人工智能如何助力人类疾病研究? |
![]() |
本文中,小编整理了多篇重要研究成果,共同解读科学家们如何利用人工智能来助力人类疾病研究,分享给大家!
图片来源:medicalxpress.com
【1】 人工智能完胜人类专家!
doi:10.1038/s41586-019-1799-6
近日,一项刊登在国际杂志Nature上的研究报告中,来自谷歌健康公司的科学家们通过研究开发出了一种新型的计算机程序,其能通过常规扫描,以比人类专家更高的准确率对乳腺癌进行和检测。乳腺癌是女性群体中最常见的一种癌症类型,仅去年一年就有超过200万的新确诊病例,在没有明显症状的患者群体中,进行定期筛查对于发现疾病的早期症状至关重要;在英国,50岁以上的女性会被建议每三年进行一次乳腺X光检查,同时检查结果由两位独立的专家进行分析。
但对扫描结果的解读往往留有出错的余地,而且在所有乳腺X光检查中,有一小部分结果会被出现假阳性(将健康人群误诊为患有癌症)或假阴性(将疾病阳性误诊为阴性)。这项研究中,研究人员通过研究,成功利用人工智能模型对英国和美国的数千名女性进行乳腺癌的扫描检测;这些图像在现实生活中已经被医生分析检查过了,但与临床环境不同的是,机器(人工智能算法)并没有依据病人的病史来进行疾病的。
【2】
doi:10.1080/14737159.2019.1659727
日前,一项刊登在国际杂志Expert Review of Molecular Diagnostics上的研究报告中,来自兰卡斯特大学等机构的科学家们通过研究开发出了一种新方法,其或能识别出不同类型乳腺癌的特殊化学“指纹”,这些指纹就能被用来开发一种AI,从而制造出一种新型工具快速且准确地对乳腺癌进行。
文章中,研究人员利用一种名为“拉曼光谱”的专门化学分析技术对活组织进行分析,识别出了多种类型乳腺癌的分子结构特性以及每一种癌症彼此之间的差异。拉曼光谱分析能提供细胞的实时信息,并用来检测细胞的行为、扩散以及在机体中何时出现等。当识别出乳腺癌细胞的化学指纹并观察到其改变的方式后,研究人员就能利用这些信息来训练复杂的机器学习算法识别四种不同的癌症亚型。
【3】的诊断
doi:10.1038/s42256-019-0101-9
每天,医学实验室或诊所等机构都要对数百万个单细胞的工作。大部分重复性工作仍由受过训练的细胞学家手动完成,他们通过检查染色涂片中的细胞并将其分为大约15个不同类别。为了顺利完成上述工作,需要具备专业知识且训练有素的细胞学家。
为了提高细胞分类以及检测效率,Helmholtz Zentrum München和慕尼黑LMU大学医院的一组研究人员“训练”了一个具有近20,000个单细胞图像的深层神经元网络。在这项研究中,来自Helmholtz ZentrumMünchen的计算生物学研究所的Carsten Marr博士与Christian Matek博士以及来自LMU慕尼黑大学医院的med Karsten Spiekermann和Simone Schwarz教授对 100例患有侵袭性血液病AML的患者和100例对照志愿者的血液涂片中提取了相关的图像并且进行分析。通过比较其与人类专家的检测准确性,从而评估AI驱动的检测方法的效果。结果表明,由AI驱动的解决方案能够取得与训练有素的细胞学家一样好的成绩。
【4】
doi:10.1016/j.jbi.2019.103270
近日,一项刊登在Journal of Biomedical Informatics杂志上的研究报告中,来自国外的研究人员利用机器学习处理未标记的电子健康记录(electronic health record ,EHR)数据,揭示了心血管疾病(cardiovascular disease,CVD)的发生过程。
这项研究基于自动化的患者表型(如果眼睛的颜色是一种特征,那么蓝色眼睛就是一种表型)和丰富的纵向数据。Zhaojuan博士、weiqi博士和他的同事收集了12380例至少在CVD前10年被识别的患者记录。自动扫描在该数据集中发现了1068种不同的患者表型。
【5】
doi:10.1186/s13073-019-0670-6
在最近的研究中,科学家开发了一种计算方法,可以帮助增进对克罗恩病(Crohn Disease,一种引起消化道炎症的疾病)的理解和治疗。由罗格斯(Rutgers)领导的这项研究发表在Genome Medicine杂志上。该研究利用人工智能检查了111人中克罗恩氏病的特征。该方法揭示了以前未发现的与疾病相关的基因,并准确预测了其他数千人是否患有该疾病。
医药网新闻
- 相关报道
-
- Cell:新研究揭示运动通过促进肠道细菌产生甲酸,增强免疫疗法的抗癌疗效 (2025-07-25)
- Cell:新研究发现一类未知的RNA分子竟可促进外周神经再生 (2025-07-25)
- 血管里的“危险信号兵”!MedComm:颈动脉斑块小囊泡携特定微RNA揭示动脉硬化风险,助力精准判断斑块稳定性 (2025-07-25)
- Cell:肝脏通过全身信号反应驱动癌症恶病质 (2025-07-24)
- J Gen Physiol:蛋白cMyBP-C对维持心脏健康至关重要 (2025-07-24)
- 孔雀开屏:首都医科大学最新论文登上Cell子刊封面 (2025-07-24)
- CSC:促癌异常竟成阿尔茨海默病保护伞?贝勒医学院团队发现,TET2突变型髓系细胞会进入大脑和增强吞噬作用,抑制阿尔茨海默病发展 (2025-07-24)
- Nature:从肿瘤坏死到转移,中性粒细胞竟藏着如此惊人“秘密” (2025-07-24)
- 华人学者最新Cell论文:老药新用显奇效,逆转阿尔茨海默病,恢复记忆力 (2025-07-24)
- Nature头条:新冠大流期间,人类大脑衰老加快,即便未感染的人也是如此 (2025-07-23)
- 视频新闻
-
- 图片新闻
-
医药网免责声明:
- 本公司对医药网上刊登之所有信息不声明或保证其内容之正确性或可靠性;您于此接受并承认信赖任何信息所生之风险应自行承担。本公司,有权但无此义务,改善或更正所刊登信息任何部分之错误或疏失。
- 凡本网注明"来源:XXX(非医药网)"的作品,均转载自其它媒体,转载目的在于传递更多信息,并不代表本网赞同其观点和对其真实性负责。本网转载其他媒体之稿件,意在为公众提供免费服务。如稿件版权单位或个人不想在本网发布,可与本网联系,本网视情况可立即将其撤除。联系QQ:896150040
![]() |
![]() |
解决便秘的偏方 | 女孩向往 |
![]() |
![]() |
婴儿出生时瞬间 | 西红柿养生功效 |
![]() |
![]() |
![]() |
![]() |
|||||||||||
|