黑科技IBM深耕AI+医疗:借助深度学习识别早期精神分裂症

2017年7月27日

看病,

【编者按】精神疾病是一个缓慢的发展过程,很难被察觉出来。在早期阶段,我们和可能将其归咎为外部环境的影响,但是如果不加以重视,或未被及时发现,那么等到其严重的阶段,将很难被治愈。随着的发展,其应用也越来广泛。

本文从两方面对识别早期精神分裂症进行了分析:1)耶鲁大学利用血检诊断工具来区分抑郁症和早期精神分裂症;2)IBM利用深度学习来识别早期精神分裂症。

通常情况下,很多疾病和健康问题越早被发现,越容易治疗。早期发现意味着治疗的几率越大,但是有些不能治愈的疾病,如果在早期被发现,就可以采取一些措施减缓其发展速度,防止该病症变得过于严重,比如精神分裂症。

那么,如何检测精神分裂症呢?

耶鲁大学开发出可以区分抑郁症和精神分裂症的早期血检诊断工具。在此之前,医生只能通过对患者进行行为观察和言语交流,来判断抑郁症和精神分裂症之间的差异,但是这很难进行区别,尤其是在早期。早期阶段,这两种疾病的病状很相似,情绪失调,心情抑郁,但是精神分裂症还包括妄想、幻觉和混乱的言语和行为等症状。

这项新的血液诊断针对的是一种称为精氨酸血管加压素(AVP)的激素,其水平在抑郁症和精神分裂症的患者中存在差异。这种激素调控人体血管收缩和水潴留,它受神经系统细胞信号通路NMDA(altered N-methyl-D-aspartate,N-甲基-D-天冬氨酸)调节。

但IBM认为其与阿尔伯塔大学一起进行的研究更有效率,该研究利用人工智能来诊断疾病的发作。

来自IBM和加拿大艾伯塔大学的研究人员共同研发出一款软件工具,该软件能够通过分析患者大脑的磁共振扫描来诊断患者是否具有精神分裂症,其精确度可以达到74%。而且,该软件的算法也能够合理地估算出每个患者疾病症状的糟糕程度。

该团队使用的是来自功能生物医学信息学研究网络的数据,该数据包涵大量不同患者的脑部扫描图像。调查人员从收集的精神病分裂症患者图像中取出95例扫描图像,并把这些图像输入到深度学习算法,以发现其之间的相关性,从而掌握对精神病分裂症的了解。然后,他们将算法用于一系列病人的扫描图像,这些病人有的是精神分裂症患者,有的则不是,结果证明该软件能够发现四分之三的图像显示患有该病症。

来自阿尔伯塔大学精神病学和神经科学的教授Serdar Dursun博士说:“我们在大脑中发现了大量的异常连接,这些可以用于未来的研究中,这个基于AI的模型使我们离建立能够诊断和预测精神分裂症的客观的基于神经影像的模型更进一步。”

该团队的研究成果表明全脑链路特性在识别患者症状的精确性可以达到74%,而且比基于体素的节点度更稳定。链路特性能预测恶性和良性症状的严重程度,包括注意力迟钝和离奇行为。最有意义、稳定的和区别化的功能连接变化涉及到丘脑和初级运动或初级感觉皮层的相关性,以及楔前叶(BA7)和丘脑、硬膜和Brodmann区域的BA9和BA44之间的相关性。楔前叶与BA6和初级感觉皮层,也参与预测了一些症状的严重程度。总之,提出的多步骤方法有助于识别更可可靠的多元模式,以便准确预测精神病分裂症及其症状的严重程度。

IBM深耕AI+医疗:借助深度学习识别早期精神分裂症

大脑区域显示了精神病分裂症患者和无精神病分裂症患者之间在统计学上的显著差异。例如,箭头1识别出大脑的中央前回或运动皮层患有该症状,箭头5标志涉及处理视觉信息的楔前叶患有该症状。

2017825将举办破壁·融合 2017中国大健康产业升级峰会。本次峰会将重点关注大健康产业升级、行业变革与创新。活动三大亮点:1、卫计委相关领导将在会上发起成立大健康产业联盟”,2、智库将发布《AI+医疗行业报告》,3大健康产业领军50专题片震撼首发行业变革势不可挡产业创新方兴未艾。欢迎您报名参会峰会链接

IBM深耕AI+医疗:借助深度学习识别早期精神分裂症

本文作者申达,专栏作者;微信:shendamila(添加时请注明“姓名-公司-职务”方便备注);转载请注明作者姓名和“来源:”;文章内容系作者个人观点,不代表对观点赞同或支持。

This entry was posted in 人工智能, 慢病管理. Bookmark the permalink.

发表评论

电子邮件地址不会被公开。 必填项已用*标注