【Science重磅】自學習人工智能在預測心臟病發作上擊敗人類醫生

微信號:新智元

微信號:AI_era

新智元編譯

翻譯:張易

【新智元導讀】Science 今日報導,科學家使用能夠自學習的人工智能技術,讓計算機在預測心臟病的發作上擊敗了人類醫生。一旦投入使用,這一新的診療手段每年將拯救數以千計甚至百萬計的生命。

醫生可以借助大量的工具來預測病人的健康狀況。但是,這些工具也遠遠不能應對人類身體的複雜性。例如,心臟病的發作就很難預測。現在,科學家證明,自我學習的計算機,相比較標準的醫療診斷程序而言,能夠顯著提高心臟病預測率。一旦投入使用,這一新的診療手段每年將拯救數以千計甚至百萬計的生命。

「其意義之重大無法言喻」,史丹佛大學血管外科醫生Elsie Ross雖然沒有參與這項研究,但是評論如是,「我衷心希望醫生們都開始借助人工智能來協助診療患者。」

每年有近2000萬人死於心血管疾病,包括心臟病發作,中風,動脈栓塞和其他循環系統功能障礙,為了預測這些病症,許多醫生會借助於類似美國心臟病學會/美國心臟學會(ACC / AHA)的指南。這些指南的制訂是基於包括年齡,膽固醇水平和血壓等在內的8個風險指標。

「生物系統內部有很多相互作用。」 英國諾丁漢大學流行病學家Stephen Weng說, 其中一些相互作用是違反直覺的。例如,在某些情況下,大量的身體脂肪實際上可以預防心臟病。「人體的機制如此」,Weng說:「計算機科學使得我們得以探究人體的內部關聯。」

在新的研究中,Weng 和他的同事比較了ACC / AHA指南與隨機森林,邏輯回歸,梯度增強和神經網路這四種機器學習算法的應用 。所有四種技術都在沒有人為指導的情況下通過分析大量數據形成了預測工具。這一研究中的數據來自英國378256名患者的電子病歷。其目標是在心血管疾病相關數據中找出模式。

首先,人工智能(AI)算法必須進行自我訓練。它們使用約78%的數據,大約295267條記錄,來探尋模式並構建自己的內部「指導機制」。之後它們使用剩餘的記錄來進行自我測試。使用2005年的記錄數據,它們預測在未來10年內哪些患者將首次顯現心血管疾病的症狀,然後核對2015年記錄來檢驗之前的預測。與ACC / AHA指南不同的是,機器學習的方法能夠綜合考慮多達22個數據指標,包括種族,關節炎和腎臟疾病等。

相關論文:http://journals.plos.org/plosone/article?id=10.1371/journal.pone.0174944

所有四種AI方法的表現都明顯優於ACC / AHA指南。使用稱為 AUC (其中1.0分表示100%準確度)的統計方法,ACC / AHA指南達到0.728。而根據Weng的團隊本月在PLOS ONE上公布的結果,四種方法的準確度從0.745到0.764不等。其中表現最好的神經網路做出的準確預測比ACC / AHA指南高7.6%,而虛假警報則低了1.6%。在約83,000條記錄的測試樣本中,這個比例相當於額外有355名病人得以被拯救。 這是因為預測結果通常會促使人們預防措施,Weng說,例如通過服用降膽固醇藥物或改變飲食習慣。

「這一工作非常有價值。」英國曼徹斯特大學的數據分析科學家 Evangelos Kontopantelis稱,他參與了前期數據庫構架的工作。他表示,將更多的計算能力或更多的訓練數據用於解決這一問題「可能會帶來更大的收益」。

被機器學習算法認為是強有力的預測指標的幾個風險因素,例如嚴重的精神疾病和服用皮質類固醇的情況並未被包括在ACC / AHA指南中 。此外,被ACC / AHA列為排名前十預測指標之一的糖尿病沒有被任何一個算法考慮在內。Weng希望未來在算法中包含如生活方式和遺傳因素等信息,以進一步提高準確性。

Kontopantelis提到這項工作中的一個局限性:機器學習算法就像黑箱,可以看到數據被輸入,決策被輸出,但其間發生的狀況無從知曉。這使得人類難以調整算法,也無法預測在新的場景中它能做什麼。

醫生會很快在診療過程中採用類似的機器學習方法嗎?醫學專長可是他們最引以為傲的部分。Ross 表示:「但是,作為新一代,我認為我們可以借助計算機的力量。」

  • 阿里雲棲社區:http://yq.aliyun.com/webinar/play/199

  • 愛奇藝:http://www.iqiyi.com/l_19rrfgal1z.html

  • 騰訊科技:http://v.qq.com/live/p/topic/26417/preview.html

  • 熱門文章