做实验,得iPhone!
2018全球硬科技创新大会生物技术论坛
安诺转录组文章6连发,666~

人工智能的又一课:我们对心脏病风险的理解也许都是错的

2017/04/18 来源:药明康德
分享: 
导读
“人工智能是否能超过人类”早就不再是一个问题。现在的问题在于,人类引以为傲的各个领域中,能有多少个不被人工智能所超越。今日,《科学》官网刊登了一则新闻,宣告了人类的又一次失守。在预测心脏病风险上,人工智能再一次胜过了人类。

“人工智能是否能超过人类”早就不再是一个问题。现在的问题在于,人类引以为傲的各个领域中,能有多少个不被人工智能所超越。今日,《科学》官网刊登了一则新闻,宣告了人类的又一次失守。在预测心脏病风险上,人工智能再一次胜过了人类。


《科学》杂志今日报道,人工智能在预防心脏病风险上“击败”了人类(图片来源:《科学》)

在铺天盖地的癌症报道面前,很少有人意识到,心血管疾病是全球的首要死因——每年,都有将近2000万人由于中风和动脉堵塞等症状死去。可以想象,如果能有效预测心血管疾病的风险,提前进行药物干预,或是改变生活习惯,将有多少条生命能被挽救。

医生们也正是这么做的。通过多年的研究分析,他们发现年龄、胆固醇水平、血压等一系列因素与心血管疾病显著相关。因此,诸如美国心脏病学院(American College of Cardiology)与美国心脏病协会(American Heart Association)制作了完善的指导指南,用来分析每一名患者的心脏病风险。


在多年研究中,科学家们出台了一系列指导方针,评估心脏病风险(图片来源:Heart.org)

可是,人为制定的这些指南,准确吗?

“生物系统有着许多相互作用。”英国诺丁汉大学(University of Nottingham)的Stephen Weng博士说道。在他看来,人类现有的许多工具在高度复杂的人体面前,还是显得太简单了。举例来说,很多人都认为脂肪对身体有害,会增加罹患心血管疾病的可能。但在一些情况下,它反而能保护心脏免受疾病困扰。Weng博士认为,这种反常识的发现彰显了我们对人体认识的不足。

研究人员们担心这种不足会影响心脏病的预防和治疗。举例来说,现有的指南也许无法找到所有能从预防措施中受益的患者。而另一方面,它也有可能给部分患者带来不必要的治疗。为了了解目前对于心脏病风险的预测上是否还能有提升的空间,Weng博士等人想到了近来火热的人工智能。


人工智能时代,我们也许需要重新审视人类所取得的科学进展(图片来源:ExtremeTech)

在基于图像的医学应用上,人工智能早就远远将人类甩在了身后。这并不难理解。每一张电子化的医学图片上都有数亿个像素,在分析这些信息上,计算机远比人眼更为擅长。人们也相信,基于图像的病理诊断将是人工智能在医学领域的一大应用。

但心脏病风险的预测则不然——它几乎不会用到图像信息。相反,用来分析心脏病风险的,都是一些文字与数值(比如性别,年龄,胆固醇浓度等)。利用统计方法,人们早已建立了一套行之有效的风险评估体系。人工智能真的能做出什么新发现吗?

为了验证这一想法,Weng博士与研究人员们开发了基于不同算法的四款人工智能,并让它们阅读近30万份英国居民的医疗记录,自我学习。学习过后,研究人员给它们提供了约83000份在2005年收集到的居民医疗记录,让它们预测在2015年,这些居民是否会出现心脏病。

与当前权威的指导指南相比,这四款人工智能的准确率都显著更高!在一项评分中,标准指南的准确率为72.8%,而这四款人工智能的准确率则为74.5%到76.4%不等。其中一款神经网络的准确率比现有的权威指南高出7.6%,且假阳性率降低了1.6%。Weng博士估计,这表明额外的355条生命有望被拯救——早日确认心血管风险能让这些患者早日服用降胆固醇的药物,或是改变饮食习惯,从而变得更健康。


这四款人工智能的表现都超过了权威的指南(图片来源:PLOS One)

更有趣的是,由于这些医疗资料中含有大量如种族,家族史等原有的指南没有考虑的信息,人工智能得以从一个更全面的角度去评估心脏病风险,而这也做出了一些全新的发现。这款神经网络认为,精神疾病和皮质类固醇的服用位于十大影响心脏病的风险因子之中,而这两个风险因子不在原有的指南里。此外,这四款人工智能无一将糖尿病列为十大风险因子,与目前的权威指南有出入。

“我没法说明这项研究有多重要!”一些心血管医生说道:“我真心希望医生能早日用上人工智能,帮助我们治疗患者。”据估计,人工智能带来的改善,每年有望挽救数百万人心血管疾病患者的性命。


人工智能负责解决问题,人类负责回答问题(图片来源:UCL Blogs)

正如《纽约客》的一则报道所言,人工智能可以解决问题,而人类则可以解释问题。我们期待医生与人工智能互补的那一天早日到来,为患者们带来更好的医疗。

点击“阅读原文”,即可访问原始论文页面。

参考资料:

[1] Can machine-learning improve cardiovascular risk prediction using routine clinical data?

[2] Self-taught artificial intelligence beats doctors at predicting heart attacks

本网站所有注明“来源:生物探索”的文字、图片和音视频资料,版权均属于生物探索所有,其他平台转载需得到授权。本网所有转载文章系出于传递更多信息之目的,且明确注明来源和作者,不希望被转载的媒体或个人可与我们联系(editor@biodiscover.com),我们将立即进行删除处理。所有文章仅代表作者观点,不代表本站立场。