论文部分内容阅读
摘 要:2020年初,突如其来的新型冠状病毒肺炎疫情在武汉爆发,并迅速席卷全国,给全国的医疗系统带来了巨大的诊疗压力,不断增多的医疗人员却难以缓解集中诊疗所带来的巨大压力,期间人工智能赋能效用,协同医护人员共同抗疫,对此,笔者根据人工智能辅助医疗的算法模型分析人工智能辅助医疗在抗击新冠肺炎疫情上的应用现状及其发展前景。
关键词:人工智能;辅助医疗;大数据;新型冠状肺炎病毒
2020年初疫情突然爆发,进一步加速了人工智能赋能效用,促进了人工智能辅助医疗与医疗系统的融合,其在新冠肺炎诊疗上的优势主要体现在:细化诊断标准、提高诊断效率、一定程度地切断传播途径、优化药剂储备与研发、促进信息互通等方面,未来随着数据的不断增长丰富,学习能力不断增强,人工智能的算法、模型等技术不断优化,人工智能辅助医疗定能在疫情发展上及时做好疫情预警、控制等工作,将成为城市保护措施最好的“口罩”,本文将以人工智能在医院抗疫中最为常见的两个方面展开论述。
1 大规模影像筛查,提高诊疗效率
肺部CT检查是进行新型冠状病毒肺炎筛查的重要手段,疫情突发,给医疗系统带来了庞大的诊断方面的压力,一方面,民众出于恐慌的心理,一旦出现了发热、头痛、咳嗽等类似症状便会怀疑自身患上新冠肺炎而前往医院就诊,医院的拍片人数迅速增多;另一方面,大部分医生及医院对新冠肺炎的诊断标准不明确,常常容易误诊、漏诊。而人工智能辅助医疗系统的引进则可以很大程度上改变传统的阅片模式,大大提高新冠肺炎的阅片效率,为战胜疫情争取关键的时间。
传统的阅片模式以医生为主,由医生对着灯光进行一个一个的阅片思考,不仅仅给医生带来了巨大压力,而且往往因为视觉疲劳带来速度以及准确率的下降,且常由于不同医生技能水平的差异而带来不同的诊断,如今只需要由智能阅片系统进行阅片便可以达到几秒钟两三百副胸片的阅片速度,并且突破时间、地域的限制,使得对新冠肺炎CT特征不明确的医生也掌握诊断该疾病的要点,且阅片准确率高达95%以上。该系统一般由快速筛查及提示功能、精准辅助诊断功能、全自动智能病情以及疗效评估三部分组成,通过数据录入,进行快速深度学习,阅片系统便可迅速掌握新冠肺炎的阅片要点,由于对新冠肺炎认识不断加深,故由系统管理人员根据诊疗手册进行实时更新,在系统掌握的原有疾病的基础上,便可进行新冠肺炎的阅片以及疗效的评估。
深度学习模型一般需要上百万张高质量、同类型、差别小的片子进行学习、标注、积累才能获得较为稳定和精确的输出结果,疫情突发,且不同患者存在着其自身的特异性,短期内,极其有限的数据很难另智能阅片系统进行深度学习,并且,阅片系统能够诊断的疾病屈指可数,仅仅被作为一种筛查性手段,一般并不作为确诊的依据,因此在未来,如何令智能阅片系统在短暂的时间内迅速掌握某种突发疾病的阅片要点,甚至判断出该片为某种突发的新型疾病正是智能阅片系统发展的方向之一。
2 智能医院发展,减少交叉感染
智能问诊系统减缓医疗压力,减少交叉感染。疫情嚴重期间,大量患者前往医院就诊,加大了医疗资源短缺,加重了医疗压力,通过发展智能问诊系统可以达到院内、院外的智能问诊,医院外,患者通过智能远程诊疗系统可以进行简单的疾病诊疗,智能肺炎机器人通过网络问诊可以给患者提供疫情期间的正确指导和建议,避免了前往医院就医感染新冠肺炎的风险,同时能将医生从繁杂的解释中释放出来到新冠肺炎的诊疗上,据统计,截至2月10日,成都某互联网医院平台已累计诊疗14万次。医院内部,入院时由红外温湿度测试监控取代了传统的耳部及额头枪测试的方法,可实现体温的快速精准监测并对患者进行分流,对发热患者进行初步的隔离诊断,在未来,若需要对患者进行体格检查以及其他检查时亦有配备了摄像头、麦克风、听诊器、血压计等设备的机器人能够代替医生的部分简单工作,在一定程度上减少了交叉传染,甚至在送餐、送药、消毒等工作上也可能会有机器人的出现,当前,智能机器人的自动驾驶、避障、自动喷雾消毒、识别等功能已经较为成熟,相信在不久以后,送货机器人以及消毒机器人将会更加普及,从而避免医护人员在有限空间内与患者频繁接触而造成感染。
结语
人工智能辅助医疗在这场防疫攻坚战中已经起到了相当重大的作用,本文笔者所列举的三个方面只是人工智能在医疗领域内的较为主要的三个方面,不可置否,人工智能同样也在药物研发、寻找病毒宿主等方面发挥着巨大的作用。我们需要正视人工智能与医护人员之间的关系,人工智能并不能完全代替医护人员,我们需要合理利用人工智能来提高工作效率,释放核心医疗资源,发挥我们医护人员最大的作用,才是未来人工智能辅助医疗发展的最终目标,未来我们必不畏惧疫情,也定将一次又一次战胜疫情。
参考文献
[1]王志心,刘治,刘兆军.基于机器学习的新型冠状病毒(2019-nCoV)疫情分析及预测[J/OL].生物医学工程研究:1-9[2020-02-15].
[2]贾晓茜,李新雨,同维,史医蕾,张盼,李延寿,赵志福,王美玉,赵亮,张向辉,曹乐,樊钢练,张向利,丁晖,王德龙,牛刚,杨健,郭建新.影像技术应对新型冠状病毒感染肺炎的管理策略[J/OL].西安交通大学学报(医学版):1-16[2020-02-15].
[3]祁瑞娟,吕伟通.人工智能辅助诊断技术在医疗领域的作用与挑战[J].中国医疗器械信息,2018,24(16):27-28.
[4]付超.人工智能在医疗领域的应用与发展[J].电子技术与软件工程,2019(13):244.
关键词:人工智能;辅助医疗;大数据;新型冠状肺炎病毒
2020年初疫情突然爆发,进一步加速了人工智能赋能效用,促进了人工智能辅助医疗与医疗系统的融合,其在新冠肺炎诊疗上的优势主要体现在:细化诊断标准、提高诊断效率、一定程度地切断传播途径、优化药剂储备与研发、促进信息互通等方面,未来随着数据的不断增长丰富,学习能力不断增强,人工智能的算法、模型等技术不断优化,人工智能辅助医疗定能在疫情发展上及时做好疫情预警、控制等工作,将成为城市保护措施最好的“口罩”,本文将以人工智能在医院抗疫中最为常见的两个方面展开论述。
1 大规模影像筛查,提高诊疗效率
肺部CT检查是进行新型冠状病毒肺炎筛查的重要手段,疫情突发,给医疗系统带来了庞大的诊断方面的压力,一方面,民众出于恐慌的心理,一旦出现了发热、头痛、咳嗽等类似症状便会怀疑自身患上新冠肺炎而前往医院就诊,医院的拍片人数迅速增多;另一方面,大部分医生及医院对新冠肺炎的诊断标准不明确,常常容易误诊、漏诊。而人工智能辅助医疗系统的引进则可以很大程度上改变传统的阅片模式,大大提高新冠肺炎的阅片效率,为战胜疫情争取关键的时间。
传统的阅片模式以医生为主,由医生对着灯光进行一个一个的阅片思考,不仅仅给医生带来了巨大压力,而且往往因为视觉疲劳带来速度以及准确率的下降,且常由于不同医生技能水平的差异而带来不同的诊断,如今只需要由智能阅片系统进行阅片便可以达到几秒钟两三百副胸片的阅片速度,并且突破时间、地域的限制,使得对新冠肺炎CT特征不明确的医生也掌握诊断该疾病的要点,且阅片准确率高达95%以上。该系统一般由快速筛查及提示功能、精准辅助诊断功能、全自动智能病情以及疗效评估三部分组成,通过数据录入,进行快速深度学习,阅片系统便可迅速掌握新冠肺炎的阅片要点,由于对新冠肺炎认识不断加深,故由系统管理人员根据诊疗手册进行实时更新,在系统掌握的原有疾病的基础上,便可进行新冠肺炎的阅片以及疗效的评估。
深度学习模型一般需要上百万张高质量、同类型、差别小的片子进行学习、标注、积累才能获得较为稳定和精确的输出结果,疫情突发,且不同患者存在着其自身的特异性,短期内,极其有限的数据很难另智能阅片系统进行深度学习,并且,阅片系统能够诊断的疾病屈指可数,仅仅被作为一种筛查性手段,一般并不作为确诊的依据,因此在未来,如何令智能阅片系统在短暂的时间内迅速掌握某种突发疾病的阅片要点,甚至判断出该片为某种突发的新型疾病正是智能阅片系统发展的方向之一。
2 智能医院发展,减少交叉感染
智能问诊系统减缓医疗压力,减少交叉感染。疫情嚴重期间,大量患者前往医院就诊,加大了医疗资源短缺,加重了医疗压力,通过发展智能问诊系统可以达到院内、院外的智能问诊,医院外,患者通过智能远程诊疗系统可以进行简单的疾病诊疗,智能肺炎机器人通过网络问诊可以给患者提供疫情期间的正确指导和建议,避免了前往医院就医感染新冠肺炎的风险,同时能将医生从繁杂的解释中释放出来到新冠肺炎的诊疗上,据统计,截至2月10日,成都某互联网医院平台已累计诊疗14万次。医院内部,入院时由红外温湿度测试监控取代了传统的耳部及额头枪测试的方法,可实现体温的快速精准监测并对患者进行分流,对发热患者进行初步的隔离诊断,在未来,若需要对患者进行体格检查以及其他检查时亦有配备了摄像头、麦克风、听诊器、血压计等设备的机器人能够代替医生的部分简单工作,在一定程度上减少了交叉传染,甚至在送餐、送药、消毒等工作上也可能会有机器人的出现,当前,智能机器人的自动驾驶、避障、自动喷雾消毒、识别等功能已经较为成熟,相信在不久以后,送货机器人以及消毒机器人将会更加普及,从而避免医护人员在有限空间内与患者频繁接触而造成感染。
结语
人工智能辅助医疗在这场防疫攻坚战中已经起到了相当重大的作用,本文笔者所列举的三个方面只是人工智能在医疗领域内的较为主要的三个方面,不可置否,人工智能同样也在药物研发、寻找病毒宿主等方面发挥着巨大的作用。我们需要正视人工智能与医护人员之间的关系,人工智能并不能完全代替医护人员,我们需要合理利用人工智能来提高工作效率,释放核心医疗资源,发挥我们医护人员最大的作用,才是未来人工智能辅助医疗发展的最终目标,未来我们必不畏惧疫情,也定将一次又一次战胜疫情。
参考文献
[1]王志心,刘治,刘兆军.基于机器学习的新型冠状病毒(2019-nCoV)疫情分析及预测[J/OL].生物医学工程研究:1-9[2020-02-15].
[2]贾晓茜,李新雨,同维,史医蕾,张盼,李延寿,赵志福,王美玉,赵亮,张向辉,曹乐,樊钢练,张向利,丁晖,王德龙,牛刚,杨健,郭建新.影像技术应对新型冠状病毒感染肺炎的管理策略[J/OL].西安交通大学学报(医学版):1-16[2020-02-15].
[3]祁瑞娟,吕伟通.人工智能辅助诊断技术在医疗领域的作用与挑战[J].中国医疗器械信息,2018,24(16):27-28.
[4]付超.人工智能在医疗领域的应用与发展[J].电子技术与软件工程,2019(13):244.