0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看技术视频
  • 写文章/发帖/加入社区
会员中心
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

机器学习模型超越人类医师 实现对冠心病人医疗数据的更充分挖掘

电子工程师 来源:yxw 2019-05-30 11:40 次阅读

1100 万人,这是国家心血管病中心发布的中国冠心病患者的最新数字。冠心病全称冠状动脉性心脏病,一般是由于冠状动脉狭窄、血流不通畅导致出现心肌缺血现象,是一种比较普遍的心血管疾病。 当冠状动脉较大的分支完全闭塞、形成血栓时,就出现了冠心病最严重的后果——心梗。这种急性、持续性的缺血缺氧会引起心肌坏死,可能危及生命而猝死。因此,如果能够准确地预测心梗的发生,将会挽救很多生命。 近日,荷兰格罗宁根大学医学中心(UMCG)的实验心脏病学研究人员 Luis Eduardo Juarez-Orozco 等人,利用一个基于集成学习 Boost 方法的机器学习模型(LogitBoost),实现了对冠心病人医疗数据的更充分挖掘,在判断心梗的可能性上,超越了人类医生。

用什么数据?

医疗 AI 领域所面临的最大难题就是数据的匮乏。与常规人脸识别、物体识别等计算机视觉领域不同,研究人员无法使用 ImageNet 等现成的大型图像数据集来训练他们的模型,必须想办法组建高清的专业医疗数据集。 对于冠心病而言,这些数据便是 PET(正电子发射断层显像)和 CT(电子计算机断层扫描)心肌显像结果。PET/CT 是一种权威的辅助诊断方法,利用放射性核素标记的显影剂,PET 可对人体组织进行造影,CT 则是利用X射线断层成像。融合利用两种技术形成的图像可以安全、无创的实现对病变组织的定位,并快速准确的排查病灶。故一些 PET/CT 指标是冠心病的重要特征。 因此,为了建立能够判断冠心病人心梗可能性的模型,Luis Eduardo Juarez-Orozco 等人追踪了 951 例冠心病人 6 年内的一系列临床指标和 PET/CT 结果,组建起了冠心病的数据集。


上图一位患有结节硬化 Hodgkin’s 病的病人的 PET 显影和 CT 显影图。A 为 CT 图,B 为 PET 显影图,C 为 PET 和 CT 共定位图。这些数据具体包括 CCTA(冠状动脉 CT 造影)图像数据所显示的动脉粥样硬化区域、血管狭窄百分比、斑块钙化程度和 PET 心肌灌注所记录的每克心肌每分钟血流量数值。还有抽取自病人病历的临床指标,比如性别、年龄、烟史、糖尿病、高血压、高血脂、家族病史、胸痛、呼吸困难、早期血管重建等记录。用什么模型和特征?

鉴于数据集规模并不大,研究者选择利用集成学习的Boost方法提高模型的效率。他们采用十折交叉验证,建立模型 LogitBoost,对病人是否发生心肌梗死或冠心病致死做出预测,并利用 AUC(Area under Curve Roc,ROC 曲线下面的面积,值越靠近 1,说明二分类模型表现越好)和 ACC(Accuracy,准确率,即正确判断正样本和负样本的概率)指标评估模型结果。 在对前期建立的数据集特征进行层层筛选后,研究人员采取了 85 个特征,既 85 个维度,它们分别来自 10 个临床指标、58 个 CCTA 指标和 17 个 PET 指标。 为了验证各个特征的作用,研究人员选择分批逐步进行训练与测试。当他们仅利用临床指标建模时,模型的 AUC 为 0.65,ACC 为 90%。在引入 PET 指标后,模型 AUC 提升至 0.69,ACC 达到 92.5%。再进一步引入 CCTA 数据让模型 AUC 达到惊人的 0.82,ACC 至 95.4%,远超人类医生水平,这是对冠心病人数据的更高效利用,同时这也说明比起医生仅凭借单纯的指标比对,机器学习模型更能综合利用检测数据的潜在特征,达到更精准的预测。展望

冠心病作为一种普遍高发的疾病,其危险性不容多说,心梗过世并不罕见,并且很多时候由于没有明显症状而被人忽略。人工智能用于医疗领域也不是一天两天,但能够切实可行、广泛用于社会、治病救人悬壶济世,是本模型的优秀之处。充分利用已有的医疗数据,挖掘潜在信息,达到更准确的预测,超越人力,这正是 AI 的初衷。未来的医疗,绝不再会仅靠人类专家。

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
  • 人工智能
    +关注

    关注

    1791

    文章

    47244

    浏览量

    238362
  • 机器学习
    +关注

    关注

    66

    文章

    8414

    浏览量

    132604

原文标题:利用 85 个维度诊断冠心病人心梗可能性,机器学习模型超越人类医师

文章出处:【微信号:deeptechchina,微信公众号:deeptechchina】欢迎添加关注!文章转载请注明出处。

收藏 人收藏

    评论

    相关推荐

    《具身智能机器人系统》第7-9章阅读心得之具身智能机器人与大模型

    医疗领域,手术辅助机器人需要毫米级的精确控制,书中有介绍基于视觉伺服的实时控制算法,以及如何利用大模型优化手术路径规划。工业场景中,协作机器人面临的主要挑战是快速适应新工艺流程。具身智
    发表于 12-24 15:03

    【「具身智能机器人系统」阅读体验】+数据在具身人工智能中的价值

    嵌入式人工智能(EAI)将人工智能集成到机器人等物理实体中,使它们能够感知、学习环境并与之动态交互。这种能力使此类机器人能够在人类社会中有效地提供商品及服务。
    发表于 12-24 00:33

    AI大模型与深度学习的关系

    AI大模型与深度学习之间存在着密不可分的关系,它们互为促进,相辅相成。以下是对两者关系的介绍: 一、深度学习是AI大模型的基础 技术支撑 :深度学习
    的头像 发表于 10-23 15:25 698次阅读

    AI大模型与传统机器学习的区别

    多个神经网络层组成,每个层都包含大量的神经元和权重参数。 传统机器学习模型规模相对较小,参数数量通常只有几千到几百万个,模型结构相对简单。 二、训练
    的头像 发表于 10-23 15:01 601次阅读

    构建语音控制机器人 - 线性模型机器学习

    轮子并识别音频信号,但它仍然无法通过语音命令控制或按预定义路径行驶。 线性控制模型 首先要解决的问题是实现直线驱动。为此,我们使用线性模型来控制提供给车轮的电压。使用线性模型适合对汽车
    的头像 发表于 10-02 16:31 208次阅读
    构建语音控制<b class='flag-5'>机器</b>人 - 线性<b class='flag-5'>模型</b>和<b class='flag-5'>机器</b><b class='flag-5'>学习</b>

    【《大语言模型应用指南》阅读体验】+ 基础知识学习

    今天来学习大语言模型在自然语言理解方面的原理以及问答回复实现。 主要是基于深度学习和自然语言处理技术。 大语言模型涉及以下几个过程:
    发表于 08-02 11:03

    Al大模型机器

    理解能力强大: AI大模型机器人可以理解和生成自然语言,能够进行复杂的对话和语言任务。它们能够识别语言中的语义、语境和情感,并据此作出适当的回应。广泛的知识储备: 这些模型基于大规模的数据
    发表于 07-05 08:52

    机器学习数据分析中的应用

    随着大数据时代的到来,数据量的爆炸性增长对数据分析提出了更高的要求。机器学习作为一种强大的工具,通过训练
    的头像 发表于 07-02 11:22 616次阅读

    名单公布!【书籍评测活动NO.35】如何用「时间序列与机器学习」解锁未来?

    ,如何将机器学习、深度学习或者大模型技术应用在大规模的数据生产中,是一个非常关键的问题。 国内外已出版了许多关于
    发表于 06-25 15:00

    大语言模型:原理与工程实践+初识2

    的一系列变革。 大语言模型是深度学习的应用之一,可以认为,这些模型的目标是模拟人类交流,为了理解和生成人类语言。为此,
    发表于 05-13 00:09

    【大语言模型:原理与工程实践】大语言模型的应用

    的错误。这是因为自然语言书写指令缺乏严格的语法约束,与传统的编程语言相比,容易出现错误。 展望未来,大语言模型和提示工程有着广阔的应用前景。首先,随着技术的不断进步,大语言模型将进一步渗透到
    发表于 05-07 17:21

    【大语言模型:原理与工程实践】揭开大语言模型的面纱

    复用和优化效果。这些趋势共同推动了大语言模型在深度学习研究和应用中的重要地位。数据效应指出大型模型需要更多数据进行训练,以提高性能。其次,表
    发表于 05-04 23:55

    深入探讨机器学习的可视化技术

    机器学习可视化(简称ML可视化)一般是指通过图形或交互方式表示机器学习模型数据及其关系的过程。
    发表于 04-25 11:17 413次阅读
    深入探讨<b class='flag-5'>机器</b><b class='flag-5'>学习</b>的可视化技术

    数据挖掘的应用领域,并举例说明

    数据挖掘(Data Mining)是一种从大量数据中提取出有意义的信息和模式的技术。它结合了数据库、统计学、机器
    的头像 发表于 02-03 14:19 3095次阅读

    如何使用TensorFlow构建机器学习模型

    在这篇文章中,我将逐步讲解如何使用 TensorFlow 创建一个简单的机器学习模型
    的头像 发表于 01-08 09:25 981次阅读
    如何使用TensorFlow构建<b class='flag-5'>机器</b><b class='flag-5'>学习</b><b class='flag-5'>模型</b>