前言
在《科学转化医学》杂志上发表的一项研究显示，医生们能够利用机器学习判断6个月大的婴儿是否会发展成自闭症谱系障碍，其准确率甚至超过96%。据美国北卡罗来纳州大学教堂山分校、华盛顿大学等的研究者们表示，他们开发的机器学习算法能够分析婴儿6个月时的脑部功能性磁共振成像（fMRI）中人类医生所读不出来的细节，从而给出诊断结论。
用AI观测“人所不能看到的”
近期，在北卡罗来纳大学（UNC）教堂山分校精神病学家HeatherHazlett的带领下，人工只能在疾病诊断领域又下一城。她们开发的深度学习算法，在预测2岁前的自闭症高危儿童（有个自闭症哥哥或者姐姐）是否会在2岁之后被诊断为自闭症上，以88%的准确度远超准确度只有50%的传统行为问卷调查法（Charman诊断自闭症，用AI观测“人所不能看到的”）。Hazlett在接受IEEE采访时表示，“我们这个算法不仅在准确性上优于传统的方法，而且我们可以在更早的时间诊断。”一般而言，自闭症在儿童成长到2到3岁才表现出典型的症状，所以基于行为观察和问卷调查的方法，很难判断2岁前的儿童是否会在2岁之后被诊断为自闭症。而Hazlett团队发明的人工智能方法，可以在儿童12个月大时，预测他会不会在2岁时被诊断为自闭症。由于诊断准确率高，时间早，Hazlett团队的这一重要成果于年初刊登在顶级期刊《自然》上。这是此月人工智能在疾病诊断领域的应用第二次登上《自然》杂志。自闭症是一种并不罕见的疾病，它还有另一个名字叫孤独症。据统计，自闭症在普通的儿童群体中发病率约在1.5%左右，如果一个新生儿的哥哥或者姐姐被诊断为自闭症，那么他就是个自闭症高危患儿，他的患病风险会飙升到20%左右。据测算，目前全世界自闭症患者数量接近万。
在诊断算法开发的过程中，原始数据的收集一直是一个难题。鉴于自闭症患者的兄弟姐妹患自闭症的可能性是常人的20倍，该项目的研究人员走访了自闭症患者家属，对患者弟弟或妹妹6个月大时的脑部扫描图像进行收集，并在他们2岁时对他们的行为能力进行评估。研究人员收集的59个样本中，共有11名儿童被诊断为自闭症。在这些数据的基础上，研究者们开发了一个机器学习算法以寻找11名自闭症婴儿脑部图像的共同点。在开发完成后，研究者们使用了该算法重新分析这59名婴儿的脑部扫描。最终，该算法辨认出了11名自闭症儿童中的9名，准确率超过96%。
转载请注明：http://www.mwoap.com/zbzzd/9485.html
