一种训练医学人工智能系统的新方法,在诊断疾病方面比以前的方法更准确。相关论文近日刊登于《自然—通讯》。
英国伦敦大学学院等机构的研究人员开发的这一人工智能系统,依靠因果关系而非相关性来查明人体可能出现的问题。它比现有的人工智能系统更精确,并在一个小型对照试验中超过了医生。
传统的人工智能系统根据病人的症状来确定最有可能的疾病。与之不同的是,因果型人工智能系统更接近于医生诊断病人的方式:通过使用反事实问题缩小疾病的可能范围。
相关性和因果性的区别在医学中很重要。病人在医院可能出现呼吸急促,基于相关性的人工智能可能将呼吸急促与体重超重联系起来,并把超重与Ⅱ型糖尿病联系起来,因此建议使用胰岛素。一个基于因果性的系统可能会转而关注呼吸急促和哮喘之间的联系,从而探索其他治疗方案。
论文作者、伦敦大学学院的Ciaran Gilligan-Lee说:“我们试图把因果关系放到现实中,才能真正找到引起病人症状的疾病,并在此基础上帮助他们。”
该系统“学习”了由20多名医生撰写的1671个真实医疗案例摘要,这些摘要显示了大约350种不同疾病的症状。研究人员让英国国家医疗服务体系的44名医生平均每人处理了159例这样的病例,看看他们是否能找出病因。结果显示,他们平均诊断的正确率为71.4%,而基于相关性的人工智能的正确率为72.5%,因果型人工智能的正确率为77.3%。
在治疗非霍奇金淋巴瘤等罕见疾病时,新型人工智能的表现仍优于医生。面对这些疾病,它的准确率比旧的人工智能系统大约高30%。然而,Gilligan-Lee认为,医生更善于识别更常见的问题,因为他们经常遇到这些问题。他计划为该系统寻求监管部门的批准和临床验证,目标是把它放在一个应用程序中,让患者可以获得有关症状和治疗的建议。
“这在很大程度上是一种解决问题的新技术。”英国伯明翰大学医院国民保健服务基金会的刘晓玄(音译)表示,“论文中的方法非常好,而且这项技术似乎显示出了一些前景。”她认为,这个系统在罕见疾病诊断方面的表现优于医生,这令人兴奋,但它还处于早期阶段,病例总结的数量相对较少。“我们需要看看它在现实案例中是如何工作的。在现实世界中,会有多种疾病相互作用的情形。”(来源:中国科学报 唐一尘)
相关论文信息:https://doi.org/10.1038/s41467-020-17419-7
版权声明:凡本网注明“来源:中国科学报、科学网、科学新闻杂志”的所有作品,网站转载,请在正文上方注明来源和作者,且不得对内容作实质性改动;微信公众号、头条号等新媒体平台,转载请联系授权。邮箱:shouquan@stimes.cn。