隨著大數(shù)據(jù)時代的到來，我們的生活漸漸依賴于人工智能。而這一切都得益于于人工智能對個人大量數(shù)據(jù)的追蹤和算法技術(shù)的精確畫像才能實現(xiàn)。近年來，人工智能也慢慢涉獵到醫(yī)學界中。
在近日舉行的“2019國際核心臟病和心臟CT會議（ICNC）”上，來自芬蘭圖爾庫PET中心的Luis Eduardo Juarez-Orozco博士及其團隊創(chuàng)造了一種能夠預(yù)測死亡和心臟病發(fā)作的算法機器LogitBoost。
研究人員通過對950名患者的85個變量進行長達6年的追蹤，利用算法“學習”成像數(shù)據(jù)如何相互作用，并最終確定了與死亡和心臟病發(fā)作相關(guān)聯(lián)的變量及模式，其預(yù)測準確率能夠超過90％。
通常，在對患者進行治療時，醫(yī)生都使用“風險評分“的方法來決定治療方案。不幸的是，這些評分標準所參考的僅僅是少量的變量條件，普適卻缺乏精準。在對患者進行個性化治療中缺乏“定制化”，因此，患者的多樣性致病原因難以得到針對性治療。
鑒于此， Luis Eduardo Juarez-Orozco博士強調(diào)了機器學習和人工智能在處理醫(yī)療數(shù)據(jù)方面的重要性。他解釋說：“人類很難思考三個維度或四個維度，當我們的思維跳到第五維度時，我們就完全迷失了。所以，我們需要非常高的維度模式才能更好的預(yù)測個體結(jié)果，因此我們急需人工智能的加入。“
于是， Juarez-Orozco博士及其研究團隊納入了950例胸痛患者，并開發(fā)了一款名叫LogitBoost的算法技術(shù)為這些患者尋找冠狀動脈疾病的治療方案。
本次研究首先對980名胸痛患者進行冠狀動脈計算機斷層掃描血管造影（CCTA），產(chǎn)生58條關(guān)于冠狀動脈斑塊、血管狹窄和鈣化的掃描結(jié)果數(shù)據(jù)。接著，對患有提示疾病的患者進行正電子發(fā)射斷層掃描（PET），產(chǎn)生17個血流量變量。為了豐富變量類型，加入從醫(yī)療記錄中所獲得的包括性別、年齡、吸煙和糖尿病等10個臨床變量，最終確定這85個變量成為LogitBoost學習的對象。
數(shù)據(jù)還沒有被充分利用
其實，在臨床醫(yī)學中，醫(yī)生都存獲了大量的一手患者數(shù)據(jù)，也正是因為人腦的局限性，和缺乏良性的統(tǒng)計和分析技術(shù)，耽誤了個性化精準性治療方案。
對此，Juarez-Orozco博士說：“我們有數(shù)據(jù)，但我們并沒有充分利用它們。人工智能可以整合大量數(shù)據(jù)，并通過算法準確地評估個體風險，這應(yīng)該可以為患者個性化治療帶來好消息。“
研究人員發(fā)現(xiàn)，在患者平均6年的隨訪時間中，出現(xiàn)了24次心臟病發(fā)作現(xiàn)象，以及49人死亡。以此作為檢驗人工智能算法準確性的標準，LogitBoost反復分析以上85個變量，并終于找到了能夠預(yù)測心臟病發(fā)作或死亡的公式。
研究發(fā)現(xiàn)，單獨使用10個臨床變量的預(yù)測性能是適度的，曲線下面積（AUC）為0.65（其中1.0是完美檢驗，0.5是隨機結(jié)果）。當添加17個PET數(shù)據(jù)時，AUC增加至0.69。當將58個CCTA數(shù)據(jù)添加到臨床和PET數(shù)據(jù)時，預(yù)測性能顯著增加（p = 0.005），給出AUC 0.82和超過90％的準確度。
對于這個結(jié)果，Juarez-Orozco博士興奮的表示，人工智能算法可以逐步在多變量數(shù)據(jù)中進行學習。經(jīng)過多輪分析后，它們可以運用高維思考能力去有效
準確地識別患者?；蛟S，為患者個性化治療提供“精準服務(wù)”的未來已來。
點擊下圖，觀眾預(yù)登記成功送20元話費
合作咨詢
肖女士
021-33392297
Kelly.Xiao@imsinoexpo.com
2006-2025 上海博華國際展覽有限公司版權(quán)所有（保留一切權(quán)利）
滬ICP備05034851號-57
