英国研发训练医学人工智能系统方法，在疾病诊断将更准确

一种训练医学人工智能系统的新方法，在诊断疾病方面比以前的方法更准确。相关论文近日刊登于《自然—通讯》。

英国伦敦大学学院等机构的研究人员开发的这一人工智能系统，依靠因果关系而非相关性查明人体可能出现的问题。

它比现有的人工智能系统更精确，甚至在一个小型对照试验中超过了医生。

传统的人工智能系统根据病人的症状来确定最有可能的疾病，与之不同的是，因果型人工智能系统更接近于医生诊断病人的方式：通过使用反事实问题缩小疾病的可能范围。

相关性和因果性的区别在医学中很重要。

病人在医院可能出现呼吸急促。基于相关性的人工智能可能将呼吸短促与体重超重联系起来，并把超重与Ⅱ型糖尿病联系起来，因此建议使用胰岛素。

而一个基于因果性的系统可能会转而关注呼吸短促和哮喘之间的联系，从而探索其他治疗方案。

论文作者、伦敦大学学院的Ciaran Gilligan-Lee说：“我们开始把因果关系放回现实中，这样才能真正找到引起病人症状的疾病，并在此基础上帮助他们。”

该系统提供了由20多名医生撰写的1671个真实医疗案例摘要，这些摘要显示了大约350种不同疾病的症状。

研究人员让英国国家医疗服务体系的44名医生平均每人处理了159例这样的病例，看看他们是否能找出病因。

结果显示，他们平均诊断的正确率为71.4%，而基于相关性的人工智能的正确率为72.5%，因果型人工智能的正确率为77.3%。

在治疗非霍奇金淋巴瘤等罕见疾病时，新型人工智能的表现仍优于医生。在这些情况下，它比旧的人工智能系统大约好30%。

然而，Gilligan-Lee认为，医生更善于识别更常见的问题，因为他们经常遇到这些问题。他计划为该系统寻求监管部门的批准和临床验证，目标是把它放在一个应用程序中，让患者可以获得有关症状和治疗的建议。

“这在很大程度上是一种解决问题的新技术。”伯明翰大学医院国民保健服务基金会的刘晓玄（音译）表示，“论文中的方法非常好，而且这项技术似乎显示出了一些前景。”

她认为，这个系统在罕见疾病诊断方面的表现优于医生，这令人兴奋，但它还处于早期阶段，病例总结的数量相对较少。

“我们需要看看它在现实案例中是如何工作的，在现实世界中，有时患者会有多种疾病相互作用。”