吴恩达团队最新AI医疗成果:精准预测高血压治疗效果

2019-03-19 李贤焕 DeepTech深科技

近日,吴恩达宣布其斯坦福实验室团队在AI最新的成果:运用机器学习方法,能够更加精确预测患者在高血压治疗中可能获得的效果。

近日,吴恩达宣布其斯坦福实验室团队在AI最新的成果:运用机器学习方法,能够更加精确预测患者在高血压治疗中可能获得的效果。

在一般的血管疾病中,疾病治疗带来的绝对风险降低(ARR)是与该病的基线风险相关的,即高风险的患者能从治疗中获得更多的收益。

而斯坦福实验室使用随机试验数据,开发一个能够估计个体治疗效果的模型。斯坦福实验室团队对两个假设进行了测试:

第一,个体治疗效果的模型将显示,高强度的高血压治疗下,患者的收益与疾病的基准风险成正比;第二,设计用于预测异构治疗效果的机器学习方法:X-learner 元算法,并假设 X-learner 的算法的效果与传统的逻辑回归(Logistic Regression)方法相当。

吴恩达团队将常规的逻辑回归与 X-learner 方法进行比较,预测患病 3 年的血管疾病患者在经过强化治疗(目标是将收缩压降至低于 120 mm?Hg)及常规治疗(收缩压降至低于 120 mm?Hg)后的风险降低的程度。结果显示,使用逻辑回归的方法得到的 ARR 预测值通常与心血管风险成正比,而 X-learner 则能够正确地观察到,个体治疗效果经常是与基线风险不成比例的。

这样的结论也说明了,在为患者进行高血压治疗的时候,根据患者各人具体情况设计疗法,效果很可能优于给所有人相同的疗法,为现有的高血压治疗提供新的视角和思路。这也是吴恩达团队希望能够实现的效果。

作为著名华人AI学者,吴恩达自从从百度离职回归学术界后,在医疗领域应用人工智能就成为他的人工智能研究重心之一,他也坚信,在医疗领域上会有一场技术革命,其带领的团队这两年常有新的医疗 AI 应用研究诞生,如 2017 年吴恩达带领团队开发出一种算法,可以从现有心电图中找出四种不同的心律不齐,2018 年他和斯坦福大学 ML Group 发布了放射影像数据集,还在这个数据集的基础上举办深度学习挑战赛等。在未来,可能会有更多人应用机器学习在患者数据中寻找很多疾病的诊断或者疗法预测的方法。

但是,想要公众接受这一技术并非易事。这些算法的原理和逻辑都很繁杂,不是随随便便就能解释清楚的。即便可以,医生和病人也很难理解。寻找可行的解释方式也对于增强医患关系与强化治疗方法十分重要,所以,尽管这样的研究一直层出不穷,但现阶段我们可能还不会在周围的医院里见到这种技术的身影。

相关资讯

Nature:人工智能系统筛查乳腺癌的的国际评价

为了获得更有效的治疗,筛查乳房造影的目的是在疾病早期发现乳腺癌。尽管在世界各地有不同的筛查方案,但对乳房X光检查都有一定假阳性和假阴性的比例。

JAMA Surg:认知辅助手段用于危重患者抢救治疗

研究发现,使用认知辅助手段,在术后并发症的管理中具有较高的应用潜,可减少抢救失败率,改善病人预后。

Nat Med:150秒内!人工智能术中快准狠诊断脑部肿瘤

导 语:术中快速冰冻的应用很大程度上改善了术中决策,提高了手术成功率,但与术后病理相比,仍然存在一定的差异。准确的组织病理学诊断对于提供最佳的脑瘤手术治疗至关重要。术中决策和手术目标因肿瘤病理而异,而现有的术中组织学检查方法耗时、费力,且受人工因素影响,限制了病理分析。对于临床医生来说,寻找精准而快速的术中诊断方法是当务之急。

除了挑战影像医生的地位,这些年AI在医学影像中还干了些啥?

前言随着科技的发展,AI在医学中的应用正在不断扩大。 据研究公司Allied Market Research 估计,到2025年,医学+AI市场将从2017年的7.19亿美元增长到18.1亿美元,从2018年到2025年的复合年增长率为49.6%。 而自从AI来到医学影像,争议一直就没停过。 “AI会让大批影像医生下岗! ”“AI会让影像医生更自信! ”“AI都躺在医院里吃灰……”暂且不提AI和影

Gastroenterology:AI系统用于上消化道出血高危患者的识别

研究认为,AI系统在高危上消化道出血患者识别中的应用效果优于现有方案

JAMA:医疗保健系统AI应用中的偏倚及应对策略

最近对AI面部识别软件的审查使人们开始重新关注AI对社会偏倚和不平等的意外影响。学术界和政府官员对几种AI技术中的种族和性别偏倚提出了担忧,包括互联网搜索引擎和算法可预测犯罪行为的风险。IBM和Microsoft等公司已公开承诺对其技术进行“去偏倚”(“de-bias”),而亚马逊发起了一项批评这种研究的公开活动。  图片来自Data Driven Investor :Facia