新的人工智能模型可以从成千上万种可能性中学习 以建议医疗诊断和测试

一段时间以来，人工智能已经被用于诊断特定领域的医疗状况。它可以基于特定学科的知识细化细节，如提示乳腺癌的肿瘤形态或提示宫颈癌的异常细胞。AI虽然多年来在特定领域的人体数据训练方面表现出色，但无法应对现代临床实践中大量的诊断测试(约5000种)和疾病(约14000种)。现在，南加州大学维特比工程学院的工程师开发的新算法可以像医生一样思考和学习，但实际上它有无限的经验。

这项工作来自杰拉尔德勒布的实验室，他是南加州大学维特比工程学院生物医学工程、药学和神经病学教授，也是一名训练有素的医生。勒布花了几年时间将人工智能算法应用于触觉，并建造了机器人来感知和识别材料和物体。他之前在这方面的研究已经超越了现有技术。虽然用于触觉的AI状态可以识别约10个物体，准确率约为80%，但当时的研究生Loeb和Jeremy Fishel可以识别117个物体，准确率为95%。当他们将其扩展到500个对象并进行15个不同的测试时，他们的算法变得更快、更准确。勒布说，那是他开始考虑将其用于医学诊断的时候。

李布的新形式AI通过挖掘数据库中的电子病历提出了最佳诊断策略。这可以导致更快、更好和更有效的诊断和治疗。研究结果发表于《生物医学信息学杂志》。

该算法的工作原理就像医生一样——“在医学检查的每个阶段都在思考下一步该做什么，”神经修复领域的先驱、人工耳蜗的原始开发者之一勒布说。用于治疗听力损失。“不同的是，它得益于集体病历中的所有经验。”

它是如何工作的？

长期以来，传统的AI使用特定的算法向医生建议一系列观察结果，从而做出最可能的诊断。被称为贝叶斯推理，它使用任何当前可用的信息来建议最有可能做出的诊断。

勒布的算法逆转了这一过程，寻找最有可能识别正确疾病或状况的测试，无论这些测试有多模糊。他称之为贝叶斯探索。该算法还可以考虑与各种诊断测试相关的成本和延迟。

他说：“以前从来没有这样做过。”“这是新的。”

Loeb说，他的新算法有几个优点：首先，该算法可以通过提出几个好的选择来帮助医生做出更好的诊断和测试决策，包括一些从业者可能不会考虑的选择。接下来，随着无数医生将其他数据输入电子病历，诊断软件将自动更新和完善。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！