人工智能助力人类疾病研究新进展！

本文中，小编整理了多篇研究报告，共同解读科学家们如何利用人工智能来改善人类疾病的研究，与大家一起学习！

图片来源：youthvoices.live

【1】J Biomed Inform：利用人工智能寻找心脏疾病的迹象

doi：10.1016/j.jbi.2019.103270

近日，发表在国际杂志Journal of Biomedical Informatics上的一项最新研究中，研究人员成功利用机器学习处理未标记的电子健康记录(electronic health record ，EHR)数据，揭示了心血管疾病(cardiovascular disease，CVD)的发生过程。

这项研究基于自动化的患者表型(如果眼睛的颜色是一种特征，那么蓝色眼睛就是一种表型)和丰富的纵向数据。Zhaojuan博士、weiqi博士和他的同事收集了12380例至少在CVD诊断前10年被识别的患者记录。自动扫描在该数据集中发现了1068种不同的患者表型。

【2】Genome Med：人工智能助力克罗恩氏病的治疗

doi：10.1186/s13073-019-0670-6

在最近的研究中，科学家开发了一种计算方法，可以帮助增进对克罗恩病（Crohn Disease，一种引起消化道炎症的疾病）的理解和治疗。由罗格斯（Rutgers）领导的这项研究发表在《Genome Medicine》杂志上。该研究利用人工智能检查了111人中克罗恩氏病的遗传特征。该方法揭示了以前未发现的与疾病相关的基因，并准确预测了其他数**是否患有该疾病。

研究者表示，我们的方法不是临床诊断工具，但是它会产生有趣的观察结果。进一步的实验工作可能揭示某些克罗恩氏病背后的分子原因，并有可能促进对该病的更好治疗。克罗恩氏病在美国影响了多达780，000人。慢性炎症可能发生在胃肠道的任何部分。根据美国国家医学图书馆的资料，克罗恩氏病还会引起关节疼痛和皮肤问题，患有这种疾病的儿童可能会有发育问题。

【3】JAMA Network Open：突破！新型人工智能系统或能优于临床医生对乳腺癌进行准确诊断！

doi：10.1001/jamanetworkopen.2019.8777

近日，一项刊登在国际杂志JAMA Network Open上的研究报告中，来自加利福尼亚大学的科学家们通过研究开发了一种人工智能系统，其或能够帮助病理学家更准确地读取活组织检查结果及更好地检测并诊断乳腺癌。这种新型系统能帮助解释医学成像结果从而用于诊断乳腺癌（人眼无法有效区分），其几乎能够像一名经验丰富的病理学家一样对乳腺癌进行准确诊断。

研究者Joann Elmore表示，从一开始就得到正确的诊断结果是非常重要的，这样才能够帮助我们对患者进行最有效地诊断和治疗；2015年研究人员发现，病理学家对乳腺癌活组织检查结果的解释存在很多不一致的想法，而且每年有数百万女性都会接受乳腺活组织检查手术；早期研究结果表明，每6名原位导管癌（一种非侵入性的乳腺癌）的女性中就有1名会出现错误诊断，而且大约一半的乳腺异型性活组织检查病例（与高风险乳腺癌相关的异常细胞）都会被给出错误的诊断。

【4】Nature：利用人工智能预测急性肾损伤

doi：10.1038/s41586-019-1390-1

在一项新的研究中，美国和英国的研究人员将人工智能（AI）应用于解决检测住院患者急性肾损伤（acute kidney injury， AKI）的问题。相关研究结果近期发表在Nature期刊上，论文标题为“A clinically applicable approach to continuous prediction of future acute kidney injury”。在这篇论文中，他们描述了他们的深度学习系统及其表现如何。

急性肾损伤（AKI）可导致肾脏恶化。在严重的情况下，它可能导致移植需求或死亡。急性肾损伤通常发生正在医院中接受治疗的患者身上，并且通常是身体快速下滑的迹象，需要医院工作人员采取紧急措施以阻止进一步的不可逆肾损伤。在这项新的研究中，这些研究人员想知道是否有可能使用人工智比在医院中通常发生的时间更早地检测急性肾损伤的症状，从而为患者提供更好的结果。为此，他们与美国退伍军人管理局合作。

【5】Nat Med：利用人工智能准确地诊断肺癌，准确率高达94%

doi：10.1038/s41591-019-0447-x

在一项新的研究中，软件工程师和临床研究人员之间的合作产生了一个人工智能程序，该程序使用图像来预测哪些人将患上肺癌，准确率为94％。这个研究团队发现这个算法与放射科医师基于同一个人的多次计算机断层扫描（CT）来筛查癌症一样准确，并且当它仅能从一个人那里获得一次扫描时，它的表现优于医生，相关研究结果发表在Nature Medicine期刊上。

研究者表示，这些人开发出的这种技术将极大地提高筛查的准确性。美国国家卫生研究院（NIH）之前针对吸烟者进行肺癌筛查的一项研究已发现，通过CT扫描检测这种疾病的早期症状可将死亡率降低大约20％，但是活组织检查等程序导致一些CT扫描出现假阳性的人死亡（NEJM， 2011， doi：10.1056/NEJMoa1102873）。为了了解人工智能（AI）是否可以增强放射科医师在分析CT扫描时的准确性，该研究团队将早期NIH研究中的数千次CT扫描输入到谷歌的计算机中，同时输入的还有患者的后期诊断结果。

图片来源：businessstudent.com

【6】Nat Commun：人工智能促进阿尔兹海默症的研究

doi：10.1038/s41467-019-10212-1

日前，一项刊登在国际杂志Nature Communications上的一篇研究报告中，来自加州大学等机构的研究人员通过研究找到了一种方法来训练计算机精确检测人类大脑组织中阿尔茨海默病的生物标志物。淀粉样斑块是阿尔茨海默病患者大脑中蛋白质碎片的团块，可破坏神经细胞的连接。加州大学科学家团队开发的机器学习工具可以“看到”脑组织样本是否有一种类型的淀粉样蛋白斑块，并且很快就能完成。

研究结果表明，机器学习可以增强专家神经病理学家的专业知识和分析。该工具允许他们分析数千倍的数据，并提出即使是训练有素的人类专家的有限数据处理能力也无法实现的新问题。

【7】Lab Invest：人工智能有助于鉴定神经退行性疾病

doi：10.1038/s41374-019-0202-4

根据西奈山伊坎医学院进行的一项研究，研究人员开发了一种人工智能平台，用于检测人类大脑组织样本中的一系列神经退行性疾病，包括阿尔茨海默病和慢性创伤性脑病，相关结果发表在发表在《Laboratory Investigation》杂志上。他们的发现将帮助科学家开发出有针对性的生物标志物和治疗剂，从而更准确地诊断复杂的脑部疾病，从而改善患者的治疗效果。

神经原纤维缠结中大脑中异常tau蛋白的累积是阿尔茨海默病的一个特征，但它也累积在其他神经退行性疾病中，如慢性创伤性脑病和其他与年龄相关的疾病。准确诊断神经退行性疾病具有挑战性，需要训练有素的专家。研究人员开发并使用精确信息平台，将强大的机器学习方法应用于使用来自患有神经退行性疾病的患者的组织样本制备的数字化显微镜载玻片。应用深度学习，这些图像被用于创建卷积神经网络，能够直接从数字化图像中高精度地识别神经原纤维缠结。

【8】Nat Commun：科学家成功利用多股数据流和人工智能技术来预测流感的暴发和传播

doi：10.1038/s41467-018-08082-0

流感具有高度的传染性，其会随着人们四处走动而迅速传播，因此这就使得追踪并且预测