人工智能的应用实例,人工智能的应用实例总结

公众号：医学大数据挖掘分析

本期将为大家推荐几篇医学人工智能领域人工智能的应用实例的相关文献人工智能的应用实例，介绍自然语言处理技术在其中的应用，欢迎大家在文末获取相关链接，对照原文进行深入学习~

01 COVID-19 重症预测

广州呼吸健康研究院院长何建行教授团队结合新冠患者数据搭建的深度生存模型，用于对可能的重症患者进行预测。基于深度学习的生存模型可以根据入院时的临床特征预测COVID-19患者患重病的风险。从下图二可以看出，该模型整体AUC值为0.911,且能较为准确的预测出新冠患者转为重症患者的天数。该模型用于创建入院时患者分类的在线计算工具)，用于识别高风险患者，确保重症风险最大的病患得到适当的护理，能尽早并有效分配卫生资源。

该成果已发表在2020/07的《Nature Comunications》。

图一 深度生存模型

图二

图三

02 儿科疾病诊断预测

虽然机器学习分类器（MLC）已经显示出强大的功能，但在基于图像的诊断中的性能，分析多种庞大的电子健康记录（EHR）数据仍然充满挑战。

《Nature Medicine》报道人工智能的应用实例了基于电子病历的人工智能在疾病诊断上的应用：广州妇女儿童医院团队利用百万量级的电子病历数据，构建出疾病诊断预测机器学习模型。从模型表现可以看出，其整体性能已超过低年资医生组，人工智能（AI）的方法有望转变为医疗保健的强大工具。该模型模型应用了一种自动的自然语言处理系统，该系统使用深度学习技术从EHR中提取临床相关信息。此研究为实施基于AI的系统提供了概念证明，该系统可帮助医生处理大量数据，增强诊断评估能力并在诊断不确定或复杂的情况下提供临床决策支持。

图四

图五

03 医学术语结构化与归一

电子病历一般是文本数据（非结构化数据），如何将文本数据转换为标准的结构化数据并归一，是医学自然语言处理中一个十分重要的任务，本文通过搭建一套归一化系统，用于对医学文本数据进行统一的结构化与归一，是结合多层匹配和机器学习排名进行临床概念归一化的成功实践，表明了通过结合一般的临床NLP系统获得更好性能的机会。

图六

04 糖尿病并发症预测

论文在2003到2011年间，对加利福尼亚州的医疗保健成本和利用项目州感染数据库进行了实验，给出了一种利用糖尿病患者相关电子病历，来预测相关并发症的解决方案，将患者电子病历信息通过embedding进行词嵌入，使用双向GRU神经网络进行训练。其中，住院数量是预测准确性的重要因素。从结果可以看出，利用双向GRU神经网络对糖尿病电子病历数据进行训练，能较好的预测出相关的并发症。

图七 双向GRU神经网络

图八

05 基于知识引导的乳腺癌复发预测

复发性乳腺癌的早期预测可以促进干预并改善患者的生活质量。传统的医学深度学习自然语言处理模型，都基于海量的电子病历数据，而对已有的先验医学知识缺乏关注。本文通过研究对深度神经网络模型融入结构化医学知识，使得深度学习模型具有一定的医学知识积累，进行乳腺癌复发预测。从下表中可以看出，融入医学知识的深度模型能更好的对患者未来可能面临的疾病风险进行预测。

图九 融合医学知识的深度神经网络

图十

参考文献：

[1]Liang W, Yao J, Chen A, et al. Early triage of critically ill COVID-19 patients using deep learning[J]. Nature communications, 2020, 11(1): 1-7.https://doi.org/10.1038/s41467-020-17280-8

[2] Liang H, Tsui B Y, Ni H, et al. Evaluation and accurate diagnoses of pediatric diseases using artificial intelligence[J]. Nature medicine, 2019, 25(3): 433-438. https://doi.org/10.1038/s41591-018-0335-9

[3]Chen L, Fu W, Gu Y, et al. Clinical concept normalization with a hybrid natural language processing system combining multilevel matching and machine learning ranking[J]. Journal of the American Medical Informatics Association, 2020, 27(10): 1576-1584.https://doi.org/10.1093/jamia/ocaa155

[4] Ljubic B, Hai A A, Stanojevic M, et al. Predicting complications of diabetes mellitus using advanced machine learning algorithms[J]. Journal of the American Medical Informatics Association, 2020, 27(9): 1343-1351.https://doi.org/10.1093/jamia/ocaa120

[5] Wang H, Li Y, Khan S A, et al. Prediction of Breast Cancer Distant Recurrence Using Natural Language Processing and Knowledge-guided Convolutional Neural Network[J]. Artificial Intelligence in Medicine, 2020: 101977.https://doi.org/10.1016/j.artmed.2020.101977

更多内容，请关注“医学大数据挖掘分析”公众号，欢迎留言联系～

*关注后回复“AI文献”即可获取以上5篇文献PDF*

邮箱：medicalda@tp-data.com

地址：广州市天河区珠江东路高德置地秋广场F座