机器学习深入应用医疗领域开启新战场
- 来源：中国智能制造网
- 编辑：未闻花名
- 2017/9/8 8:56:58
- 48007
随着大数据的深入应用，机器学习已经进入医疗领域。机器学习的融入带来的是医疗系统诊断准确性的大大提高，如今它不仅能为病患量身定制治疗方案，甚至还可以取代部分医生的工作。
机器学习的特点不仅在于它的静态输出，还在于它能够根据数据进行、自主学习。机器学习可以科学地部署医护人员以便能更好地完成任务。它会减少人类去做常规、耗时、高重复型工作，腾出的人员会被重新部署，以支持更“”的工作。不过与传统的研究项目相反，机器学习项目在产品开发时就还需有较高水平的临床医生的全程参与。
在过去数年间，出现了诸多“机器”准确进行医学诊断的神奇例子。随着机器学习在医疗领域应用的不断加深，越来越多的机器学习改进医疗服务的例子渐次涌现。
谷歌公司研究人员研发出一种新型算法，可以对糖尿病视网膜病变进行早期筛查。糖尿病视网膜病是一种可以致盲的常见病症，据信大约1/3的糖尿病人都会深受其扰。这种病症是由于糖尿病导致眼部静脉血管受损所致，病人的视力会不断下降。早发现对于该疾病的有效治疗非常关键。
谷歌公司研究人员希望借助机器学习改善视网膜病变诊断的准确性和客观性，进而改善眼疾医治水平。他们给装有新型算法的筛查设备“饲喂”大量视网膜医学图片，以训练其对视网膜病变进行筛查确认的能力。
无独有偶，麻省理工学院也曾利用机器学习系统改善医疗服务。麻省理工学院的计算机科学和人工智能实验室采用包括电子健康数据记录等多种类型的医疗数据以预测医疗情况。两个团队分别创建了“ICU干预”和“EHR模型迁移”机器学习方法，致力于改进患者护理条件。
该团队发现，名为“重症监护室干预(ICUIntervene)”的机器学习方法，在预测干预措施方面优于从前，并且特别擅长预测血管加压素的需要，这是一种用于收紧血管并提高血压的药物。
将来，研究人员将努力改进ICU干预，以便能够为患者提供更多个性化护理，并为决策提供更先进的预测，例如为什么一个患者有可能逐渐减少类固醇，又或是为什么另一个患者可能需要进行内镜检查。
而另一个团队则开发出了“EHR模型迁移”的方法。利用EHR模型迁移，该团队测试了其模型对两种结果的预测能力：死亡率和长期住院需求。他们在一个EHR平台上对模型进行了训练，然后在不同的平台对其预测进行了测试。发现EHR模型迁移优于普通方法，并且与单独使用EHR特异性事件相比，EHR预测模型能够更好地进行数据迁移。
版权与免责声明：凡本网注明“来源：智能制造网”的所有作品，均为浙江兴旺宝明通网络有限公司-智能制造网合法拥有版权或有权使用的作品，未经本网授权不
展开全部
热门评论