AI系列培训课件-人工智能技术及应用课件第8章.pptx

AI+医疗—提升人类的健康水平

时间：2020-9-8;;

预测未知，一直是人类十分向往的能力。远不说国人熟悉的周易八

卦，2008年谷歌推出一个预测流感流行趋势的系统——GoogleFlu

Trends(谷歌流感趋势，以下简称GFT)。GFT一战成名是在2009年美国;

AI可预测心脏病人何时死亡：准确率达80%

英国医学研究委员会伦敦医学研究所的这个研究小组说，人工智能软件能够通过分析血检以及心脏扫描结果发现心脏即将衰竭的迹象。

这个研究小组表示，这项技术能让医生发现需要更多干预治疗的患者，从而拯救更多的生命。

研究人员是在通过对肺高压患者的研究得到上述结果的。肺内血压的增高会破坏部分心脏，大约三分之一的患者会在确诊之后的五年内死亡。;

现有的治疗方法包括，直接向血液循环系统注入药物，以及肺移植

等等。但是医生需要知道患者还能存活多久，以便选择正确的治疗方法。

研究人员向人工智能软件输入了256名心脏病患者的心脏核磁共振扫描结果，以及血液检测结果。

人工智能软件对于每一次心跳都测量了心脏结构中3万个不同点的运动状况。把上述检测结果同患者8年的健康状况记录结合起来，人工智能软件就可以发现哪些异常状况会导致患者的死亡。人工智能软件能够对未来五年的情况作出预测，预测患者在一年后仍然存活的准确率大约为80%,而医生对于这项预测的准确率为60%。;

匹兹堡大学医学院和卡内基梅隆大学工程学院的研究人员创建了一

种机器学习算法，可以从MRI扫描图像中根据医生肉眼看不到的细微征兆，在症状开始之前几年预测出骨关节炎的发生。

常规“诊断关节炎的金标准是X射线。随着软骨的恶化，骨骼之间的间隙减小。问题是，当在X射线上看到关节炎时，损伤已经发生。

研究人员集中关注了其中在开始时几乎没有软骨损伤迹象的患者。

由于现在可以知道这些受试者中哪些后来发展出了关节炎、哪些没有，

计算机使用这些信息来学习症状发生之前其MRI扫描图像中的微妙征兆，用来预测未来的骨关节炎风险。;

研究人员采用一部分数据进行了模型训

练，随后用另一部分在训练时未采用的??者

数据进行了验证。结果显示，该算法在症状发作前三年通过MRI图像预测骨关节炎的准确性达到了78%。

研究人员指出，目前虽然有几种有效药物可以预防患者发展相关病症(类风湿关节炎),但尚无药物用于预防症状前骨关节炎发展恶化。希望可以利用这种人工智能加快为患者带来新药。;

目前世界超过5亿人患有不同的肾脏疾

病，但全社会对慢性肾脏病的知晓率尚不足10%,肾病患者甚至一些非肾脏科的大夫对慢性肾脏病的危害缺乏足够的了解，由于慢性肾脏病早期多没有明显症状，很容易被忽略，很多患者直到肾功能完全恶化导致尿毒症时才去就医。同时，针对不同慢性肾病的等级又有对应的不同治疗方向。因此，对慢性肾病进行分级预警是一个影响非常深远的课题。;

法国研究者利用Bayesian网络算法建立了lgA肾病诊断模型，该模型

的敏感性和特异性可分别达到100%和73%。Huopaniemi等人发表了基于eGFR预测值的慢性肾脏病(CKD)预测模型，其预测结果与真实eGFR改变差异在1~2ml/(min·1.73m2)范围内。该模型随后经进一步改进后可提前1.5年预测eGFR下降。我国研究者建立了CKD非线性支撑向量机模型，经改进后诊断准确性高达98.5%。;;

利用X线、CT、MR、DSA、PET、ECT等影像设备，对疾病进行影像诊断和辅助

治疗的技术;

据相关数据显示，90%左右的医疗数据都来自医学影像，而且还正以30%的增长率

逐年增长。不过，影像科医生的整体数量和工作效率似乎根本没有办法应对这样的增长趋势，而影像科医生也因此面临着巨大的压力。;

AI医学影像技术

PACS系统是PictureArchivingandCommunicationSystems的缩写，意为影像归档和通信系统。它是应用在医院影像科室的系统，主要的任务就是把日常产生的各种医学影像(包括核磁，CT,超声，各种X光机，各种红外仪、显微仪等设备产生的图像)通过各种接口(模拟，DICOM,网络)以数字化的方式海量保存起来。其作用类似无纸办公。;

序列Sequence

视频csdn.net/u014264373;

目前人工智能可以通过症状和病历来诊断癌症，比如Watson,经过了4年多的训练，

学习了200本肿瘤领域的教科书，290种医学期刊和超过1500万份的文献后，Watson开始临床应用，并且可以在肺癌、乳腺癌、直肠癌、结肠癌、胃癌和宫颈癌等领域向人类医生提出建