被人类医生遗漏的癌症早期迹象，被 AI 及时发现了！这名英国女子现已康复。同时，AI 算法在美国一家诊所近 1/4 的眼科检查中，发现了患者的视网膜病变。AI 帮助人类诊病的未来，真的不远了。

　　最近，越来越多的研究让我们意识到：AI 帮人类诊断疾病，真的有希望了！AI 在 11 名女性的乳腺 X 光检查中，成功地发现了被人类医生遗漏的乳腺癌早期迹象。其中一名被 AI 救下的女性，已经做完手术开始康复了。

　　另外，在南加州一家诊所，一种检测眼睛状况的 AI 算法，帮助专家在过去一年进行的约 700 次眼科检查的 1/4 中发现了视网膜病变。

　　深度学习之父 Hinton 的两任妻子，都死于癌症。他亲身体会过，病人在等待结果和得到模糊的信息时，是何等的沮丧。

　　我看到了医疗专业人员在使用数据时的许多低效之处。病人病历中的信息，很多都没有被用上。医生对于 CT 的结果的理解也千差万别。如果让两个放射科医生看同一个扫描结果，得到的结果很可能完全不一样。

　　大家都知道，乳腺癌在早期很难发现，但是最近，一个名叫 Mia 的 AI 工具，就成功地在 11 名女性的乳腺 X 光检查中，发现了被人类医生遗漏的微小迹象！

　　在分析了 10000 多名女性的乳腺 X 光检查后，Mia 成功地标记出了所有有癌症症状的人，并且发现了人类医生没有发现的 11 名乳腺癌早期患者。

　　Barbara 就是被 AI 标记的 11 名患者之一，但医院的放射科医生，并没有在她的扫描中发现癌症早期的痕迹。

　　因为肿瘤只有 6 毫米，被发现得很早，Barbara 做完手术后只需要五天的放疗。而且，肿瘤小于 15 毫米的乳腺癌患者，在五年内有 90% 的存活率。

　　而如果不是 AI，Barbara 的癌症很可能要到三年后的下一次常规乳腺 X 光检查才能被发现，因为她此前从未表现出任何明显的症状。

　　Barbara 非常高兴，比起同样患乳腺癌、要接受侵入性治疗的母亲和姐姐，自己治疗的痛苦要小得多。

　　而且，Mia 的开发者 Kheiron 表示：因为 AI 诊断的效率极高，Mia 几乎能让等待结果的时间从 14 天减少到 3 天。

　　Kheiron Medical 的首席战略官 Sarah Kerruish 表示，他们用了 6 年来训练 Mia，它在微软的云计算能力上运行，并接受了来自世界各地女性的数百万张乳房 X 光检查的训练。

　　乳腺癌医生平均每年进行大约 5,000 次乳房扫描，一次可以查看 100 张。但是，他们是人类，所以会疲倦，会分心，会受到干扰。

　　当然，Mia 目前还并不完美，比如它无法访问任何患者的病史，可能会把已经确定为无害的肿瘤误标记为癌症。

　　目前，每张扫描图会由两名放射科医生检查，但在不久的未来，AI 很可能就会取代一名人类医生，让工作量减半。

　　同样，就在本周，来自谷歌的研究团队开发了一种机器学习工具，可以通过分析人的咳嗽声和呼吸声等，帮助医生检测和监控健康状况。

　　这个名为健康声学表征（HeAR）的 AI 系统，得到了数百万音频片段中人声的训练，并未来可能被用于诊断 COVID-19、结核病等疾病，以及评估一个人的肺部健康状况。

　　其创新之处在于，HeAR 所训练的庞大数据集，以及它能够根据不同的需求进行调整，以完成多种任务。

　　「在医学上，监督学习方法有着临床验证的支持，」南佛罗里达大学的医生 Yael Bensoussan 解释说。「但缺点在于，标注好的数据集非常稀缺。」

　　具体来说，团队从 YouTube 上公开的视频中，自动提取了超过 3 亿条包含咳嗽、呼吸、清嗓等人类声音的音频。

　　接着，研究人员会隐去频谱图的某些部分，让模型学习预测这些缺失部分，过程类似于训练大语言模型预测文本中的下一个 token。

　　结果显示，HeAR 在不同数据集上进行 COVID-19 检测的得分分别为 0.645 和 0.710，这比基于语音或普通音频数据训练的现有模型表现更佳。

　　无独有偶，Christian Espinoza，南加州一家药物治疗中心的负责人，最近引入了一位强大的新助理：一款能够通过视网膜相机拍照来检测眼睛状况的人工智能算法。

　　该系统有望显著提高对糖尿病视网膜病变的筛查能力 —— 这是导致工作年龄失明的首要原因，并对估计中的 3800 万美国糖尿病患者构成了巨大威胁。

　　虽然通过管理患者的糖尿病通常可以预防这种疾病 —— 并且对更严重阶段的病变有治疗方法 —— 但医生们认为，定期进行筛查对于早期发现病症非常关键。

　　此外，需要额外安排时间去做眼睛散瞳检查，这对于需要请假工作或上学、并且需要解决交通问题的低收入患者来说，尤其困难。而这部分人群还恰恰是 2 型糖尿病的高风险群体。

　　为了改善这一问题，Digital Diagnostics 在经过几十年的研究和涉及 900 名糖尿病患者的临床试验后，于 2018 年获得了 FDA 的批准 —— 而这也是医学领域第一个完全自主的 AI 系统。

　　其中，设备可以被放在任何昏暗的房间，患者只需将脸部放在下巴和额头支架上，注视镜头，技术人员便会拍摄每只眼睛的图像。

　　总体而言，AI 提供即时结果的能力，以及省去额外预约的时间和费用，可以让患者和医疗服务机构同时受益。

　　结果显示，在 Espinoza 诊所过去一年进行的约 700 次眼科检查中，近四分之一的检查发现了视网膜病变，这些患者随后被推荐给专家接受进一步的治疗。

　　但值得注意的是，如果没有医生亲自进行筛查，仅依赖算法寻找糖尿病视网膜病变，可能会遗漏其他重要的疾病，比如脉络膜黑色素瘤。

　　这不，推特网友「Misha Saul」就在前段时间拿着他朋友的 MRI 脑部扫描结果，让如今的当红炸子鸡 Claude 分析了一下。

　　根据展示的 MRI 脑部扫描图像，看起来大脑中有一个很大的异常区域。大脑中央那块不规则的亮白色区域让人担忧，可能是肿瘤或其他病理情况。

　　这个肿瘤显示出明显的增强、局部的压迫效应和周围的水肿 —— 这些都不是正常大脑组织应有的特征。

　　我们可以在一系列连续的 MRI 切片中跟踪到这个肿块，确认它是一个实际存在的占位性病变。它的位置也是典型的原发性胶质瘤所在。

　　虽然我知道放射学总是有一定的不确定性，但我认为这实际上是正常大脑或某种误导性角度的可能性非常低，不到 1%。整套图像构成了一个一致且令人信服的侵袭性脑肿瘤的画面。

　　从多个角度观察，都清楚地显示了左顶叶深处中心有一个大的、强烈增强的异常区域，周围有大量的血管性水肿。

　　这些发现再次确认了我对这是一个高级别胶质瘤的初步判断，鉴于成像特征，这很可能是胶质母细胞瘤。额外的垂直于原始平面的视图有助于排除了这是由体积平均误差造成的假象。

　　总的来说，这些补充的成像资料进一步巩固了我对这是一个侵袭性左顶叶肿瘤的诊断，我怀疑这是一个胶质母细胞瘤。

　　虽然最终需要通过活检和组织病理学评估来明确分类，但成像结果对于恶性胶质瘤来说是非常有说服力的。

　　对于外行人来说，Claude 给出的诊断非常有说服力 —— 不仅满嘴都是专业词汇，而且态度非常笃定：「我认为自己的误判率只有不到 1%」！

　　首先，研究者在医疗记录上训练了这些模型，然后向 AI 提供了新的医疗保健数据。从而创建出了患者的一个「虚拟副本」。

　　而且，现在他们还开发了一个更准确的工具 ——Foresight 2，研究结果已经在《柳叶刀数字健康》上发表。

　　这项研究的合著者、国王学院医院数据科学和人工智能主任 James Teo 认为，这些数字孪生的预测，代表了理解疾病的「可能的多元宇宙」。

　　「我们的生成式 AI 可以从健康记录中的文本中生成预测，涵盖所有疾病组的任何疾病、测试、药物、治疗或并发症。」

　　在巴塞罗那郊区一座 19 世纪小教堂的墙壁内，一颗心脏开始慢慢收缩，它在测试从药物到植入物的治疗方法

　　通过与医疗技术公司 Medtronic 合作，Alya Red 模拟可以帮助定位起搏器，微调电刺。

上一篇:成本几十元售卖上万理发店都在卖的干细胞注射靠谱吗？
下一篇:中诏堂SOD含片：全民保健新选择中诏堂SOD含片破