人工智能在临床应用中的新进展

来自Radboudumc的研究人员在临床环境中推进了人工智能（AI）的发展，展示了AI如何像医生一样诊断问题，并展示了它如何达到诊断结果。AI已经在这个环境中发挥作用，用于快速检测可能被专家标记为疾病的异常。人工智能已经被越来越多地用于医学影像的诊断。传统上由医生研究X光片或活检来识别异常的工作现在可以通过AI完成。通过使用深度学习，这些系统可以自行诊断，往往与人类医生一样准确，甚至更准确

人工智能在临床环境中的应用

这些系统并非完美。一个问题是，AI无法展示它如何分析图像并达到诊断结果。另一个问题是，它们不会做任何额外的事情，一旦达到特定的诊断结果，就会停止。这可能会导致系统漏掉一些异常，即使诊断结果是正确的

在这种情况下，人类医生更擅长观察患者、X光片或其他图像

研究人员现在正在解决这些问题。Christina González Gonzalo是Radboudumc A-eye研究和诊断图像分析小组的博士生

人工智能的进步

González Gonzalo开发了一种新的诊断AI方法，使用眼部扫描来发现视网膜的异常。这些特定的异常可以被人类医生和AI轻松发现，通常成组出现

在AI系统的情况下，它会诊断出一个或几个异常，然后停止，展示出使用此类系统的缺点。为了解决这个问题，González Gonzalo开发了一个过程，其中AI会多次检查图像。当它这样做时，它会学习忽略已经覆盖的区域，这使得它能够发现新的异常。此外，AI还会突出可疑区域，使整个诊断过程更加透明

这种新方法不同于传统的AI系统，它们的诊断基于对眼部扫描的单次评估。现在，研究人员可以看到新的AI系统如何达到其诊断结果

为了忽略已经检测到的异常，AI系统会用周围的健康组织填充这些异常。然后，诊断结果是基于所有评估轮次的综合结果

研究发现，这种新的系统提高了糖尿病视网膜病变和年龄相关性黄斑变性的检测敏感性，提高了11.2+/-2.0%

这种新的系统可能会真正改变AI在诊断疾病方面的应用，最大进步是它能够展示诊断过程的透明度。这一透明度将使得更多未来的改进和进步成为可能，最终目标是开发出一种能够比人类专家更准确、更快速地诊断问题的AI系统。这一切都可能导致一个更加可靠的系统，可能会导致其在更广泛的领域内被广泛采用，带来更多的未来改进和进步，目标是开发出一种能够比人类专家更准确、更快速地诊断问题的AI系统，所有这些都可能导致一个更加可靠的系统，可能会导致其在更广泛的领域内被广泛采用