- 妙药神菜马齿苋 [2020/08]
- 饥不择食 鹿和菜果 [2020/09]
- 说亚洲人阴茎小是没有事实的偏见 [2021/10]
- 多强和多久的活动才能抵消一天静坐对身体的害处 [2019/04]
- 为什么糖化血红蛋白高于6.5%定为糖尿病但美国医师学会的控糖目标是7-8% [2019/03]
- 成年移民能把英语学到母语水平吗？ [2020/09]
- 日本人比美国人身体活动少吗？ [2019/08]
- 美国房子和房产税 [2021/06]
- 机器人会取代医生吗？ [2019/07]
- 美国新冠病毒感染者概况和中国的比较类似 [2020/03]
- 自杀是因为心理素质太差吗 [2019/04]
- 为什么亚裔大学毕业生的优秀率低于白人毕业生 [2019/04]
- 德州兴起和加州减速 [2021/04]
- 多数营养补充剂和延年益寿无关 [2019/07]
- 遗传风险不会影响生活方式对心血管疾病的作用 [2019/08]
- 新冠新热点巴西青壮年死亡比例高 [2020/05]
- 东亚人是否对新冠病毒较为易感？ [2020/02]
- 1918西班牙大流感及它与新冠肺炎的异同 [2020/03]
- 在去年12 月或9月样本中检出新冠抗体的意义 [2020/12]
- 拉丁裔的新冠表现和健康饽论 [2020/06]
- 如果死的是华人会是什么结局? [2020/06]
- 浅谈基础疾病和新冠病情 肥胖可能不增加病亡风险 [2020/04]
- 2020年美国10大死因及它们的一些关系 [2022/02]
- 这次大选民调比2016年的失准 [2020/11]
- 为什么受到伤害的是华人? [2020/09]
- 神经病和里根总统遇刺 [2020/09]
- 我们应该怒向歧视而不是躲避歧视 [2020/05]
FDA批准首个X光检查系统的AI
根据昨天CNBC的报道，通用电气（GE）公司宣布FDA已经批准了其人工智能 X 射线设备。该设备能够使用人工智能算法扫描X射线图像检测气胸，将常规所需的 8 个小时减少为不到 15 分钟。气胸是一种潜在致命的疾病，也被称为肺塌陷，在美国每年大约发生 7万多例气胸。
GE Healthcare （GE医疗）是通用电气公司旗下的子公司，它和医学名校加州大学旧金山分校（等同于加州大学医学院）的科学家一起合作，开发和训练了这款能够检查气胸的AI。该公司还表示，它正在努力把AI用于检测其他的健康状况。
GE Healthcare是个百年老店。以Victor电器公司的牌子成立于1895年10月，刚开张时只有一间30平方米的地下室和6名员工。然而该公司却抓住了2个月后新发现的X线这个商机。
大家都知道，1901年伦琴因为发现X射线而获得了第一个诺贝尔物理学奖。 当伦琴于1895年12月28日完成了他的关于“一种新的射线” 的初步报告后，Victor电器公司很快就嗅到了X射线的商业开发用途，它马上调整方向开展X光放射业务，并于1896年就推出了它的X光机。X光的发现和X光机的问世于1896年也在某些医院催生了最早的放射科。
从此该电器公司不断扩充组合，并于 1920s年被通用电气公司收购合并成为GE的分公司，1930年更名为通用电器X射线公司（GE X-Ray Corporation)后来又几度扩大改名，发展为现在拥有5万多员工的GE Healthcare。此次它又想借X光系统的AI登峰造极。
除了GE Healthcare外，高端医疗器械的其它巨头Philips和Siemens以及互联网的巨头Google, 腾讯和阿里等等也在进军医疗AI。
据报道，Google的 DeepMind联合英国某眼科医院开发了AI眼底筛查技术，该AI能够在30秒内识别出糖尿病视网膜病变, 高血压眼底病变，老年性黄斑，青光眼等一系列眼底疾病.
现在所拍摄的CT影像的肺结节的识别，一个成熟的影像医师需要5分钟以上阅读一位患者的300-500张图像做出诊断，人工智能只需要几秒钟。而“AI+医生”的双重阅片机制也使得漏诊率大大减小。
美国NIH国家癌症研究所（National Cancer Institute）的Mark Schiffman团队积累了9000名妇女宫颈检查和长达18年的随访信息，一直在寻找一种更为精确地检查宫颈癌癌前病变的方法。然而，他们自己的分析却不尽人意。
后来他们和盖茨基金会合作，使用卷积神经网络（convolutional neural network）的AI来分析宫颈照片。他们首先使用数据库中70%的信息来让AI进行机器学习，然后使用AI去诊断剩下30%的病例。结果机器学习能够以91%的准确率将健康组织，癌前病变和癌症区分开来，而常规细胞学的准确率只有71%。
斯坦福大学曾报道使用近13万张皮肤病临床图像训练卷积神经网络AI对皮肤病变进行分类。 结果发现一种算法可以对照片中的病变包括恶性黑色素瘤和癌变进行分类。经机器学习后AI的诊断的准确率达到了91%，这达到了训练有素的皮肤科医生的水平。
连被称为医学的金标准或最后诊断的病理诊断,也有AI频频光顾。现在已经发现AI对某些癌症指标诊断的准确度和病理医生的相匹配。可以预料，未来将有更多的AI进入医疗领域。
主要参考资料
https://en.wikipedia.org/wiki/GE_Healthcare
Hu L et al. An Observational Study of Deep Learning and Automated Evaluation of Cervical Images for Cancer Screening. J Natl Cancer Inst. 2019 Jan 10. doi: 10.1093/jnci/djy225
https://doi.org/10.1https://www.kuaaa.com/ai/WiseMedical/1701.html093/jnci/djy225
https://artificialintelligence-news.com/2019/04/01/deepmind-first-product-eye-diseases/
Esteva A. et al. Dermatologist-level classification of skin cancer with deep neural networks, Nature volume542, pages115–118 (02 February 2017)
Coudray N et al. Classification and mutation prediction from non-small cell lung cancer histopathology images using deep learning. Nat Med. 2018 Oct;24(10):1559-1567