《DeepMind开发了一款眼底AI,可诊断三种常见眼底疾病》

  • 来源专题:中国科学院文献情报制造与材料知识资源中心 | 领域情报网
  • 编译者: 冯瑞华
  • 发布时间:2018-02-07
  • Google旗下的DeepMind公司开发出了一种通过分析医学影像诊断疾病的人工智能产品,这是人工智能技术在医疗健康领域的一次重要试水。

    雷锋网消息 总部位于伦敦的DeepMind公司通过处理数以千计的视网膜扫描图像,训练出了一种人工智能算法,该算法可以比人类医生更加高效准确地检查出眼底疾病。

    DeepMind公司与NHS和全球最好的眼科医院之一——伦敦Moorfields眼科医院,进行了长达两年的合作,验证这项算法的有效性。在得到积极的信号后,DeepMind公司向医学杂志提交了这项研究成果。如果这项结果通过了学者们的同行评议,就能在几年内进入临床实验阶段。

    DeepMind Health的临床主管Dominic King告诉英国《金融时报》:“你将在未来数年间,看到我们借助人工智能技术在医学影像这样的专业领域取得重大突破。未来我们在诊断疾病方面将变得更加敏感、精准,而机器学习将扮演非常重要的角色。”

    DeepMind的算法使用了Moorfields眼科医院提供的、经过眼科医生严格标记的匿名数据进行训练。目前,它正在和包括Moorfields在内的医院商谈,合作进行临床实验。

    医学影像的数百万像素里隐藏着非常丰富的信息,机器学习算法可以通过学习和分析这些信息,诊断三种最严重的眼科疾病:青光眼、糖尿病性视网膜病变和老年黄斑变性。

    Moorfields研发总监Peng Tee Khaw表示:“我们对这项研究成果非常看好,相信它能帮助世界各地的人们避免不必要的视力损伤。我们希望明年能在同行评议的期刊上发表我们的研究成果。”

    Dominic King介绍,人工智能是一项通用技术,这意味着它可以应用到其他各种类型的图像中。DeepMind表示,接下来他们将分别与伦敦大学医院和伦敦帝国理工学院合作,训练分析放射影像和乳腺X光的算法。

    Google办公室的一位数据标记顾问表示,“标记头颈部癌症的图像每天需要耗费五六个小时,医生们通常会在下班后做这件事情。NHS现在承受着非常巨大的医疗压力,于是人工智能应运而生。”

    随着世界人口日益增长和人口老龄化加剧,医疗卫生系统已经不堪重负。世界各地的医院开始讨论,是否可以用人工智能来减少一些重复性的工作。在此背景下,DeepMind的健康卫生团队迅速扩充到了100人,而三年前这个团队只有区区10人。

    大型科技公司和医院之间的关系非常微妙。去年,英国数据保护监督机构做出了一项裁决,指责NHS的一家信托公司向DeepMind提供160万患者的医疗记录的行为触犯了法律。

    据雷锋网了解,这项裁决涉及到DeepMind的医疗诊断APP Streams的一次实验。Streams虽然没有用到人工智能技术,但它可以分析大数据,并在患者的仪器读数异常时,向护士和医生发送警报。

    那项裁决之后,Deepmind专门成立了一个研究机构,专门分析AI所带来的道德和社会影响。

    Dominic King表示:“严格来说,AI作为一种新的医疗手段,必须经过实验和评估,有了充分的证据证明其有效后,才能够推广到整个医疗卫生系统中。”

相关报告
  • 《美国斯坦福大学开发AI工具,只需“一滴血”可一次性诊断艾滋等多种复杂疾病》

    • 来源专题:先进材料
    • 编译者:李丹
    • 发布时间:2025-02-28
    • 转自全球技术地图 据生物世界公众号2月26日消息,美国斯坦福大学开发出一种名为Mal-ID的AI诊断工具,能通过分析血液样本中的B细胞和T细胞基因序列,一次性诊断多种复杂疾病,如新冠病毒、Ⅰ型糖尿病、艾滋病等。该工具基于大数据训练,通过多个模型分析免疫细胞受体序列,准确率高,未来有望用于临床诊断和疾病进程预测。相关科研成果发表于Science期刊。
  • 《使用 AI 增强 MRI 以改善脑部疾病的诊断》

    • 来源专题:再生医学与脑科学
    • 编译者:苑亚坤
    • 发布时间:2024-10-16
    • 在AI 和医学科学的交叉领域,人们对使用机器学习来增强磁共振成像 (MRI) 技术捕获的成像数据越来越感兴趣。最近的研究表明,7特斯拉 (7T)的超高场 MRI 在描绘解剖结构方面可能比 3T 的高场 MRI 具有更高的分辨率和临床优势,这些解剖结构对于识别和监测病理组织很重要,尤其是在大脑中。 美国的大多数临床 MRI 检查是使用 1.5T 或 3T MRI 系统进行的。就在 2022 年,美国国立卫生研究院记录了全球只有大约 100 台 7T MRI 机器用于诊断成像。 加州大学旧金山分校的研究人员开发了一种机器学习算法,通过合成接近真实 7T MRI 的类似 7T 的图像来增强 3T MRI。他们的模型增强了病理组织,为临床见解提供了更高的保真度,并代表了评估合成 7T MRI 模型临床应用的新步骤。 该研究于 10 月 7 日在第 27 届医学图像计算和计算机辅助干预国际会议 (MICCAI) 上发表。