医学诊断是一种旨在检测感染、状况和疾病的医学测试。这些医学诊断属于体外医疗诊断(IVD)由消费者购买或在实验室环境中使用。生物样本是从人体中分离出来的,如血液或组织,以提供结果。如今,人工智能在医学诊断领域的发展中扮演着不可或缺的角色。
我们建立了在这篇文章中,探索医疗诊断AI的当前应用,帮助企业领导者明白,塑造该领域的发展趋势。我们将提出我们的研究结果在三个主要部分:
- 背景定义,从我们的研究总结的见解
- 在医疗诊断AI的应用现状
- 相关的Emerj高管访谈
我们自己的最近的医疗人工智能行业研究表明,约三分之一的所有医疗保健的AI SaaS公司部分或完全专注于诊断 - 使其成为在该领域蓬勃发展的创业公司最大的重点领域之一。在移动医疗诊断的更多细节可以在我们的文章中找到,AI移动医疗诊断 - 电流的应用。
潜水到目前的应用之前,我们将与背景事实和体外医疗诊断术语,以及我们对这个课题研究的成果的简要介绍开始:
医学诊断的机器学习:预先洞察
美国国家科学、工程和医学研究院的医学研究所报告,“诊断错误导致大约10%的病人死亡”还要考虑医院并发症的6%到17%。这是需要注意的重要医师的表现通常不是诊断错误的直接原因。事实上,研究者认为诊断错误的原因的各种因素,包括:
- 低效协作和健康信息技术的集成(医疗信息)
- 差距在通信中的临床医生,患者及家属
- 一个保健工作系统,在设计上,不能充分支持诊断过程
为了提供额外的上下文,a回顾美国25年来的医疗事故索赔由约翰霍普金斯研究人员发现,诊断误差的权利要求有在门诊(68.8%)的较高的发生与住院(31.2%)的设置。然而,那些发生在住院病人是大约11.5%,更可能是致命的。在25期内共支付总额为$ 38.8十亿巨额赔偿。
为了应对这些挑战,许多研究人员和公司正在利用人工智能来改进医疗诊断。
体外诊断的市场规模预计将达到$ 76十亿在2023年,人口老龄化,患病率慢性疾病以及个性化医疗是影响IVD市场规模的因素。国家卫生支出估计已经达到$ 3.4万亿2016的健康份额国内生产总值预计将达到近20%到2025年。
在医疗诊断AI的应用现状
今天的许多机器学习的诊断应用似乎属于以下几种:
- 聊天机器人:公司正在使用AI-聊天机器人语音识别能力,以确定患者的症状模式,形成一个潜在的诊断,预防疾病和/或建议适当的行动过程。
- 肿瘤学当前位置研究人员正在使用深度学习来训练算法识别癌变组织,其水平可与训练有素的医生相媲美。(特别专注于癌症治疗感兴趣的读者可在阅读我们的全部文章在肿瘤学深学。)
- 病理当前位置病理学是一门医学专业,通过对血液、尿液等体液和组织进行实验室分析,从而对疾病进行诊断。机器视觉和其他机器学习技术可以增强传统上只留给拥有显微镜的病理学家的努力。
- 罕见疾病面部识别软件正与机器学习相结合,以帮助临床医生诊断罕见疾病。患者照片通过面部分析和深度学习来检测与罕见遗传疾病相关的表型。
需要注意的是,这并不是AI所有诊断应用的完整列表。我们的目标是在我们的研究基础上提出一个当前倡议的简明代表小组。
现在,我们将探索在医疗诊断与聊天机器人开始AI的电流的应用。
聊天机器人
英国为基础启动巴比伦健康是基于健康订阅服务,先后开发了聊天机器人,用于预防和诊断疾病。
使用语音识别的聊天机器人会报比较,它从对疾病数据库的用户收到的症状。作为回应,它会建议基于对报告的症状,病史和病人情况相结合适当的行动过程。
例如,应用程序对别人的反应描述类似感冒的症状可能是前往药房过度的非处方药的建议。相反,如果更严重的症状是由用户报告中,应用可建议拨打紧急热线电话或直接去医院。
除了它的诊断功能,应用程序也被设计成患者数据从可穿戴式设备,以监控重要器官如心脏率和胆固醇水平整合。
巴比伦目前由8500万$的系列A和B的资金支持从9名投资者,包括投资公司和个人投资者如谷歌的的混合DeepMind学习项目创始人Demis Hassabis和Mustafa Suleyman。
基于其150000个注册用户目前,他们每月支付7.99英镑(11.40美元),就可以从100名医生(每天12小时,每周6天)那里获得巴比伦最重要的一对一医生视频咨询服务。这款聊天机器人预计每月运行约4.99英镑(7.10美元)。
该聊天机器人已经提供了在两个医院测试,以21500例符合条件的游泳池。启动已收到登记从这些患者来测试应用的10%。据了解,无论是埃塞克斯医院经历了患者减少等待时间,因为巴比伦首次提出免费提供给他们的病人早在2015年4月。
然而,目前还不清楚等待时间减少了多少。
总部位于柏林的Ada health被称为“个人健康伴侣”,它提供了一个平台,利用人工智能和机器学习来跟踪病人的健康状况,并让用户更好地了解他们健康状况的变化。该平台面向个人用户、组织和医生。
虽然这家初创公司本身并没有将自己描述为一项诊断服务,但该应用程序确实会根据病人的症状和健康信息提供建议。
除了在该初创公司网站上发布的评论和用户在该应用程序可下载的网站上发布的评论外,关于Ada平台对患者结果的影响或对其资助模式的了解的具体数据并不容易获得。
在某些方面,医疗中心的聊天机器人设置有点像物联网的健身空间,在几年前。这似乎是不可避免的,它似乎有很大的承诺,这似乎是有道理的,但工具是由哪些当事人使用什么得到的结果......我们根本无从知晓呢。在未来的2 - 3年,我怀疑我们将看到成功的应用案例出现。
我们的一些过去的人工智能的播客客人有什么医疗聊天界面的体验可能是这样的猜测:
“五年后,如果在你看医生之前,你和一个聊天机器人聊天……成为一个知情的病人,我不会感到惊讶。”- Riza Berkan,创始人飞地公司
肿瘤学
斯坦福大学的研究人员训练了一个算法来诊断皮肤癌使用深度学习,特别是深度卷积神经网络(CNNs)。该算法经过训练,使用“代表2000多种不同疾病的13万张皮肤病变图像”来检测皮肤癌或黑色素瘤。
在美国,大约有540万层新的皮肤癌的诊断每年和早期发现对提高存活率至关重要。例如,早期检测与a相关97%的五年存活率但随着时间的推移,利润率迅速下降,在第四阶段达到15%至20%。据估计,2017年9,730人将死于黑色素瘤和一个人黑素瘤的模具每54分钟。
为了提供上下文中,目视检查是一种皮肤癌诊断的第一步骤和皮肤科医生检查的与皮肤镜(手持式显微镜)的协助下感兴趣的病变。如果皮肤科医生认为病灶的确是癌变,或者如果初始评估尚无定论,皮肤科医生会跟进活检。
斯坦福大学的深度学习算法经过了测试21位获得委员会认证的皮肤科医生回顾了370张图片并问“他们将与活检或治疗继续,或安抚患者”基于每个图像上。结果表明,该算法有同样的能力在所有图像确定最佳行动过程中,21个皮肤科医生。
这些可喜的成果,但研究小组承认,另外,严格的测试之前需要的算法可以集成到临床实践中。我们的研究没有提供在这个时候任何临床应用的证据。
更多的见解和大量的用例肿瘤学AI项目可以在我们关于这一主题的完整报告中看到。
病理
顺便病理学家诊断疾病,它涉及到在显微镜下的图像的人工观察,有仍然是相对不变的超过一个世纪。在以提高速度和诊断的准确度,一个研究小组从贝斯以色列女执事医疗中心和哈佛医学院的欢呼努力已经使用深度学习训练算法能将多种语音识别与图像识别相结合诊断肿瘤。
研究人员首先用上百张图片的显示与癌细胞和非癌细胞标记的区域。然后提取标记的地区造成数以百万计的品种,用于将训练算法模型的基础例子。
当相比于人病理学家,研究结果表明,该算法实现的92%的诊断成功率;四个百分点超过96%的人率。然而,该算法和人类的结果结合时,99.5%的准确率达到了。
我们的研究没有提供任何临床应用的证据,但这些结果可能导致在不久的将来在病理学领域更广泛地采用深度学习方法。
罕见疾病
通过Face2Gene应用程序,面部识别软件正在用机器学习结合起来,帮助临床医生诊断罕见病(在这种情况下,从面部畸形特征)。患者照片通过面部分析和深度学习来检测与罕见遗传疾病相关的表型。
该平台目前只提供给训练有素的临床医生,以防止误报和支持超过7500种疾病。Face2Gene在其网站上列出了许多合作伙伴,包括贝勒医学院(Baylor College of Medicine)、克利夫兰诊所(Cleveland Clinic)和凯萨医疗机构(Kaiser Permanente)。然而,目前还不清楚有多少用户正在访问Face2Gene,以及该应用程序对这些患者产生了什么影响。
下面的视频是一个完整的步行通过的Face2Gene软件的视频。大约在6:30到视频,有一个简短的演示匹配孩子的脸,以各种症状,孩子可能已经基于脸部分析:
总结诊断性ML / AI的思考
机器视觉正在成为跨这些诊断应用程序的公共线程,应该注意的是,该领域的改进将与诊断中的可靠应用程序密切相关。然而,试错的过程将极大地影响这项技术在现实世界中的价值以及它在诊断领域的实施程度。
人工智能在医学诊断方面的应用正处于早期应用阶段,涉及多个专科,目前有关患者预后的数据有限。这些应用程序有可能影响临床医生和卫生保健系统进行诊断的方式,以及个人实时了解其健康变化的能力。
随着医疗器械行业预期的快速增长,公司在努力实现基于机器视觉的准确和可靠的医疗诊断和深入学习应用市场可能随时准备捕捉这个有利可图的市场的百分比(中医疗人工智能领域的巨额风险投资这似乎表明,AI站在一个机会,使医疗诊断技术的下一波凹痕)。
尽管人工智能在医学诊断领域前景广阔,但它仍是一种相对较新的方法,许多临床医生仍不相信它的可靠性、敏感性,以及如何在不损害临床专业知识的情况下将其实际融入临床实践。
“在[医疗团队]是最令人兴奋的是包括健康者照顾专业人士和人工智能专业人士,因为一般来说人工智能的人都会出现说:“只要有人给了我们很多,我们会发现所有的秘密数据”,并然后医护人员真的不知道什么是可能的 - 当你他们你一起开始看到一些引人注目的应用程序。”- - - - - -史蒂文古兰斯
这些应用程序的持续严格的测试将是必要的,以验证其实用性与临床医生和医疗保健系统围绕着如何有效地落实在临床实践中,这些技术的教育相结合。
我们将继续密切关注医学诊断领域,因为我们认为这将是一个活跃的领域,在不久的将来会有更多的人工智能应用。敬请关注我们的医疗保健节公司最新推出的医疗保险,研究和采访。
来自人工智能的相关医疗采访工业播客
在Emerj,我们专注于向我们的商业领袖听众展示真实世界的人工智能应用和确凿事实。我们过滤“炒作”和标题,以提供研究和专家意见,关于人工智能在今天和不久的将来的真正经济和战略优势。
通过我们的“AI在行业”播客我们采访了企业高管、投资者和研究人员,让观众了解应用人工智能的真实趋势和挑战,以及它们的经济影响。
播客是iTunes上的方便,并书面总结提出采访的亮点可以Emerj.com的“面试”部分中找到。然而,我们选择了一些采访,可能是对谁喜欢这篇文章在医疗诊断读者的兴趣:
- Excel中风险管理的史蒂夫Gullans探索在医疗技术应用的实际考虑,这往往是对这项技术的质量或潜力更小,更清晰左右的投资回报率上对投资者的原因。
- Catalia Health的科里·基德报道关于医疗AI应用五年发展趋势预测的股票。
- exClone的里扎Berkan博士讨论了什么可能在这一领域的表现在医疗和其他消费应用5至10年的未来应用聊天机器人和触摸。
- 裕丰邓,Infervision的首席科学家,讨论了扩展机器视觉的能力,包括需要收集什么样的数据,以及现在的技术可以实现哪些功能。
图片来源:环球DIA