联系我们

卫生保健

AI. 临床用途的新进步

发表

 on

Radboudumc的研究人员在临床环境中帮助推进人工智能(AI) 展示AI如何诊断与医生相似的问题,同时还展示了它如何达到诊断。 AI已经在这种环境中发挥作用,用于通过专家快速检测可作为疾病标记为疾病的异常。

临床环境中的AI

人工智能越来越多地用于医学成像的诊断。传统上由医生学习X射线或活检以识别异常的医生完成的是什么。通过使用 深度学习,这些系统可以自行诊断,通常与人类医生一样准确甚至更好。

然而,系统并不完美。其中一个问题是,AI不会证明它是如何分析图像并达到诊断的问题。另一个问题是他们没有做任何额外的事情,这意味着他们一旦达到特定的诊断,他们就停止了。即使存在正确的诊断,这也可能导致系统缺少一些异常。

在这种情况下,人类医生更好地在整体观察患者,X射线或其他图像。

AI. 的进步 

临床环境中的AI问题现在正在由研究人员解决。 ChristinaGonzálezGonzalo是一个博士学位。 Radboudumc的A-Eye Research和诊断图像分析组的候选者。 

GonzálezGonzalo通过利用发现视网膜异常的眼扫描为诊断AI开发了一种新方法。人类医生和AI可以容易地发现具体的异常,并且通常以团体发现。 

在AI系统的情况下,它将诊断一个或多个异常和停止,展示使用这种系统的缺陷。为了解决这个问题,GonzálezGonzalo开发了一个过程多次oi越过图片的过程。当它这样做时,它会学会忽略它已经涵盖的地方,这允许它发现新的地方。最重要的是,AI还突出了可疑地区,使整个诊断过程更加透明,对人类观察。 

这种新方法与这些设置中使用的传统AI系统不同,其基于对眼睛扫描的一次评估的诊断。现在,研究人员可以了解新的AI系统如何达到其诊断。

为了忽略已经检测到的异常,AI系统通过从周围的异常的健康组织数字填充它们。然后基于将所有评估回合加入在一起的诊断。 

该研究发现,这种新系统改善了糖尿病视网膜病变和年龄相关性黄斑变性的敏感性11.2 +/- 2.0%。 

这种新系统可以真正改变基于异常的疾病时如何使用AI,并且最大的进步是在进行此过程时可以演示的新透明度。这种透明度是允许更新的更正和进步,最终目标是AI系统,可以更准确,更快地诊断出的问题,而不是该领域的最佳人类专家。所有这些也可能导致更值得信赖的系统,可能导致它在较大领域内广泛采用。