笔记本电脑排名前十,笔记本电脑品牌排名是什么(11)


但是 , Watson的解决方案是最快提出的 , 但可能不是最好的 。NYGC的临床医生确定了两个基因突变 , 综合考虑后 , 医生建议患者参加一个针对两种组合药物治疗的临床试验 。而如果当时病人的身体条件允许 , 那么他将被纳入这个试验 。
但是 , Watson没有这样综合考虑这个信息 , 因此没有建议进行临床试验 。
先天性白内障诊断 , AI与人类医生打平
中山大学眼科医生Haotian Lin与西安电子科技大学Xiyang Liu的研究小组合作 , 开发了一种能诊断先天性白内障的AI程序CC-Cruiser , 利用深度学习算法 , 预测疾病的严重程度 , 并提出治疗决策建议 。
在计算机模拟中 , CC-Cruiser能够以98.87%的准确度区分患者和健康个体 。评估疾病严重程度时 , 在三个关键指标(晶状体混浊面积、密度和位置)上 , 准确度都超过了93% 。不仅如此 , 系统提供的治疗建议的准确率 , 也达到了97.56% 。
在临床试验中 , CC-Cruiser的表现也十分出色:98.25%的识别准确率 , 所有三个疾病严重指标评估准确率超过92% , 治疗建议准确率为92.86% 。
但Lin强调 , 这种技术还“不足够” , 因为目标是以100%的准确性来确定最佳的治疗过程 。目前系统能做的 , 是帮助医生 , 给出识别和治疗建议 , 同时防止潜在的错误分类 。
所以 , CC-Cruiser并不会让眼科医生很快就失去工作 。而且 , 人的交流和情感互动是医疗当中不可或缺的 , 而模拟人类的情感对于机器来说非常具有挑战性 。
医患之间面对面的互动 , 将成为人类智能的最后堡垒之一 。
皮肤癌诊断 , AI算法与人类医生表现几乎相同
斯坦福大学的研究人员开发了一种深度学习算法 , 识别皮肤癌的准确率与专业的人类医生相当 , 相关研究论文被选为封面论文 , 在2017年2月的一期 Nature发表 。
研究人员训练系统观看了近13万张痣、皮疹和其他皮肤病变的图像 , 覆盖了2000多种不同的疾病类型 。他们使用这一数据集创建了图像库 , 并将其作为原始像素提供给算法 , 每个像素都带有标签 , 描述了相关疾病的附加数据 。
为了测试算法的性能 , 研究人员找来斯坦福医学院的21名皮肤科医生 。实验中 , 算法和人类医生需要完成三项任务:角质细胞癌分类、黑素瘤分类 , 以及使用皮肤镜检查的结果对黑色素瘤进行分类 。
在最后一项测试中 , 研究人员仅使用了高质量、经活检证实的恶性黑色素瘤和恶性癌的图片 。研究人员让参与测试的人类医生观看这些图片 , 并询问他们是“进行活检、治疗 , 还是安慰病人” 。算法在发现所有癌性病变和不得到假阳性结果两方面都表现良好 , 综合准确率为91% , 与人类医生表现相当 。
斯坦福大学的研究人员希望在不久的将来将他们的这项技术投入实用 , 让更多人获得更好的医疗服务 。试想一台就在你智能手机里的皮肤癌检测仪 , 随时随地方便使用 。
AI赋能显微镜能计算血液样本中的疟疾寄生虫
近日 , 一家中国制造商和由比尔·盖茨支持的风险投资公司将宣布计划将显微镜商业化 , 该显微镜使用深度学习算法在20分钟内自动识别和计数血液中的疟疾寄生虫 。AI驱动的显微镜可以加速诊断 , 并实现标准化规模化检测 。

推荐阅读