CCI创新周讯机器学习如何改变心脏超
导读
几乎可以肯定，智能软件解决方案(又称深度学习、人工智能、机器学习)，并不能取代心脏科医生。然而，它们将取代当今广泛采用的、由于手段有限而并非最优的心脏病诊断流程，而心脏科医生将因此受益。以下列举一些创新型健康信息技术(IT)公司正在开发的一些心超成像技术，借此让我们更好地了解这个流程如何被重塑、被替代的环节以及怎样的机器学习与之相关。
从IT的角度来看，关键问题是机器学习在提高流程质量和护理质量方面将发挥怎样的作用。这个问题的答案解释了智能软件的特征——对识别模式和决策方式进行机器训练。下一个顺理成章的问题是“我们如何评测AI的结论”？
AI是理解，而不是用心学习
数据的有效性通常被认为是机器学习神经网络的唯一质量标准。然而，有效的数据本身并不能构成机器学习系统。在此，人工智能就像生物智能一样工作:无论数据多么“有效”，一个不那么聪明的医学生只是用心记住案例却不了解基本原理，将永远不会成为一个好医生。真正的智能软件是建立在学习如何理解基本原理的网络基础上。因此，在数据之外，必须从每个临床病例中挑选出偶然因素并用于训练，以便AI能够识别取舍并纠正错误。
在医学上，绝对真理是非常罕见的。三位心脏科医生会得出三种不同的结论，并用三种不同的方式诠释完全一样的超声图像。软件必须能够处理这些差异。与人脑不同，AI的关键特征是不会产生统计异常。因此，一个既定检查的多种解读方式都必须“喂”给神经网络，以便其自身能够得出主流诊断意见。而且，它必须不断与人类的智慧竞争。在软件开发方面，临床合作伙伴不仅是案例提供者，也是永远的陪练。
无论谁将人类心脏委托给软件算法，都应该非常仔细地了解背后的机器学习方法，因为这种方法能区分出软件的好坏。
AI可以替代常规性事务,为疑难杂症留出更多时间
对于任何训练有素的AI软件来说，一个重要的应用领域是进行常规心脏超声检查并为人工检查提供参考(例如进一步诊断)。当一个也许是癌症患者需要定期做心脏超声检测，好的软件可以自动执行所有必要的测量。它调用以前的检查结果，从图像库中选择合适的图像，并在适当的平面中测量。它还会进一步将测量结果与类似案例的参考值进行比较。对于随后的人工检查来说，该软件为医生提供了一种基于相关性、关键内容或标准答案式的选择。要完成检查，医生将被流程控制程序引导，从而确认结果并开出处方。在临床常规工作中，这种自动化流程节省了大量时间，提高了报告质量。
自动化实现真正的移动性
移动超声设备使用非常方便，但如果无法测量和评估产生的数据，其潜力就无法完全实现。智能软件包的自动化功能缩小了生成和评估数据之间的差距，因为无论是选择适当的图像系列，缩放还是设置检测点，它们已经摈弃了必须在（小）触摸屏上手动执行的许多工作流程。
该主题中的另一个重要方面是将数据传输到云端或服务器上的正确存储位置。移动设备的存储空间通常太小，无法长期存储复杂的检查结果。更别提所需耗费大量的电力和算力，这会使电池和处理器“疲于奔命”。因此，必须外包数据处理工作。
尽管如此，仍有观点支持使用移动设备。在医疗健康网络中，实时获取移动设备上进行的检查结果，使得医生和部门之间可以快速做出决策，并确保诊断过程无缝连接。即使在去中心化系统中，也能促进更快地诊断。医院没有心脏科或需要第三方的专业知识？没问题，因为第三方可以通过移动设备或浏览器在任何时间和地点轻松访问所有被预先分类和测量的相关图像。另一种应用场景是急诊医师将超声图像从事故现场直接发送到终端，医院时，心脏科医生已经查看了所有相关图像，测量结果以及应对方案。
人工智能有助于质量控制和可重复性
特别是在日常任务中，自动化流程可以提高质量控制，因为它们可以确保始终根据预定义的模式执行和记录超声检查，而人工操作难以办到。没时间或缺乏经验往往会导致在诊断和记录方面产生截然不同的结果，这会让就医质量大打折扣。自动化过程，可通过指出缺失的图像序列或通过始终如一地使用相同的测量标准等消除质量差异。因此，智能软件可以确保指定的设备或网络节点内的标准是确定的，这有助于某些治疗路径的依从性。医院管理也是一个福音，因其在与保险公司或诉讼律师沟通中需要严谨的质控和文书。
即便现在，许多心脏超声检查也可以自动化，例如在心腔径线及血流速度测量中的应用，已经提高了诊断质量。未来的新一代软件将能够以一种更易于理解，可重复以及科学合理的方式使用神经元网络更快地做出决策。人工智能会将心脏科工作人员从繁杂的工作中解脱出来，以便更专注于他们的核心竞争力，花更多的时间照顾病人。
编译者简介
许师明
医院
许师明博士，医院，CCI一期学员。毕业于北京大学，曾在斯坦福大学医学院从事心血管疾病研究。深信人工智能的巨大潜力，致力于开发人工智能在医疗中的技术应用。
专家评论
孔令秋
成医院
孔令秋医学博士
成医院心内科副主任
CCI三期学员
中国CTO老伙计俱乐部成员
中国医药教育协会麻醉超声专委会副主任委员
中国医药教育协会重症超声专委会常委
中国医促会健康医疗与大数据分会委员
中国医促会心血管预防与治疗青年委员会常委
四川省中西医结合学会心血管专委会委员
四川省中医药学会介入心脏病学分会委员
四川省医师协会高血压医师分会青年委员
四川省医师协会心血管内科医师分会青年委员
四川省老年医学会介入专委会委员
四川省老年医学会冠心病专委会委员
中国医疗自媒体联盟成员《BMJCaseReports》、《中华高血压杂志》《中华心血管病杂志》等期刊审稿人。
作为一个心脏超声医生，我6年前研究生毕业的时候，根本没有做好迎接AI的准备。但随着AI在医学中的飞速发展，去年加州大学旧金山分校的研究人员所培育的AI，已经在心脏图像的分类比赛上，超过了参赛的人类心血管医师：AI的正确率在91.7%-97.8%，而人类的正确率在70.2%-83.5%。
这一结果，对于一项受主观因素影响很大的检查手段，冲击力还是很大的。但这一耀眼成绩背后，是AI夜以继日的高强度训练，比赛也是以其熟悉的训练方式进行。与之相比，人类医师日常的诊断过程则有明显的不同，我们需要从多个角度捕捉动态影像，并且结合血流动力学进行诊断和鉴别诊断。
被AI碾压，并不代表受试医师的专业水准、或是人类的诊断能力受到了质疑。AI只在分析图像之后得出粗略的分类结果，并不作出诊断。而且，AI在诊断后的治疗过程中，也不易发挥更大的能量。可以预见，AI的迅速发展可以替代众多常规事务,节省时间和精力用于鉴别诊断和治疗，但它永远没有灵魂。
AI若是想在超声相关诊疗中发挥更大作用，必须对识别模式和决策方式进行机器训练，而临床医生在其中将起到至关重要的作用。我们完全没有必要担心AI会取代人类，反而应该更加用心，帮助AI更加完善，使其更加自动化、移动化、智能化、存储最大化，这样才能指望它来解放超声医生的手和眼睛。
CCI心血管医生创新俱乐部
长按
转载请注明：http://www.czhty88.com/jbjc/5806.html
