女性想健康,AI来帮忙

今天是国际妇女节,药明康德AI在这里先祝所有的女性读者们节日快乐!今年国际妇女节的主题是“思想图平等、建设靠才智、创新谋变革”,采取综合方法和新的解决方案促进性别平等,增强妇女和女童的权能。

图片来源:Pexels

要确保女性能在社会中发挥更大的作用,首先要确保她们的健康。在守护女性健康和医疗平等上,AI科学家和AI都在努力,共同为妇女同胞们创造一个更好的医疗环境。

乳腺癌筛查新锐

来自印度卡纳塔克邦的Niramai公司今年入选了CB Insight的AI 100榜单。该公司的核心服务由一款基于AI的电子辅助诊断引擎Thermalytix提供。通过AI和机器学习,Thermalytix可以利用热成像数据综合分析,筛查乳腺癌。

配合自主研发的交互界面,医生可以获取详细的筛查报告和患者的健康数据。该公司也正在积极走进社区,为提高乳腺癌筛查率、及早发现乳腺癌作出贡献。目前,Niramai正在蓬勃发展,已经接近获得600万美金的A轮融资。

图片来源:123RF

另外,圣地亚哥海军医学中心(Naval Medical Center San Diego)和Google AI的研究人员开发出了一个新的AI系统LYNA,实现了对转移性乳腺癌患者更好的诊疗辅助。LYNA的深度学习模型基于开源图像识别,可利用癌症检测算法自主评估淋巴结活检。

由于淋巴结转移会影响乳腺癌患者放疗、化疗和手术方案的制定,所以及时准确地识别淋巴结转移有十分重要的意义。LYNA系统在测试中,实现了99%的检测准确度,能有效地减少淋巴结转移漏检情况的发生

新型AI筛查宫颈癌准确率高达91%

虽然HPV疫苗已经在国内上市,但是由于供应量短缺和年龄限制,很多人不能及时获得接种。在很多医疗环境匮乏的地区,妇女健康也面临着宫颈癌的威胁。

美国国立卫生研究院(NIH)的研究人员开发出了一种计算机算法,通过分析子宫颈的数字图像,识别和诊断宫颈癌。研究人员使用了综合数据集来训练机器学习算法,从而识别医学图像等复杂视觉输入。

在使用这套自动视觉评估算法筛查宫颈癌前期病变时,准确率达到了91%,远高于人类专家评估(69%)和常规细胞学检查(71%)。如果将这种算法与HPV疫苗、新型宫颈癌检测技术和不断改进的治疗手段相结合,宫颈癌也有望得到有效的控制

AI四倍精准预判卵巢癌预后

卵巢癌是一种较为常见的癌症,常发生于更年期后或有家族史的女性。卵巢癌的远期生存率较差,通常仅有35%-40%。为解决这个问题,帝国理工学院和墨尔本大学的研究人员开发出了一款新的AI系统TEXLab,以期解决卵巢癌预后难以判断的问题

该AI平台检定了四项会影响生存率的生理指标:肿瘤的结构、形状、大小、基因组成,并生成一个数值来评估疾病的严重程度和预后情况,分数越高则病情越严重。

经研究,用AI算分得出的患者生存期评估比基于血检并人工计算的预估精确四倍以上。新的AI系统也可以用于确认那些不适于常规癌症疗法的患者,并为他们提供其他替代方案。

女性的步履不停,不断为世界创造精彩。AI也不甘落后,努力为女性提供更加升级的医疗服务。最后,药明康德AI再次祝广大女性三八妇女节快乐!

参考资料:

[1]Google AI claims 99% accuracy in metastatic breast cancer detection. Retrieved October 15, 2018, from https://venturebeat.com/2018/10/12/google-ai-claims-99-accuracy-in-metastatic-breast-cancer-detection/

[2] AI approach outperformed human experts in identifying cervical precancer. Retrieved January 15, 2019, from https://www.eurekalert.org/pub_releases/2019-01/nci-aao010819.php

[3] Artificial intelligence can predict survival of ovarian cancer patients. Retrieved Feb 20, 2019 from https://www.eurekalert.org/pub_releases/2019-02/icl-ai021319.php

药明康德AI
药明康德AI

药明康德微信团队专业打造。当人工智能遇上大健康,带你看全AI时代的智慧之光。

专栏二维码
产业图像识别深度学习机器学习卵巢癌宫颈癌乳腺癌
相关数据
深度学习技术

深度学习(deep learning)是机器学习的分支,是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。 深度学习是机器学习中一种基于对数据进行表征学习的算法,至今已有数种深度学习框架,如卷积神经网络和深度置信网络和递归神经网络等已被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。

机器学习技术

机器学习是人工智能的一个分支,是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。

准确率技术

分类模型的正确预测所占的比例。在多类别分类中,准确率的定义为:正确的预测数/样本总数。 在二元分类中,准确率的定义为:(真正例数+真负例数)/样本总数

推荐文章
暂无评论
暂无评论~