng)技術(shù)分析了大量數(shù)據(jù)，被分析的數(shù)據(jù)來自英國378256名患者的電子醫(yī)療記錄，目標(biāo)是在與心血管疾病有關(guān)的記錄之中找出發(fā)病模式。

2.人工智能診斷皮膚癌準(zhǔn)確率達(dá)91%

斯坦福大學(xué)一個(gè)聯(lián)合研究團(tuán)隊(duì)開發(fā)出了一個(gè)皮膚癌診斷準(zhǔn)確率媲美人類醫(yī)生的人工智能，相關(guān)成果刊發(fā)為了1月底《自然》雜志的封面論文，題為《達(dá)到皮膚科醫(yī)生水平的皮膚癌篩查深度神經(jīng)網(wǎng)絡(luò)》（Dermatologist-levelclassification of skin cancer with deep neuralnetworks）。他們通過深度學(xué)習(xí)的方法，用近13萬張痣、皮疹和其他皮膚病變的圖像訓(xùn)練機(jī)器識別其中的皮膚癌癥狀，在與21位皮膚科醫(yī)生的診斷結(jié)果進(jìn)行對比后，他們發(fā)現(xiàn)這個(gè)深度神經(jīng)網(wǎng)絡(luò)的診斷準(zhǔn)確率與人類醫(yī)生不相上下，在91%以上。

在測試中，人工智能被要求完成三項(xiàng)診斷任務(wù)：鑒別角化細(xì)胞癌、鑒別黑色素瘤，以及使用皮膚鏡圖像對黑色素瘤進(jìn)行分類。研究者通過建構(gòu)敏感性（sensitivity）-特異性(specificity)曲線對算法的表現(xiàn)進(jìn)行衡量。敏感性體現(xiàn)了算法正確識別惡性病變的能力，特異性體現(xiàn)了算法正確識別良性病變，即不誤診為癌癥的能力。在所有三項(xiàng)任務(wù)中，該人工智能表現(xiàn)與人類皮膚科醫(yī)生不相上下，敏感性達(dá)到91%。

3.人工智能走進(jìn)ICU：可預(yù)測病人死亡準(zhǔn)確率達(dá)93%

在洛杉磯兒童醫(yī)院，數(shù)據(jù)科學(xué)家Melissa Aczon和David Ledbetter提出了一種人工智能系統(tǒng)，這個(gè)系統(tǒng)可以讓醫(yī)生們更好地了解哪些孩子的病情可能會惡化。

他們使用了PICU里超過12000名患者的健康記錄，機(jī)器學(xué)習(xí)程序在數(shù)據(jù)中發(fā)現(xiàn)了相關(guān)規(guī)律，成功識別出了即將死亡的患者。該程序預(yù)測死亡的準(zhǔn)確率達(dá)到了93％，明顯比目前在醫(yī)院PICU中使用的簡單評級系統(tǒng)表現(xiàn)更好。Aczon和Ledbetter在Arxiv上發(fā)表了相關(guān)論文，公布了他們的研究成果。

他們實(shí)驗(yàn)的創(chuàng)新點(diǎn)是使用了一種叫做循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）的機(jī)器學(xué)習(xí)方法，這種方法擅長處理持續(xù)的數(shù)據(jù)序列，而不是從某一個(gè)時(shí)刻的數(shù)據(jù)點(diǎn)直接得出結(jié)論?！癛NN網(wǎng)絡(luò)是處理臨床數(shù)據(jù)序列的一種有效方法。”Aczon說，“它能夠整合新產(chǎn)生的信息序列，得到準(zhǔn)確的輸出?！彼栽诔绦蛑?，RNN網(wǎng)絡(luò)表現(xiàn)得更好，因?yàn)樗軌螂S著時(shí)間的推移，根據(jù)病人最近12小時(shí)的臨床數(shù)據(jù)，做出最準(zhǔn)確的預(yù)測。

4.第三軍醫(yī)大利用人工智能30秒內(nèi)鑒定血型，超99.9%準(zhǔn)確率

3月15日，權(quán)威雜志science刊登的一篇關(guān)于中國第三軍醫(yī)大學(xué)羅陽團(tuán)隊(duì)的最新研究成果，這對于急需輸血搶救的病人意義重大，可以為患者節(jié)省3-15分鐘的時(shí)間，增加他們的生還幾率，同時(shí)也可用于搶險(xiǎn)救災(zāi)、戰(zhàn)場急救等急需驗(yàn)血的情況。

第三軍軍醫(yī)大學(xué)羅陽團(tuán)隊(duì)研發(fā)的技術(shù)，可以在30秒內(nèi)檢測出ABO血型和Rh血型，僅用一滴血在2分鐘內(nèi)完成包括罕見血型在內(nèi)的正向和反向同時(shí)定型（醫(yī)生在輸血前，為了減少錯(cuò)誤，一般要做正反定型和交叉驗(yàn)血試驗(yàn)）。同時(shí)團(tuán)隊(duì)還設(shè)計(jì)出一套智能算法，能夠根據(jù)試紙的顏色變化讀出血型，定型準(zhǔn)確率超過99.9%。

研發(fā)團(tuán)隊(duì)為了減少人為識別帶來的誤差，開發(fā)了一套機(jī)器學(xué)習(xí)算法自動識別顏色的變化，同時(shí)為了驗(yàn)證算法的準(zhǔn)確性，研究人員先用經(jīng)典凝膠卡片法鑒定3550例血液樣本，再通過優(yōu)化參數(shù)操作，算法模型準(zhǔn)確的測出這3550例血液的血型。

5.谷歌研發(fā)人工智能眼科醫(yī)生：用深度學(xué)習(xí)診斷預(yù)防失明

表于JAMA 的論文《用于檢測視網(wǎng)膜眼底照片中糖尿病性視網(wǎng)膜病變的深度學(xué)習(xí)算法的開發(fā)和驗(yàn)證（Developmentand Validation of a Deep Learning Algorithm for Detectionof DiabeticRetinopathy in Retinal Fundus Photographs）》中，我們提出了一種可以解讀視網(wǎng)膜照片中 DR 發(fā)病跡象的深度學(xué)習(xí)算法，這有望能幫助資源有限地區(qū)的醫(yī)生正確地篩選出更多的病人。

研究人員創(chuàng)建了一個(gè)包含128000 張圖像的開發(fā)數(shù)據(jù)集，其中每一張圖像都得到了54位眼科醫(yī)生中3到7位醫(yī)生的評估。這個(gè)數(shù)據(jù)集被用來訓(xùn)練了一個(gè)可以檢測可誘發(fā)糖尿病性視網(wǎng)膜病變的病癥的深度神經(jīng)網(wǎng)絡(luò)。然后兩個(gè)互相獨(dú)立的包含大約 12000 張圖像的臨床驗(yàn)證集上測試了該算法的表現(xiàn)，該測試所參考的標(biāo)準(zhǔn)是一個(gè)7或8人的美國認(rèn)證眼科醫(yī)生中大多數(shù)人的意見。為驗(yàn)證集所選擇的眼科醫(yī)生的意見與訓(xùn)練集原來的54位醫(yī)生的意見表現(xiàn)出了高度的一致性。

在這項(xiàng)成人的糖尿病性視網(wǎng)膜眼底照片的評估中，基于深機(jī)器學(xué)習(xí)的算法對可疑糖尿病性視網(wǎng)膜病變檢測時(shí)具有高靈敏度和特異性。進(jìn)一步的研究是必要的，這將確認(rèn)此算法應(yīng)用在臨床中的可行性，并確定與目前的眼科評估相比是否使用該算法可以改善治療和診斷結(jié)果。