✎ 編 | 王藝

編者按：

這個創新專案將徹底改變醫學——在疾病症狀顯示之前發現它。

當前人工智慧在醫療方面的應用主要集中在腫瘤的篩查以及基因測序方面，然而，基因測序在預測慢性和與年齡相關疾病如心臟病、癌症和糖尿病等方面不太有用。但因這些疾病死亡的患者比其他任何原因更多。根據研究，造成以上疾病的可觀察特徵有70-90％是非遺傳性的。因為在這些疾病中，生活方式和環境發揮重要作用，因此遺傳學在這些疾病的預測方面，只能給我們提供有限的資訊。

最近發表在Scientific Reports期刊上的一項研究可以使我們更接近於這一能力。該文章揭示了常規醫學掃描如何被用來預測人們的健康狀況和死亡風險。

研究人員利用機器學習演算法對48名成年人進行日常胸部CT掃描，這48位受試者年齡均在60歲以上。通過比較每次掃描之間的資料，該系統能夠預測研究參與者將在5年內死亡的機率，準確率約為70％，與人類專家的死亡預測準確率相近。（為了驗證該人工智慧系統的準確率，研究人員使用了已經在五年內生存或死亡的患者的舊資料。）

胸部掃描是衡量健康的極好方法，因為它允許醫生看到心臟，肺和主要血管等關鍵器官和組織。專家通常使用這些影象來檢查像腫瘤這樣的生物標誌物，並測量動脈粥樣硬化斑塊的數量，這是動脈中危險積累的指標。機器學習系統以不同的方式工作，識別患者不同階段胸部掃描結果之間的微妙變化，作為發現潛在危險異常的一種方式。

這意味著研究人員無法確定AI系統到底學到哪些因素與增加死亡機率相關聯。然而，他們知道，使用更大的資料集，系統就可以更好地區分異常情況。目前，研究人員正在進行類似的研究，共有超過12,000名參與者。

「精準放射學」的承諾

這種AI技術的最直接應用是理論上可以分析更多的常規胸部CT掃描資料，並提供風險計算，而無需人類專家花費時間真對每次掃描結果進行分析。

但是令研究人員激動的是該專案的長期影響。

首席研究作者盧克·奧克登·雷納（Dr. Luke Oakden-Rayner）說：“雖然本研究僅使用了一小部分患者樣本，但我們的研究表明，計算機已經學會識別到雜的疾病成像外觀，而人類專家想要擁有這一能力則需要全面的培訓。”阿德萊德公共衛生學院首席研究員Luke Oakden-Rayner博士在一次媒體採訪中提到。“我們的研究為人工智慧技術在醫學影象分析中的應用開闢了新的途徑，可以為早期發現嚴重疾病提供新的希望，希望有關醫療部門能夠提供支援。”

精確醫學背後的基本思想是通過分析大量的健康資料，來確定個體之間的差異對其健康結果的影響。然後，該分析可以幫助個人瞭解他們的獨特特徵如何使他們或多或少地受到某種疾病或病症的影響。

開發這種技術在很大程度上是精益醫學計劃正在進行的研究工作的目標。

到目前為止，現存的許多精密醫學研究主要集中在遺傳學上，因為人類基因組擁有大量關於我們健康的資訊，包括對某些疾病傾向的線索。

但遺傳學在理解慢性和年齡相關疾病如心臟病，癌症和糖尿病方面不太有用。然而，因這些疾病死亡的患者比其他任何原因更多，根據研究，造成以上疾病的可觀察特徵有70-90％是非遺傳性的。因為生活方式和環境發揮重要作用，遺傳學只能給我們有關這些疾病的有限資訊。

為了在這些條件下應用精密醫學方法，研究人員需要不同的健康資料來源——必須是一種非侵入性的，可以為許多人提供大量的資訊的途徑，CT掃描和放射學是最合適的方式。

該專案的研究人員在文章中解釋，一個簡單的掃描可以揭示關於一個人的內部器官的各種資訊。這是許多重大疾病的跡象首先出現的地方之一，即使在病人有所察覺之前。因此，一個可以分析CT掃描並自動檢查疾病指標的系統可以預測許多不同種類疾病的發展。

雖然這項研究是有希望的，但它樣本集確實較少，且僅專注於胸部掃描的資料，仍然需要進行更多的研究。但科學家們希望採用更廣泛的類似的方法幫助醫生早日接觸疾病，防患未然。

如此一來，將是相當革命性的研究成果。

Oakden-Rayner博士說：“通過整合大量的資料和檢測微小模式，自動化系統不是專注於診斷疾病，而是以醫生沒有接受培訓的方式來預測醫療結果。

原文：AI could predict how much time people have left to live by analyzing body scans

2017中國人工智慧大會（CCAI 2017）| 7月22日-23日 杭州
本屆CCAI由中國人工智慧學會、螞蟻金服主辦，由CSDN承辦，最專業的年度技術盛宴：
- 40位以上實力講師
- 8場權威專家主題報告
- 4場開放式專題研討會
- 超過100家媒體報道
- 超過2000位技術精英和專業人士參會