为临床医生提供人工智能助手，以帮助识别肝硬化

肝脏的未来主义插图，建议使用人工智能来改善肝脏健康。学分：圣战奥贝德，南卡罗来纳医科大学
一个技艺精湛的侦探是有力量和价值的。夏洛克·福尔摩斯（Sherlock Holmes）和他值得信赖的搭档华生（Watson）以筛选大量数据而闻名 - 识别模式并做出预测以轻松揭开谜团。在医学界，临床医生是侦探，根据他们的临床判断和可用的患者数据进行诊断并得出结论。但就像侦探一样，临床医生可以从有伙伴中受益。
在南卡罗来纳医科大学（MUSC）最近的一项研究中，消化疾病研究核心中心主任Don Rockey博士和生物医学信息学教授Jihad Obeid医学博士共同利用人工智能（AI）方法，使用来自电子健康记录（EHR）的大量数据自动识别肝硬化。
他们在《临床胃肠病学杂志》上报告说，他们训练的卷积神经网络（CNN）模型，一种被称为深度学习的人工智能，仅根据患者出院摘要中的临床文本，就成功地以97%的精度识别肝硬化患者。

案例

肝硬化或肝脏不可逆的瘢痕形成是慢性肝病患者的最后一个常见事件，被疾病控制和预防中心列为 2021 年第 9大死因。这种并发症可能源于许多不同形式的肝损伤和疾病。从历史上看，预测哪些患者会进展为肝硬化一直具有挑战性。
“我们不知道谁有发生肝病严重并发症的风险，在我们试图降低肝病的发病率和死亡率时，识别肝硬化患者至关重要，”Rockey说。
虽然没有治愈肝硬化的方法，但及早诊断将有助于确保对疾病的最佳管理。
“如果我们能够提前一两年确定预测患有肝硬化的患者，这将使临床医生有时间治疗和防止疤痕组织在肝脏中积聚，同时也防止肝硬化并发症，”Rockey解释说。

搭档

像任何好的伙伴一样，人工智能系统可以收集和分析大量信息。对于医疗应用，它通常从包含患者健康史的 EHR 中提取该信息。计算机长期以来一直能够“读取”输入到EHR数据字段或表单中的数据。
然而，计算机很难访问叙述性文本中包含的信息，例如临床医生笔记或出院摘要中的信息。早期阅读这种叙述性文本的尝试基本上依赖于关键字搜索，其中关键字必须由熟悉该疾病的临床医生提供，使用几轮试验和错误。
在这项研究中，研究人员测试了可能更有能力的伙伴 - 一种不需要这种提示的基于深度学习的人工智能形式。
“使用深度学习模型的好处是，模型从你给出的例子中学习，而不是训练它寻找某些单词，”Obeid说。
研究人员使用被诊断患有肝硬化的患者的医疗记录训练了他们的AI模型 - 一种模仿大脑神经元的卷积神经网络。神经网络分析嵌入在叙述文本中的信息。
“神经网络比典型的统计AI模型提供更多的能力，因为这些人工神经元中的每一个都像一个模型一样，允许你想出一种更复杂的方法来区分和预测事物，”Obeid说。
就像法医艺术家添加一层又一层的特征来起草嫌疑人的肖像一样，Obeid和Rockey的神经网络模型使用多层人工神经元来提取有助于识别肝硬化的特征和模式。

潜力

一旦对通过手动图表审查建立的已知肝硬化患者的记录进行训练，Obeid和Rockey的模型在仅基于临床医生笔记中的叙述文本的新健康记录中识别肝硬化患者方面非常成功。
“我认为令人兴奋的是，它仅使用出院摘要中的文本就成功地识别了肝硬化，就像将其提升到一个新的水平以查看我们是否可以将其应用于早期识别的想法一样，”Obeid评论道。
Obeid说，人工智能和机器学习有可能彻底改变医学领域，但重要的是要强调，这些类型的模型不是为了取代，而是为了为临床判断提供信息。临床医生将解决此案，但人工智能可以成为帮助他们解决这一问题的强大伙伴。
“计算机是为了帮助临床医生，而不是取代他们或做出决定，”他说。“归根结底，是临床医生负责，而不是计算机。
也就是说，Rokey对这些AI伙伴如何推动医学，特别是肝病管理向前发展感到兴奋。
“我认为人工智能将用于预测疾病的严重程度，结合遗传学和成像数据，”罗基说。“我不知道这需要多长时间才能弄清楚，但我无法想象它不会发生。
更多信息：Jihad S. Obeid 等人，一种识别肝硬化患者的 AI 方法，《临床胃肠病学杂志》（2023 年）。DOI： 10.1097/MCG.0000000000001586