自从医学AI诞生以来，其临床价值和社会意义一直备受关注。医学AI技术在疾病早期筛查中的应用，帮助临床医生对肺癌和乳腺癌等重大疾病进行早期筛查，也是许多AI公司的共同梦想。 Google推出了AI早期肺癌检测系统，准确率达94％。幸运的是，随着AI在医疗领域的广泛使用，通过计算机技术进行各种癌症的高效，准确的早期诊断和筛查已成为可能。最近，该杂志更新了Google在美国的最新研究状况。谷歌人工智能部门，斯坦福大学，纽约大学等的丹尼尔·谢（Daniel Tse）共同开发了一种深度学习模型，该模型可以根据扫描的图像预测肺癌的风险，该图像比医生早发现了一年。肺癌使患者的生存率提高了40％。研究人员表示，人工智能系统不仅可以预测整体肿瘤，还可以识别出细微的恶性组织;通过比较之前和之后两次扫描的数据，AI系统还可以评估肺结节的增长率。通过学习42290 CT扫描图像，这种深度学习模型无需依靠人工干预即可预测肺结节的恶性程度。同时，它在6716个测试病例中检测微小恶性肺结节的准确性达到94％。尽管该模型仍然需要进行大规模的临床验证，但这一发现仍然表明AI系统可能成为促进肺癌筛查，改善肺癌患者的治疗和预后以及降低社会医疗费用的武器。人工智能使用面部图像来帮助识别遗传综合症。今年1月，美国FDNA分析技术公司在对超过17,000个真实患者的面部图像进行了培训之后，对人工智能进行了培训，以高精度识别罕见的遗传综合征。研究人员使用两个独立的测试数据集来测试人工智能的性能。每个数据集包含数百名患者的面部图像，这些图像已由临床专家进行了分析。对于每个测试图像，人工智能都会以一定顺序列出各种潜在的综合症。在这两组测试中，大约90％的案例中，人工智能提出的前10条建议中包含正确的综合症，超过了其他三个实验中临床专家的表现。尽管本研究中使用的测试数据集相对较小，尚未与其他现有的识别方法或人类专家直接进行比较，但研究结果表明，人工智能有望在临床实践中帮助罕见遗传综合征的优先治疗。划分和诊断。 AI可以准确预测高血压治疗的效果今年3月，Wu Enda宣布斯坦福实验室团队使用机器学习方法来更准确地预测患者在治疗高血压方面的可能效果。在一般的心血管疾病中，疾病治疗带来的绝对风险降低（ARR）与疾病的基线风险有关，也就是说，高风险患者可以从治疗中获得更多收益。斯坦福实验室使用随机试验数据来开发可以估算个体治疗效果的模型。 AI辅助结肠镜检查已将腺瘤的检出率提高了近50％。四川省人民医院刘晓刚主任带领团队，并与哈佛医学院贝斯以色列女执事医学中心的研究人员合作，使用了基于深度学习的高性能CADe系统。一项前瞻性随机对照试验，可以帮助内窥镜检查员检测患者的结肠息肉。在实验中发现，与标准结肠镜检查相比，AI系统辅助结肠镜检查的检出ADR（腺瘤检出率）提高了近50％。每位患者检测到的平均腺瘤数目也增加了，AI检测到了更小的腺瘤。在该小组的初步研究中，该算法的灵敏度为94.38％，特异性为95.92％，接收器工作特性曲线（AUC）下的面积为0.984（越接近1，精度越高） 。此外，通过使用多线程处理系统，AI可以以至少每秒25帧的速度处理实时视频，延迟时间为76.80±5.60毫秒。对于内镜医师而言，检测延迟几乎是微不足道的。尽管该研究有很多需要改进的地方，但这项研究表明基于深度学习的AI系统可以显着提高结直肠癌的检测率