《兽医使用人工智能帮助诊断阿狄森氏病》

  • 来源专题:动植物疫病
  • 编译者: 刘小燕
  • 发布时间:2020-02-26
  • 加利福尼亚大学戴维斯分校兽医学院的兽医与电气和计算机工程师合作开发了一种算法,其准确率大于99%,该算法利用人工智能(AI)来检测阿狄森氏病,又称肾上腺皮质激素缺乏症,是一种导致缺乏关键激素的疾病,而维持健康激素是必需的。由于狗具有模糊的临床体征,阿狄森氏病因此可以模仿其他疾病,例如肾脏和肠道疾病,从而使兽医将这种疾病称为“伟大的伪装者”。多年来,阿狄森氏病一直很难识别。该团队利用日常血液工作训练了一个AI程序,从先前接受治疗的1000多只狗中检测出复杂的模式。该计算机能够学习这些模式,并能以非常高的准确性确定狗是否患有阿狄森氏病。

相关报告
  • 《兽医使用人工智能帮助诊断阿狄森氏病》

    • 来源专题:动植物疫病
    • 编译者:刘小燕
    • 发布时间:2020-04-29
    • 加利福尼亚大学戴维斯分校兽医学院的兽医与电气和计算机工程师合作开发了一种算法,其准确率大于99%,该算法利用人工智能(AI)来检测阿狄森氏病,又称肾上腺皮质激素缺乏症,是一种导致缺乏关键激素的疾病,而维持健康激素是必需的。由于狗的临床体征不明确,阿狄森氏病有时也被误认为其他疾病,例如肾脏和肠道疾病,因此,使兽医将这种疾病称为“伟大的伪装者”。多年来,阿狄森氏病一直很难识别。该团队利用日常血液工作训练了一个AI程序,从先前接受阿狄森氏病治疗的1000多只狗中检测出复杂的模式。该AI程序能够学习这些模式,并能以非常高的准确性确定狗是否患有阿狄森氏病。
  • 《人工智能和机器学习可以成功诊断多囊卵巢综合征》

    • 来源专题:新一代信息技术
    • 编译者:袁晨
    • 发布时间:2023-11-29
    • 美国国立卫生研究院的研究回顾了25年的数据,发现人工智能/机器学习可以检测到常见的激素紊乱。 根据美国国立卫生研究院的一项新研究,人工智能(AI)和机器学习(ML)可以有效地检测和诊断多囊卵巢综合征(PCOS),这是女性中最常见的激素失调,通常在15至45岁之间。研究人员系统地回顾了已发表的使用AI/ML分析数据来诊断和分类PCOS的科学研究,发现基于AI/ML的程序能够成功检测PCOS。 美国国家环境健康科学研究所(NIEHS)的高级研究员和内分泌学家Janet Hall医学博士说:“鉴于社区中PCOS诊断不足和误诊的巨大负担及其潜在的严重后果,我们希望确定AI/ML在识别可能有PCOS风险的患者中的应用。”NIEHS是美国国立卫生研究院的一部分,也是该研究的合著者。“人工智能和机器学习在检测多囊卵巢综合征方面的效果比我们想象的还要令人印象深刻。” 多囊卵巢综合征发生时,卵巢不能正常工作,并在许多情况下,伴随着睾丸激素水平升高。这种疾病会导致月经不规律、痤疮、面部毛发过多或脱发。患有多囊卵巢综合征的女性患2型糖尿病、睡眠、心理、心血管和其他生殖疾病(如子宫癌和不孕症)的风险通常会增加。 该研究的资深作者、NIEHS的助理研究医师和内分泌学家Skand Shekhar博士说:“鉴于多囊卵巢综合征与其他疾病的重叠,诊断多囊卵巢综合征可能具有挑战性。”“这些数据反映了将AI/ML纳入电子健康记录和其他临床环境以改善多囊卵巢综合征女性的诊断和护理的未开发潜力。” 研究作者建议将基于人群的大型研究与电子健康数据集结合起来,并分析常见的实验室测试,以确定能够促进多囊卵巢综合征诊断的敏感诊断生物标志物。 诊断基于多年来发展的广泛接受的标准化标准,但通常包括临床特征(如痤疮,毛发生长过多和月经不规律),伴有实验室(如高血睾酮)和放射学表现(如卵巢超声显示多个小囊肿和卵巢体积增大)。然而,由于多囊卵巢综合征的一些特征可能与其他疾病如肥胖、糖尿病和心脏代谢疾病共同发生,因此它经常被忽视。 人工智能指的是使用基于计算机的系统或工具来模仿人类的智能,并帮助做出决策或预测。ML是AI的一个分支,专注于从以前的事件中学习,并将这些知识应用于未来的决策。人工智能可以处理大量不同的数据,例如来自电子健康记录的数据,使其成为诊断多囊卵巢综合征等难以诊断的疾病的理想辅助工具。 研究人员对过去25年(1997-2022年)发表的关于该主题的所有同行评审研究进行了系统回顾,这些研究使用AI/ML检测多囊卵巢综合征。在一位经验丰富的NIH图书管理员的帮助下,研究人员确定了可能符合条件的研究。他们总共筛选了135项研究,其中31项被纳入了论文。所有研究都是观察性的,并评估了AI/ML技术在患者诊断中的应用。大约一半的研究包括超声图像。研究参与者的平均年龄为29岁。 在采用标准化诊断标准诊断PCOS的10项研究中,检测准确率在80-90%之间。 Shekhar说:“在一系列诊断和分类模式中,人工智能/机器学习在检测多囊卵巢综合征方面表现非常出色,这是我们研究中最重要的收获。” 作者指出,基于人工智能/机器学习的项目有可能显著提高我们早期识别多囊卵巢综合征女性的能力,节省相关成本,减轻多囊卵巢综合征患者和卫生系统的负担。 具有强大验证和测试实践的后续研究将允许人工智能/机器学习在慢性健康状况中的顺利整合。