能理解因果關系的AI醫生，實現比醫生更精準的診斷
在全球范圍內，醫院人手短缺、醫生工作過度，都是普遍存在的情況，但是很快這一現象就會因機器學習的大規模應用而得到改善。
實踐證明，一種訓練醫學人工智能（AI）系統的新方法在診斷疾病方面，比以前的工作表現得更加精確。
近日，由倫敦大學學院（University College London）和英國醫療服務提供商巴比倫健康公司（Babylon Health）的研究人員開發的人工智能系統研究成果，刊登在《自然》子刊 Nature Communications 上。
傳統的人工智能系統根據患者出現的癥狀來識別最可能出現的疾病，而與傳統的人工智能系統不同，因果人工智能（causive machine learning）系統的判斷方式更加接近醫生診斷病癥的方式：通過使用反事實問題（counterfactual questions）的方法來縮小可能出現的疾病范圍。
這種人工智能系統可以幫助醫生進行診斷，尤其是對于復雜病例來講。并比現有的人工智能系統更加精確，甚至在一個較小規模的對照試驗中的表現也優于現實生活中的醫生。
理解因果關系的人工智能
在醫學上，相關性和因果關系之間的差異很重要。與醫生診斷不同，現有的癥狀檢查僅根據相關性提供建議，而不是根據因果關系來的。
舉例來講，病人可能因為呼吸急促而到醫院就診。基于相關性的人工智能可能會將呼吸急促與超重（overweight）聯系在一起，進一步把超重與患有 2 型糖尿病聯系起來，并建議使用胰島素。
但基于因果關系的人工智能系統可能會把重點放在呼吸急促和哮喘之間的聯系上，從而探索其他治療方法。
這種被稱為因果機器學習的新人工智能方法在網絡中獲得越來越多的關注，它可以產生一種“想象”，當患者的疾病與原有模版中的疾病不同時，人工智能可能對此癥狀進行自動聯想，從而做出正確的診斷。
在 Nature Communications 上發表的經過同行評審的研究，是研究人員第一次使用因果推理的方式進行臨床試驗，并且研究表明，將相關性與因果關系分離開來，人工智能系統的準確性明顯提高。
論文作者、倫敦大學學院（University College London）Ciarán Gilligan－Lee 說：“我們著手將因果關系放到人工智能中，這樣我們才能找到患者真正的疾病，并據此為他們提供幫助。”
對比試驗結果使人振奮
在這項試驗中，一個超過 20 個人的巴比倫全球醫生團隊共創建了 1671 個真實的醫療救助病例，這些病例包括 350 多種疾病的典型和非典型癥狀。每個病例都是由一位醫生撰寫，然后由其他多位醫生進行驗證，以確保它可以代表一個真實的診斷病例。
另一組 44 名巴比倫全科醫生分別被分配了至少 50 個書面病例進行評估。醫生列出了他們認為最有可能的疾病（每次診斷平均返回 2．58 種潛在疾病）。治療的準確性是由他們在診斷中根據真實疾病的比例來衡量的。
然后，人工智能系統也進行了相同的測試，并使用了一種基于相關性的舊算法（專門為此研究創建，而不是從最新的產品中獲得）和較新的因果算法。對于每項測試，人工智能只能報告與醫生相同數量的答案。
測試結果顯示，醫生的平均分數為 71．40％（±3．01％）；較舊的相關算法執行的效果與普通醫生相同，達到 72．52％（±2．97％）；而新的因果算法得分為 77．26％（±2．79％），得分高于 32 位醫生、與 1 位醫生分數相同、僅比 11 位醫生的得分低。
而且，當涉及非霍奇金淋巴瘤等罕見疾病的時候，新的人工智能系統準確率仍勝過醫生。對于這些情況，它比舊的人工智能系統大約準確率高 30％。
對于這種情況，巴比倫公司科學家、研究論文主要作者 Jonathan Richens 博士介紹說：“我們采用了一種具有強大算法的人工智能系統，賦予它想象不同現實的能力，并考慮如果是另一種疾病會不會出現這種癥狀。在這些書面病例測試中，人工智能系統可以準確檢測患者產生疾病的潛在原因，并獲得比 70％ 醫生都高的評分。”
巴比倫首席執行官兼創始人 Ali Parsa 博士表示：“目前，世界上一半的人幾乎都無法獲得醫療保健服務，因此，我們需要做得更好。而人工智能系統在測試案例中得到的結果令人振奮。”
他繼續補充道：“這不應被當作機器取代醫生而聳人聽聞，因為真正鼓舞人心的是，我們終于得到了能夠提高現有醫療系統的覆蓋范圍和生產力的工具。人工智能系統將是一個重要的工具，幫助我們結束醫療保健資源分配不均的不公正現象，并使地球上的每個人都能更容易負擔得起。”
人工智能診斷廣受好評
巴比倫醫學部副主任兼全科醫生 Tejal Patel 博士說：“我很高興有一天，這種 AI 可以幫助我和其他醫生減少誤診，并騰出時間幫助我們專注于最需要護理的患者身上。我期待這類工具成為標準工具，提高我們現有的工作水平。”
巴比倫首席科學家 Saurabh Johri 博士補充道：“有趣的是，我們發現人工智能和醫生相輔相成，在較困難的情況下，人工智能的得分比醫生更高，反之亦然。此外，該算法對更容易誤診、更嚴重的罕見疾病尤其有效。”
前巴比倫公司成員，UCL 名譽講師 Ciaran Lee 博士說：“因果機器學習方法使我們能夠提出更豐富、更自然的醫學問題。這種方法具有巨大的潛力來改善當前的所有其他癥狀檢查程序，但是它也可以適用于醫療保健和其他領域的許多其他問題，這就是為什么因果人工智能如此引人注目，因為它具有普遍性。”
然而，Gilligan Lee 也認為，醫生可能更擅長于發現更常見的問題。他計劃為該系統尋求監管部門的批準和臨床驗證，目的是將其放入一個應用程序中，患者可以從中獲取有關癥狀的信息和治療的建議。
英國伯明翰國民健康保險基金會信托基金會（University Hospitals Birmingham NHS Foundation Trust）的 Xiaoxuan Liu 表示：“他們在很大程度上描述了一種新的解決問題的技術途徑。論文中的方法論非常好，而且這項技術確實顯示出一些希望。”
Liu 認為，該系統在罕見病診斷方面的表現優于醫生這一事實令人振奮，盡管她警告說，該系統仍處于早期階段，病例數量相對較少。“我們需要看看它現實世界的病例中是如何起作用的，在這些病例中，病史并不是十分清楚的，有時可能是多種疾病相互作用的結果，這些病例對于該系統來講將是一項挑戰。”
總的來說，這項技術為醫生與人工智能之間的未來合作鋪平了道路，這將加快醫生的診斷速度，并進一步提高診斷的準確性，為臨床醫生騰出時間來改善患者的狀況，并提升患者的體驗。此外，它有可能擴大臨床醫生的工作，并繼續推動為患者提供更好的醫療保健系統。
排版：趙辰霞
編審：王新凱
分享
請輸入評論內容...
請輸入評論/評論長度6~500個字
圖片新聞
