全新医疗人工智能系统，可以像医生一样看病。图片来源：ReeldealImages/Alamy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。相关论文近期发表于《自然—通讯》。英国伦敦大学学院等机构的研究人员开发的人工智能系统依靠因果关系而不是相关性来查明人体可能存在的问题。它比现有的人工智能系统更准确，甚至在小型对照试验中表现优于医生。与传统的人工智能系统根据患者的症状识别最可能的疾病不同，因果人工智能系统更接近于医生诊断患者的方式：通过使用反事实问题来缩小可能的疾病范围。相关性和因果关系之间的区别在医学上很重要。患者在医院可能会出现呼吸急促。基于相关性的AI可能将呼吸急促与体重过重联系起来，将体重过重与2型糖尿病联系起来，从而推荐使用胰岛素。而基于因果关系的系统可能会转而关注呼吸急促和哮喘之间的联系，以探索其他治疗方案。伦敦大学学院的研究作者CiaranGilligan-Lee说：“我们正开始将因果关系带回现实，这样我们才能真正找到导致患者症状的疾病，并据此帮助他们。”由著名医生撰写的1,671个真实世界的医疗案例摘要显示了大约350种不同疾病的症状。研究人员让44名NHS医生平均每人处理159例此类病例，看看他们是否能找出原因。结果显示，平均而言，他们能够在71.4%的时间内做出正确诊断，而基于相关性的AI为72.5%，而基于因果关系的AI为77.3%。新的人工智能在治疗非霍奇金淋巴瘤等罕见疾病方面仍然优于医生。在这些情况下，它的性能比旧的人工智能系统高出约30%。然而，Gilligan-Lee认为医生更擅长识别更常见的问题，因为他们经常遇到这些问题。他计划为该系统寻求监管批准和临床验证，目标是将其放入应用程序中，患者可以获得有关症状和治疗的建议。“这是一项解决问题的新技术，”伯明翰大学医院NHS基金会信托基金的XiaoxuanLiu说。”她认为该系统在诊断罕见疾病方面的表现优于医生，这令人兴奋，但现在还为时尚早，病例摘要的数量相对较少。“我们需要看看它在现实世界的案例中是如何工作的，在这些案例中，患者有时会有多种疾病相互作用。”相关论文信息：https://doi.org/10.1038/s41467-020-17419-7
