如果医生有更多时间花在解决患者的问题上会不会更好？这也许就是将人工智能（AI）集成到医学中的推动力。通过使用复杂的算法来检测大型数据集中的模式（仅举几例，例如实验室测试结果、当前的药物和症状），人工智能实际上可以使医学变得更人性化。
耶鲁大学医学专家、数据研究员哈伦·克鲁姆霍尔兹说：“在人工智能的帮助下，等患者进来时，我们就已经知道他们的经历了。特别是对于患有慢性疾病的患者，我们可以在他们开始汇报病情之前就发现他们需要医疗护理。”
人工智能的定义因行业而异，甚至从一个字典到另一个字典也有所不同。但是从广义上讲，在医学领域，人工智能是指使用计算机系统根据原始数据中的模式创建算法，以找到联系（例如遗传突变与医学状况之间或特定疾病的症状群之间的联系）。
为了说明人工智辅助医学的未来前景，Krumholz博士给出了一个有心脏衰竭风险的患者的假想实例，这种情况是弱化的心肌很难将足够的含氧血液泵送到全身。
首先，患者会在一个互联网连接的量表上开始一天的工作，该量表将监测体重的变化，以寻找可能的体液潴留迹象，这是心力衰竭的一个标志。他或她会绑上智能手表或其他传感器来跟踪步骤和活动水平，并会使用手机应用程序记录具体症状，如呼吸急促。所有这些数据都将直接流到电子健康记录（EHR）中，EHR将“获取所有这些信息并对患者的风险进行分类，而不是等待患者来找我们。然后，医生可以提醒患者他或她正在接近危险，并采取措施避免危险，允许主动而不是被动地提供医疗护理。
Krumholz博士解释说，这种在医学上由人工智能辅助的交互作用已经形成了多年。自1995年以来，他一直负责结果研究和评估中心（CORE），该中心的研究通过收集、测量和分析从计费记录到传统医疗记录以及现在的EHR的各种数据，帮助改善了患者的护理。
在将患者的记录数字化并能够通过算法和机器学习由计算机进行分析之前，Krumholz博士及其团队致力于从纸质记录中提取见解，这项昂贵而费力的工作需要数年才能完成。这项研究是与联邦机构、美国心脏病学会和美国心脏协会等医学专业组织以及临床医生、医院及其他机构合作的结果，从而导致了护理方面的显着改善。经过多年的一项显着努力，这项研究及其传播极大地减少了心脏病患者接受挽救生命以清除血栓的治疗所花费的时间。
今天，仅需一小部分时间和资源即可完成此类项目。正如Krumholz博士指出的那样：“在这个数字时代，实时研究产生实时可行信息并及时改善护理的前景迫在眉睫。”
人工智能与精密医学
美国食品药品监督管理局（FDA）现在以与评估药品和医疗设备的功效和安全性几乎相同的方式来评估人工智能工具。例如，一个批准的人工智能系统分析表现出神经系统症状的患者的CT扫描，并在结果提示为中风时发短信给医生。这有助于他们更快地提供有效的治疗，从而有助于防止中风对大脑的伤害。
Krumholz博士说：“机器学习和人工智能帮助我们以前所未有的方式将高度复杂的高维度数据组合在一起，这是我们传统的分析方法无法做到的。”
耶鲁大学医学博士目前正在使用人工智能来为患者带来更快、更有效的治疗方法。
机器学习与前列腺癌
尽管前列腺癌在美国是第二常见的癌症，但其诊断仍然具有挑战性。通常，医生必须反复将活检针插入前列腺，从一个肿块被认为是的区域采集几个样本，以期获得一组癌细胞。因为前列腺是一个可以在骨盆内旋转和移动的软器官，“活检是一件非常困难的事情，”耶鲁大学医学泌尿科医生Preston C.Sprenkle医学博士解释说。
通过人工智能辅助机器学习，斯普伦克尔博士将患者的超声波和核磁共振扫描结合成一幅图像，更精确地显示可疑肿瘤的位置。”核磁共振成像和超声波都显示了不同的解剖学图像，挑战在于试图将这两幅图像映射在一起，”约翰·奥诺弗雷博士说，他是放射和生物医学成像以及泌尿学的助理教授，曾与斯普伦克尔博士合作建立人工智能工具。
这个叫做前列腺活检MRI/TRUS融合的工具收集图像数据，并将这些信息输入一个算法，然后生成前列腺的三维图像。医生们可以在电脑屏幕上从不同的角度探索这些图像，以便准确地识别病变，以便进行活检。
奥诺弗雷说：“我们已经从之前的数百个病例中了解到，通过斯普伦克尔医生的一些手工训练，前列腺在活检过程中如何变形（或改变形状）。”通过首先使用人工智能软件绘制图像，医生能够做更精确的工作，因此更少的针头插入来检索活检样本，正如人们可以想象的那样，这大大改善了患者接受手术的体验。
人工智能与肝癌
肝癌很复杂，所以医生需要考虑来自不同来源的信息，以确定如何最好地治疗一个特定的病人。例如，要看癌症，他们依赖于CT和MRI图像。他们必须测量肿瘤的大小，并试图了解肿瘤生长的速度。他们试图识别肿瘤内发现的特定基因，并权衡患者的病史和家族史，以帮助指导治疗计划。
耶鲁医学肝癌专家试图通过合并额外和不同的数据点来提高准确性，他们与耶鲁大学的生物医学工程师和计算机科学家组成的团队接触，探讨如何创建一种算法来帮助他们识别数据中的模式。
放射学和生物医学成像研究人员劳伦斯·斯塔布（Lawrence Staib）博士解释说：“我们希望临床医生为我们提供适当的临床问题，然后，这是一个测试算法并评估其性能的叙述过程。”他专门研究使用机器学习来分析医学图像。
双方都致力于更好地识别图像中的模式。
耶鲁大学医学研究员、介入放射科医师朱利叶斯查皮罗（Julius Chapiro）说：“在肝癌中，影像学起着非常非常重要的作用，我们需要更好地以定量的方式提取影像学信息。”
人工智能产生的算法被证明有助于弥合复杂数据和临床决策之间的鸿沟。尽管仍有改进的余地，但团队已经看到了这种方法的优势。
“人类是不完美的，机器也不会是完美的。但也许把两者结合起来，会达到更高的完美程度。”参与该项目的另一位介入放射科医生，医学博士杰弗里·波拉克（Jeffrey Pollack）说
面部整形手术的3D规划
机器学习技术可以为计算机辅助的3D设计模型增加更高的准确性，从而帮助整形外科医生为复杂的面部重建手术做准备。
耶鲁大学整形外科和整形外科医师DMD医学博士Derek Steinbacher说：“面部有很多功能方面的考虑。大多数时候，它是形状功能。”他指的是需要结构，例如人脸的细腻骨头，保持均衡的比例，以发挥良好的功能。
通过与全国和全球研究人员的合作，耶鲁大学的外科医生基于大约4,000名面部结构正常的人的图像创建了一种机器学习模型。该团队在形态计量学的专业领域内工作，该团队依靠使用定量分析来测量和测试影响生物体形状或形式的因素，从而创建了人脸的3D模型。
然后，计算机程序会将大量的正常面部模型与术后扫描产生的模型进行比较，以提供外科医生可以用来改善手术效果的见识。
Steinbacher博士说：“我们可以使用一种模型来[了解]骨骼之间的关系，以及如何移动骨骼以达到面部效果。”
为了建立模型，医生会根据患者的病历编辑MRI和其他成像扫描。Steinbacher博士解释说：“然后我们就可以对它们进行数字化渲染，并且基本上可以在数字空间中进行手术了。” 一旦3D模型正确，外科医生就可以打印患者面部骨骼的模型，并在手术室中使用该模型指导实时手术。
Steinbacher博士说：“我认为将此模型纳入我们的计划流程将有助于我们获得可重复的、高保真度和准确的结果。”
作者：by Kathleen Raven, Yale University
自新型冠状病毒肺炎疫情爆发以来，新利18国际娱乐一直密切关注疫情进展，根据国家及地方政府的最新调控与安排，为更好的服务相关企业，在疫情期间，新利18国际娱乐免费发布企业相关文章，免费成为新利18国际娱乐认证作者，请点击认证，大家同心协力，抗击疫情，为早日打赢这场防控攻坚战贡献自己的一份力量。