AI 診斷心電圖 找出需治療的心律不整病患

人工智能雖然會取代許多工作,但同時也會成為各行各業的助手,以數據為基礎提高決策精確性,人工智能在醫療上的應用也是一大商機,過去在科學家努力下,人工智能已經可以從醫療影像發現多種疾病,包括乳癌、皮膚癌、眼科疾病等等,現在研究人員訓練機器學習透過心電圖識別心律不整,結果表現的比專家還好。

人工智能雖然會取代許多工作,但同時也會成為各行各業的助手,以數據為基礎提高決策精確性,人工智能在醫療上的應用也是一大商機,過去在科學家努力下,人工智能已經可以從醫療影像發現多種疾病,包括乳癌、皮膚癌、眼科疾病等等,現在研究人員訓練機器學習透過心電圖識別心律不整,結果表現的比專家還好。

人工智能帶動醫療革命

麻省理工科技評論 (MIT Technology Review) 報導,史丹佛大學人工智能實驗室主任吳恩達 (Andrew Ng) 表示,這次最大突破是讓人工智能透過圖像之外的其他形式資料,如心電圖來診斷病情。

心律不整會導致包括心臟猝死等嚴重的後果,但卻很難事先察覺,所以病人需要配戴心電圖感測器數週時間,但即使如此醫生也很難區別良性與需要治療的心律不整。

史丹佛研究團隊專注在訓練機器學習演算法從心電圖來識別不同形式的不規律心跳症狀。研究人員與生產可穿戴式心電圖裝置的廠商 iRhythm 合作,從不同形式的心律不整患者收集 3 萬個 30 秒的心電圖剪輯,為了評估演算法的準確度,研究團隊使用演算法判斷 300 個未確定的心電圖剪輯,與 5 名心臟病專家的判斷進行比較,另外還找 3 位心臟病專家小組提供認定。

機器深度學習將大量數據饋入大型模擬神經網絡,並對參數進行微調,直到準確識別出有問題的心電圖信號,該方法已經證明在識別圖像和音頻中的複雜模式方面非常拿手,且表現比人類更好,產學界已經開始開發基於機器學習的圖像識別和聲音識別系統。微軟研究院與麻省理工學院還有密西根大學,都在使用機器學習來偵測心律不整疾病。

機器學習可以透過梳理大量不同的數據來發現疾病的痕跡。但報導認為,人工智能在醫療應用上最關鍵的挑戰是說服醫生和患者相信演算法,由於深度學習過程太複雜以致很難理解,所以找到容易解釋的方式,對建立信任和精進治療來說非常重要。

吳恩達認為人工智能帶動的醫療革命即將到來,雖然要讓演算法納入衛生保健系統的工作還需要很多努力,但他相信 10 年後的醫療保健將會使用更多人工智能,並且作法會與現在看到的非常不同。

 

(本文由 TechNews 授權轉載)