✎ 编 | 王艺

最近发表在Scientific Reports期刊上的一项研究可以使我们更接近于这一能力。该文章揭示了常规医学扫描如何被用来预测人们的健康状况和死亡风险。

研究人员利用机器学习算法对48名成年人进行日常胸部CT扫描，这48位受试者年龄均在60岁以上。通过比较每次扫描之间的数据，该系统能够预测研究参与者将在5年内死亡的几率，准确率约为70％，与人类专家的死亡预测准确率相近。（为了验证该人工智能系统的准确率，研究人员使用了已经在五年内生存或死亡的患者的旧数据。）

胸部扫描是衡量健康的极好方法，因为它允许医生看到心脏，肺和主要血管等关键器官和组织。专家通常使用这些图像来检查像肿瘤这样的生物标志物，并测量动脉粥样硬化斑块的数量，这是动脉中危险积累的指标。机器学习系统以不同的方式工作，识别患者不同阶段胸部扫描结果之间的微妙变化，作为发现潜在危险异常的一种方式。

这意味着研究人员无法确定AI系统到底学到哪些因素与增加死亡机率相关联。然而，他们知道，使用更大的数据集，系统就可以更好地区分异常情况。目前，研究人员正在进行类似的研究，共有超过12,000名参与者。

这种AI技术的最直接应用是理论上可以分析更多的常规胸部CT扫描数据，并提供风险计算，而无需人类专家花费时间真对每次扫描结果进行分析。

但是令研究人员激动的是该项目的长期影响。

首席研究作者卢克·奥克登·雷纳（Dr. Luke Oakden-Rayner）说：“虽然本研究仅使用了一小部分患者样本，但我们的研究表明，计算机已经学会识别到杂的疾病成像外观，而人类专家想要拥有这一能力则需要全面的培训。”阿德莱德公共卫生学院首席研究员Luke Oakden-Rayner博士在一次媒体采访中提到。“我们的研究为人工智能技术在医学图像分析中的应用开辟了新的途径，可以为早期发现严重疾病提供新的希望，希望有关医疗部门能够提供支持。”

精确医学背后的基本思想是通过分析大量的健康数据，来确定个体之间的差异对其健康结果的影响。然后，该分析可以帮助个人了解他们的独特特征如何使他们或多或少地受到某种疾病或病症的影响。

开发这种技术在很大程度上是精益医学计划正在进行的研究工作的目标。

到目前为止，现存的许多精密医学研究主要集中在遗传学上，因为人类基因组拥有大量关于我们健康的信息，包括对某些疾病倾向的线索。

但遗传学在理解慢性和年龄相关疾病如心脏病，癌症和糖尿病方面不太有用。然而，因这些疾病死亡的患者比其他任何原因更多，根据研究，造成以上疾病的可观察特征有70-90％是非遗传性的。因为生活方式和环境发挥重要作用，遗传学只能给我们有关这些疾病的有限信息。

为了在这些条件下应用精密医学方法，研究人员需要不同的健康数据来源——必须是一种非侵入性的，可以为许多人提供大量的信息的途径，CT扫描和放射学是最合适的方式。

该项目的研究人员在文章中解释，一个简单的扫描可以揭示关于一个人的内部器官的各种信息。这是许多重大疾病的迹象首先出现的地方之一，即使在病人有所察觉之前。因此，一个可以分析CT扫描并自动检查疾病指标的系统可以预测许多不同种类疾病的发展。

虽然这项研究是有希望的，但它样本集确实较少，且仅专注于胸部扫描的数据，仍然需要进行更多的研究。但科学家们希望采用更广泛的类似的方法帮助医生早日接触疾病，防患未然。

如此一来，将是相当革命性的研究成果。

Oakden-Rayner博士说：“通过整合大量的数据和检测微小模式，自动化系统不是专注于诊断疾病，而是以医生没有接受培训的方式来预测医疗结果。

原文：AI could predict how much time people have left to live by analyzing body scans

 

http://www.businessinsider.com/radiology-precision-medicine-mortality-chronic-disease-2017-6