一种新的医疗人工智能系统可像年夜夫一样看病。
图片来源：Reeldeal Images / Alamy

一种演习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。
干系论文近日刊登于《自然—通讯》。

英国伦敦大学学院等机构的研究职员开拓的这一人工智能系统，依赖因果关系而非干系性查明人体可能涌现的问题。

它比现有的人工智能系统更精确，乃至在一个小型对照试验中超过了年夜夫。

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靠近于年夜夫诊断病人的办法：通过利用反事实问题缩小疾病的可能范围。

干系性和因果性的差异在医学中很主要。

病人在医院可能涌现呼吸急匆匆。
基于干系性的人工智能可能将呼吸短匆匆与体重超重联系起来，并把超重与Ⅱ型糖尿病联系起来，因此建议利用胰岛素。

而一个基于因果性的系统可能会转而关注呼吸短匆匆和哮喘之间的联系，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，并在此根本上帮助他们。
”

该系统供应了由20多名年夜夫撰写的1671个真实医疗案例择要，这些择要显示了大约350种不同疾病的症状。

研究职员让英国国家医疗做事体系的44名年夜夫均匀每人处理了159例这样的病例，看看他们是否能找出病因。

结果显示，他们均匀诊断的精确率为71.4%，而基于干系性的人工智能的精确率为72.5%，因果型人工智能的精确率为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年夜夫。
在这些情形下，它比旧的人工智能系统大约好30%。

然而，Gilligan-Lee认为，年夜夫更长于识别更常见的问题，由于他们常常碰着这些问题。
他操持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运用程序中，让患者可以得到有关症状和治疗的建议。

“这在很大程度上是一种办理问题的新技能。
”伯明翰大学医院国民保健做事基金会的刘晓玄（音译）表示，“论文中的方法非常好，而且这项技能彷佛显示出了一些前景。
”

她认为，这个别系在罕见疾病诊断方面的表现优于年夜夫，这令人愉快，但它还处于早期阶段，病例总结的数量相对较少。

“我们须要看看它在现实案例中是如何事情的，在现实天下中，有时患者会有多种疾病相互浸染。
”

干系论文信息：

https://doi.org/10.1038/s41467-020-17419-7