亚洲1区二区丝袜熟女,3344成年在线视频播放,欧美性一区二区三区在线,成人在线免费观看视频网址,国内精品伊人久久大香线焦,久久久久久久久久精品人妻,日本黑人亚洲一区二区,六月丁香七月婷婷久久综合,单位老熟女啪啪嗷嗷叫

-1-

第一波人工智能浪潮曾經席卷了斯坦福大學和許多其它學術機構。Shah將當下描述為一個既狂熱又充滿巨大機遇的時刻。在風險投資的推動下，人們急于交付具有持久價值的應用程序——他估計，當今只有5%到10%的應用程序達到了這一目標。

作為斯坦福大學醫療保健的人工智能專家，沙阿正對醫療AI保持密切關注。然而，Shah強調：即使生成式人工智能兼顧了所有關切，由于我們對其準確性和信任的擔憂，它不會很快在醫學和醫療保健中占據重要地位。“今天市場上90%的算法都不會如此，然而十年后我們將非常感謝另外的10%。它們成功并改變了醫學科研和醫療護理服務實踐。”

那么，人工智能目前在哪些醫學領域顯現出最直接的前景呢？斯坦福大學的科學家們或許會拿“成像”來概括他們迄今為止的醫療AI嘗試。在FDA批準的500多種AI算法中，75%以放射學為重點，85%以成像為重點。在斯坦福大學醫學院，人工智能創新也嚴重偏向于成像。

在某些方面，人工智能可以成為超人，因為它能夠鏈接不同的數據源。它可以獲取基因組信息和成像信息，并有可能找到人類無法建立的聯系。而這些海量的交叉關聯數據集并不適合人類的信息處理能力。

-2-

心臟功能的一個重要指標是它向身體泵血的能力，然而估計每次心跳泵出的血液量非常耗時，而且因人而異。盡管該評估已自動用于成人，但是不適用于兒科患者。

斯坦福的兒科心臟病專家與計算機科學家合作開發了一種模型，可以準確可靠地自動估計兒童左心室的功能。依賴于醫生對心臟泵血能力評估的兒童醫療決策，可以從這種為兒童量身定制的模型中受益。

模型分析了4000多個兒科患者心臟視頻片段，并高精度地評估了心臟的功能。它對心臟泵血能力的評估比醫生的評估更快、更一致。

該算法可以為人工智能模型提供一個模板，以評估心臟功能以及胎兒心臟和結構異常心臟的泵血能力。盡管該模型在投入使用之前還需要進一步測試，但是醫學家們希望有朝一日它能幫助非心臟病專家，例如遠離醫院的心臟病兒童的父母。這可以改善心臟病專家較少的農村地區的護理質量。

（2）遠程皮膚疾病診斷

當COVID-19大流行爆發期間，斯坦福醫學院皮膚科診所的住院醫師們，被迫從面對面就診轉向遠程醫療，進行帶狀皰疹、濕疹和可疑痣等皮膚病的篩查。

這種情況下，醫生不得不依賴患者拍攝的照片進行診斷。然而，這些照片通常一言難盡，醫生們通常需要花幾個小時來梳理這些照片。

于是，醫學專家們聯合開發了一種算法來自動幫助患者提交臨床上有用的照片，并將該算法開發成了一個名叫TrueImage的APP，患者可以通過智能手機或平板電腦訪問它。

患者將按照APP的提示拍攝一張對醫生來說足夠好的照片。然而，這樣的算法只有在人類實際使用它們并改變行為時才有意義。2021年的一項試點研究中，專家們發現TrueImage將提交不良圖像的患者數量減少了68%。

現在，專家正在進行一項更大規模的臨床試驗，以探究患者在家中使用該應用程序時的功效。如果試驗證實了該應用程序能夠改善患者提交的照片，該團隊將在斯坦福醫學診所推出它。

（3）胸部CT識別動脈中的鈣沉積

許多患者可以從心臟CT掃描中受益，以檢測冠狀動脈內鈣的積聚。然而，并不是所有患者都會選擇做CT掃描，原因可能有很多種。不過，很多時候患者或許已經出于某種與心臟完全無關的原因進行了胸部CT檢查。人工智能是否可以從這些胸部掃描中辨別有價值的心臟信息？

斯坦福的醫學家們一起設計了一種深度學習算法，該算法可以通過胸部CT掃描評估患者冠狀動脈中的鈣含量，其準確性與為該特定目的進行的掃描一樣高。

2022年，該團隊在173名患者中測試了該算法，其中大多數患者患心臟病的風險很高，但沒有服用他汀類藥物。眾所周知，他汀類藥物可以降低心臟病發作和中風的風險。

當他們向患者及其初級保健醫生提示這個風險，并展示患者動脈中白色沉積物的圖像時，其中51%的人在六個月內開始服用他汀類藥物。這個比例大約是該團隊在他們沒有通知的類似組中觀察到的他汀類藥物處方率的七倍。（在研究結束時，研究人員通知了所有冠狀動脈鈣患者。）

這些被通知的患者通常還沒有出現癥狀。這相當于為他們改變生活方式和服用藥物提供了動力。目前，醫學家們正計劃進行一項臨床試驗，以測試該系統是否能預防心臟病發作和中風。

（4）輔助眼科手術決策

許多患有青光眼等眼病的人多年來可能一直沒有癥狀，也有一些患有會迅速發展為不可逆轉的失明，并且可能需要手術來預防。然而，要清楚地判斷哪些患者需要，哪些患者不需要，通常而言這并不容易。

人工智能是否能提供幫助？大語言模型處理技術為快速分析醫生的筆記打開了大門，挖掘大量信息（例如家族史）以幫助預測哪些青光眼患者將很快需要手術。

科學家的想法是，醫生可以使用該模型來標記風險較高的患者，并進行積極的治療干預防止視力喪失。

根據2023年4月該團隊發表在《醫學前沿》上的一項研究，該模型可以告訴醫生患者在一年內需要手術的幾率超過80%，低風險的患者可能會通過侵入性較小的治療方案進行安全監測。

雖然它并不完美，但是它已經比一些醫生的評估更準確，“該模型在這項任務中的表現遠遠超過人類。”

在該模型可用于臨床之前，醫學家希望通過整合成像數據來進一步完善它，并考慮在不同種族、民族、居住地區和社會經濟多樣性的大量患者身上測試該模型。

（5）心臟病發作風險篩查

當患者出現心臟病發作跡象時，急診科團隊只有不到10分鐘的時間通過心電圖等進行評估。然而，隨著時間的流失，患者永久性心臟損傷的風險也在增加。

這對登記新患者的工作人員來說壓力很大，他們需要做出正確的決定。人工智能是否可以減少護理延誤？由此，斯坦福的急診醫學專家Yiadom打算建立一個可以勝過人類的篩選模型。

在HAI的資助下，Yiadom的實驗室——包括統計學家、數據科學家、醫學信息學家、急診醫學醫生的團隊——創建了一個預測模型。

為了評估該模型的性能，他們用它來分析過去279132次訪問斯坦福醫院急診室的電子健康記錄。結果顯示該模型并不完美——它錯過了18%的病例。然而，急診科工作人員的篩查通常會錯過大約27%的病例。

可能最大的收獲在于，專家們發現該模型存在種族方面的偏見。人類可以借此將公平引入篩查。Yiadom的團隊發現，“人類+人工智能”組合方法比單獨使用任何一種方法都表現得更好，僅遺漏了8%的病例，同時不同性別、種族、民族和年齡的患者之間幾乎沒有差異。

（6）外科醫生手術技能評估、培訓

外科醫生能否像運動員一樣，根據視頻片段中的見解改進他們的技術？科學家認為，只要借助一些自動化技術，這是可能的。

現在很多手術都能被記錄下來，尤其是那些使用手術機器人進行的外科手術。高級外科醫生可以審查機器人手術視頻源以評估受訓者的技術，只是此類手術技能評估通常很耗時，并且因評估者而異。

人工智能專家了解到這個問題后，開發了一種人工智能驅動的算法來為手術技能評估提供幫助。該模型分析了92例機器人手術中的工具運動，并根據手術技術和效率評估了臨床醫生的手術技能。結果顯示，該模型的技能評估與專家評級一致，準確性很高。

實習外科醫生可以使用該模型獲得頻繁、客觀的反饋，非常接近于培訓和技能評估。科學家正在努力將類似的算法引入醫學院，以幫助評估住院醫師在學習進行新手術時所做的手部動作。

接下來，科學家希望AI能夠向外科醫生提供實時反饋，并防止手術過程中的錯誤，就像一個專家同事一樣。

（7）提高患者用藥依從性

盡管他汀類藥物在減少心臟病發作和中風方面通常是安全有效的，但是許多有風險的患者（例如心臟病和糖尿病患者）并沒有服用它們。

斯坦福大學SHC的科學家們開發了不同版本的模型，以確定患者是否有他汀類藥物處方。如果沒有，為什么不。科學家們改進了一種自然語言處理模型，經過訓練可以識別和解釋醫生筆記中的臨床語言。

他們使用其中一個更新的人工智能模型發現，來自心臟病發作風險增加的北加州33461名糖尿病患者中約有一半可能從他汀類藥物中受益，卻沒有服用他汀類藥物。模型也解析了患者不使用他汀類藥物的情況，以及患者沒有高精度服用的原因——從個人對副作用的擔憂到診所內的溝通障礙。

科學家希望這樣的算法可以為目標計劃提供信息，以公平地增加他汀類藥物的使用。

（8）引導蛋白質進化促進藥物研發

進化是低效的。導致蛋白質適應性改善的隨機基因突變是罕見的，卻很強大。希望利用進化的力量來創造有益蛋白質的科學家希望加快這一過程。然而，蛋白質的變化幾乎是無窮無盡的，確定“最佳組合”的變化就像梳理宇宙中的所有原子一樣。

人工智能是否可以縮小對蛋白質變體的搜索范圍？如果可以的話，這將節省科學家在測試新療法的潛在蛋白質時的時間和金錢。況且，當今大約一半的重磅藥物都是基于抗體的。

生物化學家們與合作者一起開發了一種算法，該算法運行在由許多氨基酸序列訓練的語言模型上。他們使用的模型，是在由來自人類、動物和細菌的超過1億種蛋白質的氨基酸序列的數據集上訓練的。

在概念驗證測試中，這些模型指導了與冠狀病毒、埃博拉病毒和甲型流感結合的人類抗體的進化。在幾秒鐘內，每個模型分析了數千種蛋白質變體，并推薦了一些氨基酸變化。這些模型同意一些最終提高抗體與靶病毒結合的能力。

這些模型基本上學習了進化的規則，拒絕了導致錯誤折疊蛋白質的氨基酸變化，并優先考慮使它們更穩定或改善其對特定目的的適應性的變化。

這些模型的力量是強大的，科學家就像接觸到了一個巨大的蛋白質宇宙，潛在的應用范圍巨大，可以幫助開發抗體藥物，甚至也可以運用到環境治理方面。

（9）細胞形態組分析助力疾病治療

當科學家研究細胞時，他們通常從不同的分子組（例如，DNA或蛋白質）中收集線索，以尋找健康和疾病的跡象。最近，斯坦福大學醫學院的科學家們增加了一個新類別——“形態組”。他們開發了一種技術來捕捉各種細胞在正常和疾病狀態下的外觀，并根據形態對它們進行分類。

大約10年前，斯坦福大學遺傳性心血管疾病中心主任Euan Ashley和Ashley實驗室的博士后學者Maddison Masaeli博士開始開發一種技術，使細胞形態學更適合研究。當時，谷歌的計算機科學家、人工智能專家也加入了進來。

他們開始編寫一個人工智能模型，根據細胞的形狀和發育階段（如圓形和大小）的測量值，將細胞圖像組織成類別。這個模型可以分析來自組織樣本的活細胞圖像，并使用多用途神經網絡將具有相似形狀的細胞組合在一起。科學家就可以識別感興趣的細胞群，并根據它們的形態分離它們。

2017年，他們創立了一家名叫Deepcell的公司，服務于科研人員。2023年夏天，這項技術通過Beta測試項目回到了Ashley實驗室，用來研究遺傳性心臟病患者的細胞。Ashley說，患病細胞和恢復細胞之間特征的差異可以為心臟病治療提供信息。

（10）幫助臨床試驗更具包容性

為了避免產生意想不到的后果，藥物的臨床試驗有嚴格的資格標準。這些標準旨在排除可能對實驗性療法有不良反應的患者。然而，這些規則有時非常嚴格，以至于藥物試驗無法招募到足夠的參與者。

這損害了試驗的穩健性，可能無法反映藥物對最廣大普通患者的作用。斯坦福大學的專家們發現，人工智能有助于擴大臨床試驗池，使其規模更大、更具包容性。擴大臨床試驗池可以加快藥物試驗，并產生更準確的、反映新療法的療效和安全性的結果。

他們設計了一種人工智能算法“試驗探路者”。該算法可以根據試驗資格標準評估患者的健康記錄并提出建議，以幫助科學家在不影響其安全性的情況下招募更多參與者。

為了測試“試驗探路者”算法，該團隊讓它查看了數十萬癌癥患者的電子健康記錄，并設計了適當的測試流程。結果顯示，使用算法的建議之后，科研團隊平均而言可以將符合條件的患者數量增加一倍以上。

該團隊2021年4月在《自然》雜志上發表了他們的研究。現在，基因泰克正在使用該算法來幫助設計臨床試驗。科研團隊也還在研究類似的算法，以應用于更廣泛的疾病領域。