AI发现在诊断、治疗病人方面比医生强

最新研究显示,将用于语音识别和信用卡欺诈检测的技术应用到医疗中,可以降低医疗成本,并将患者的预后提高近50%。

印第安纳大学的研究发现,使用机器学习算法的患者数据可以通过模拟建模大大提高医疗成本和医疗质量。

计算机模型模拟了未来的许多替代治疗途径,并随着新信息的出现而不断规划和重新规划治疗。换言之,它可以“像医生一样思考”,根据大学的说法。

这不是人工智能第一次应用于医疗保健领域。

去年,IBM宣布,它的Watson超级计算机将用于评估医生的循证癌症治疗方案,使决策过程缩短到几秒钟。沃森超级计算机首先提供给西达斯西奈的塞缪尔奥辛综合癌症研究所在洛杉矶。那年晚些时候,沃森被请来帮助纪念斯隆凯特林癌症中心的医生诊断和治疗癌症患者。

印第安纳大学的这项新研究是非疾病特异性的——只要插入相关信息,它就可以用于任何诊断或疾病。这项研究旨在解决与美国医疗保健有关的三个问题:预计到2050年,成本上升将达到国内生产总值(gdp)的30%;患者接受正确诊断和治疗的时间不到第一次就诊时间的一半的医疗质量;以及医疗保健研究与实践之间存在13至17年的滞后时间临床护理,大学说。

这项研究是由计算机科学助理教授克里斯豪瑟和博士生凯西C贝内特。研究人员使用500名随机选择的病人进行计算机模拟。

这两位研究人员获得了中心石研究所(Centerstone Research Institute)保存的6700名患者的临床数据、人口统计数据和其他信息。中心石研究所是一家以社区为基础的非盈利行为医疗机构。60%至70%的患者有严重的临床抑郁症诊断,但也有慢性身体疾病,包括糖尿病、高血压和心血管疾病,这是在模拟中使用的。

利用真实的病人数据,研究人员将医生的实际表现和病人的结果与计算机决策模型进行了比较。

贝内特说,人工智能模型使病人的积极结果提高了30%到35%。

他说:“我们确定,调整某些模型参数可以提高结果优势,以大约一半的成本提高50%左右。”。

贝内特说,诊断和治疗一个病人的费用是189美元,而通常的治疗费用是497美元。

贝内特说:“这种框架很容易超越目前的照常治疗、病例率/服务收费的医疗模式。”。

研究人员使用被称为“马尔可夫决策过程”和“动态决策网络”的数学建模框架来进行测试。贝内特说,计算机模型预先考虑了所有可能的动作序列和医疗效果,“即使是在我们不确定效果的情况下”。

“建模让我们看到了更多的可能性,这是医生很难做到的,”豪瑟补充说他们只是没有这些信息。”

Hauser和Bennett以前的研究已经证明了机器学习如何在单个时间点为单个患者确定最佳治疗方案。这是他们第一次对一大群病人使用计算机建模。

Lucas Mearian为Computerworld提供存储、灾难恢复和业务连续性、金融服务基础设施和医疗IT服务。在Twitter@lucasmearian上关注卢卡斯,或者订阅卢卡斯的RSS提要。他的电子邮件地址是lmarian@computerworld.com。

更多卢卡斯·米利安计算机世界.com.