污水處理設備 污泥處理設備 水處理過濾器 軟化水設備/除鹽設備 純凈水設備 消毒設備|加藥設備 供水/儲水/集水/排水/輔助 水處理膜 過濾器濾芯 水處理濾料 水處理劑 水處理填料 其它水處理設備
上海鈺博生物科技有限公司
上海鈺博生物科技有限公司
閱讀：218發(fā)布時間：2017-4-17
即使醫(yī)生有很多工具可以預測患者的健康，但是他們仍會告訴你這些工具遠遠不能應對人體的復雜性。而心臟病發(fā)作就特別難以預測。現在，科學家已經表明，自我學習式計算機可比標準醫(yī)療指導方針實現更好的性能，顯著提高預測率。如果推廣開來，這項新方法每年可挽救數千甚至數百萬的生命。
加州斯坦福大學血管外科醫(yī)生 Elsie Ross 說：＂這種方法簡直太重要了，我真的希望醫(yī)師們能夠開始使用人工智能幫助照顧患者?！?/p>
每年有近 2000 萬人死于心腦血管疾病，包括心臟病、腦溢血、阻塞性動脈和其他循環(huán)系統(tǒng)功能性障礙。為了預測這些疾病，許多醫(yī)師使用和美國心臟病學會/美國心臟協(xié)會（ACC/AHA）相似的指導方針。這些方針都是基于包括年齡、膽固醇水平和血壓在內的八個風險因素，這些因素是醫(yī)生不斷積累起來的。
但是這太單一以至于無法解釋患者服用的許多藥物，或者其他疾病和生活因素。英國諾丁漢大學流行病學家 Stephen Weng 說：＂生物系統(tǒng)中有很多相互作用。這些相互作用是違反直覺的：在某些情況下，身體大量的脂肪實際上可防止心臟病發(fā)作?！╓eng 說：＂這是人類身體的真實情況，計算機科學可幫助我們探索這些因素之間的關聯(lián)?！?/p>
在一項新研究中，Weng 和其同事對比了 ACC/AHA 指導方針和 4 個機器學習算法：隨機森林（random forest）、logistic 回歸（logistic regression）、梯度提升（gradient boosting）以及神經網絡（neural networks）。為了在沒有人類指示的情況下得出預測工具，所有這 4 項技術分析了大量數據，被分析的數據來自英國 378256 名患者的電子醫(yī)療記錄，目標是在與心血管疾病有關的記錄之中找出發(fā)病模式。
首先，人工智能（AI）算法必須自我訓練。模型使用 78% 的數據（約 295267 條記錄）來搜索模式并構建它們自己的內部＂指導方針〃。然后使用剩余的記錄對自己進行測試。在使用 2005 年的可用記錄數據后，系統(tǒng)能預測在未來十年內哪些患者會發(fā)生心腦血管疾病，然后再使用 2015 年的記錄檢查預測結果。與 ACC/AHA 指導方針不同，機器學習方法可考慮超過 22 個的特征，包括民族、關節(jié)炎和腎臟疾病等。
所有 4 種人工智能方法的表現都優(yōu)于 ACC/AHA 指導方針。我們使用 AUC（其中 1.0 表示 100% 的度）的統(tǒng)計量，ACC/AHA 指導方針達到 0.728，而 4 種人工智能方法的度在 0.745 到 0.764 之間，Weng 的團隊這個月在 PLOS ONE 報告了這一成果。的神經網絡方法的與測量不僅比 ACC/AHA 指導方針多出 7.6%，同時還減少了 1.6% 的錯誤預警。在大約有 83000 條記錄的測試樣本中，這相當于多挽救了 355 名額外的患者。Weng 說，這是因為預警通常就會導致患者通過服用降低膽固醇的藥物或改變飲食進行預防。
英國曼徹斯特大學數據科學家 Evangelos Kontopanis（其使用基層醫(yī)療數據庫開展工作）說：＂這是一項高質量研究，更強的計算能力或者更多的訓練數據有助于解決這一問題，并獲得更大的研究成果?！?/p>
ACC/AHA 指導方針并不包含被機器學習算法認定為zui強預測因子的幾個風險因素，比如擁有嚴重的心理疾病和服用皮質類固醇（corticosteroid）。同時，沒有一個機器學習算法認為 ACC/AHA 列表上的糖尿病是 10 大預測因子之一。Weng 繼而希望計算機算法能涵蓋其他生活因素和遺傳因素而提升其度。Kontopanis 注意到了這項研究工作的一個局限性：機器學習算法就像黑箱，你可以看到輸入數據和輸出結果，卻無從得知黑箱之中發(fā)生了什么。這使得人類難以調整算法，算法也無法泛化到新場景中的預測。
醫(yī)師很快會在實踐中采取相似的機器學習算法嗎？Ross 說："醫(yī)師對自己的專長感到自豪，但是我，作為新一代人，發(fā)現計算機可以協(xié)助我們
環(huán)保在線 設計制作，未經允許翻錄必究 .? ? ?
請輸入賬號
請輸入密碼
請輸入你感興趣的產品
請簡單描述您的需求
請選擇省份