“ 许多研究报道基于人工智能的临床疾病预测、诊断乃至治疗，准确性均显著优于现有的技术手段。相比一个高年资医生，人工智能技术更容易普及和获取。可以预见，未来的医学可能如同当今的开车一样，绝大部分工作都可以自己完成。

人工智能和机器学习在临床保健中的应用并不新鲜，并正在迅速增长。ChatGPT更是让人看到人工智能在疾病预测和诊断乃至治疗中的巨大优势。医学的发展必将拥抱人工智能技术。

目前一些研究结果甚至显示出人工智能正在逐步替代临床医学诊疗过程。人工智能更高的准确性、更容易的普及性，无不彰显出基于人工智能的医学技术正在成为“风口”。

01

—

肿瘤实时诊断，准确率达到90%

恶性肿瘤具有高度异质性。基于分子类型的精准肿瘤手术、放化疗以及靶向治疗将是癌症的治疗重心。由此，及时的肿瘤分子诊断显得尤为关键。

通常，分子诊断需要几天或几周才能得到结果。快速的分子诊断和肿瘤分型可实现术中诊断，有助于在手术过程中及时指导手术方式和放化疗，进而为患者带来更好的结果。

美国密歇根大学的团队在2020年开发出一种人工智能系统，利用受激拉曼组织学这一光学成像方法，对于超过250万个带标签的图像用深度卷积神经网络（CNN）训练。

该系统能够在150秒之内预测脑肿瘤的主要组织病理学类别，包括胶质瘤、淋巴瘤、转移瘤和脑膜瘤等，并识别和区分肿瘤浸润区域，总体准确率高达94.6%。

上述团队在2023年更新开发了一种新的人工智能工具DeepGlioma。这种基于人工智能的工具使用光学成像来捕捉脑肿瘤组织的实时图像，利用大规模的公共基因组数据进行训练，可以在手术过程中90秒内查明脑肿瘤的基因突变类型（IDH突变、1p19q共缺失和ATRX突变），并且脑癌基因检测的准确率达到93.3%。

这两项研究均发表在Nature子刊《Nature Medicine》上，采用人工智能工具实现致命性肿瘤的实时诊断，有助于最大程度地减少误诊率，并能够在手术过程中及时切除残留肿瘤组织，降低附近正常组织的误切风险，进一步快速指导个体化的精准放化疗和靶向治疗。

02

—

更准确预测脑中风

脑中风是最危险和最常被误诊的疾病之一。在中国，每12秒就有一人中风，每21秒就有一人死于中风。但诊断中风通常很困难，因为有许多疾病有类似的症状。

一些机器学习算法通过利用化验结果和影像成像结果等详细临床数据来帮助检测中风。但在院前或急诊分诊时的中风预测对降低患者致残率和死亡率而言，显得更加有价值。

近日，一项研究使用机器学习方法开发出一种中风预测模型，利用了超过十万次的患者急诊信息，包括年龄、性别等基本人口统计学数据、慢性病数量和保险情况。这些信息都是一些常规收集的指标。

在上述研究中，该模型预测脑中风的准确率达到84%，其性能优于现有的预警评分系统，后者会漏掉多达30%的中风。

03

—

糖尿病风险精准预测，准确率达到80%

糖尿病是一种患病率不断上升但难以治愈的慢性疾病。防治糖尿病的最有效手段是预防糖尿病的发生。而早期预测糖尿病风险被认为是预防糖尿病的重要一环。

目前研究报道了多种人工智能相关糖尿病预测模型，但美国一公司近日宣布研发出一项基于人工智能的新模型Cedar Gate Analytics。该公司认为此模型是首创的、可用于商业用户的AI模型。

在最近的一项研究中，Cedar Gate Analytics评估了数据库中超过120万糖尿病患者的数据。研究结果显示，80%被该模型识别为未患糖尿病的患者被证实在次年患上了糖尿病。

这意味着Cedar Gate Analytics能够识别出80%的糖尿病发病高风险人群。如果及时对这些高危人群进行干预，则能够延缓甚至避免糖尿病的发生。

04

—

写在最后

人工智能为提高疾病预测和诊断能力开辟了新方法。可以预见，人工智能预测和诊断技术将竞争越来越激烈，谁拥有大数据，谁就有可能成为“这一风口”的领跑者。

人工智能预测和诊断技术也必将越来越普及，如同一个APP，成为人们了解和评估自身健康的日常工具。拥抱人工智能预测和诊断技术。我们对自身健康状态了解的越多，我们就越有可能通过人工智能技术改变我们的习惯。

参考文献
Nat Med. 2023 Apr
J Med Internet Res. 2023 Jan
Nat Med. 2020 Jan

欢迎转发给有需要的家人、朋友。