人工智能与医疗设备和数字健康

章节

第 2 章：早期诊断和临床决策

使用惯性传感器和机器学习评估老年人跌倒的风险
机器学习帮助修复受损的心脏
人工智能让白内障患者看得更清晰

第 2 章

人工智能助力早期诊断和临床决策

最近的一份报告显示，医疗失误是美国第三大死亡原因 [2]。大多数都属于诊断失误，包括对患者做出误诊和漏诊。在美国，大部分人一生中都至少经历过一次这样的误诊，其中有 10% 的误诊会导致死亡 [2] [3]。

有了人工智能，处理信息和做出决策变得更加高效，也更不容易出错。以下示例说明了基于人工智能的设备如何帮助医疗健康提供者直接基于医学图像、生理信号或患者健康记录提供更准确的诊断。

基于人工智能的心脏及其电活动实时标测图，可帮助医生确定房颤需要的手术干预。（图片所有权：Corify Care）

使用惯性传感器和机器学习评估老年人跌倒的风险

挑战

研究表明，在 65 岁以上的老年人中，每年有近三分之一的人会发生跌倒，这使得跌倒成为这一年龄组中致命和非致命伤害的主要原因。

解决方案

Kinesis Health Technologies 开发了一款名为 QTUG™ (Quantitative Timed Up and Go) 的设备，该设备使用一种客观定量的方法，通过将无线惯性传感器放置在患者腿上来筛查是否有跌倒风险、衰弱和行动不便的情况。最终产品使用在 MATLAB 中开发的基于人工智能的模型来计算跌倒风险评估 (FRE) 和衰弱指数 (FI)。

在 QTUG 测试中，患者每条腿的膝盖以下位置安装有两个无线惯性传感器。每个传感器都包含一个加速度计和一个陀螺仪。
为了去除从这些传感器收集的数据中的高频噪声，他们使用了通过 Signal Processing Toolbox™ 中的滤波器设计工具设计的数字滤波器。
该团队使用了 Statistics and Machine Learning Toolbox™ 来选择具有最高预测值的特征子集，并验证在 MATLAB 中实现的正则化判别分类器模型。
他们基于从数千名患者那里收集的临床试验数据训练了他们的模型，并评估了由组合分类器生成的结果。
为了根据新参考数据集更新分类器系数，工程师将它们从 MATLAB 导出到一个资源文件，然后将该文件合并到编译中。

患者定量指标。（图片所有权：Kinesis Health Technologies）

结果

迄今为止，来自八个国家/地区的临床医生已经使用 QTUG 对 2 万多名患者进行了评估。随着新结果的涌现，该团队一直在改进参考数据集。据他们估计，开发速度比使用 Java^® 快了三倍，这就缩短了上市时间以及在美国 FDA、加拿大卫生部和欧洲药品管理局 (EMA) 注册为 I 类设备的时间。

阅读文章

机器学习帮助修复受损的心脏

挑战

心房颤动 (AFib) 是一种常见的心律失常。当心律失常不能通过药物或电击治疗时，患者可能需要接受侵入性消融术来阻断有问题的电信号，使心跳恢复正常。这种手术的成功率只有 50%，因为对医生来说，定位正确的心脏组织存在一定的挑战。

解决方案

Corify Care 开发了一款名为 Acorys^® 的设备，可以根据来自患者胸部和背部的非侵入性信号测量值，提供心脏及其电活动的近实时标测图。只要了解躯干的几何形状，以及哪些电信号来自躯干的哪个部位，就可以反向重建心脏。

Corify 团队使用了 MATLAB 进行机器学习和信号处理来滤除噪声，从而生成更干净的数据。这些数据经过进一步的信号处理，可以准确地重建心脏活动。

他们用来自患者和数学模型的数据来训练他们的重建算法，使 Acorys 能够获取任何患者的电信号，并将其转换成心脏标测图。

从人体躯干读取信号并将其重建为心脏标测图的早期原型。（图片所有权：Corify Care）

结果

该团队正在努力获得欧洲药品管理局 (EMA) 的 Conformité Européenne (CE) 标志，以及美国食品药品监督管理局 (FDA) 的批准。通过对心脏及其电活动进行详细无创的观察，Acorys 有可能免除不必要的消融手术，从而节省患者和医疗健康系统的时间与金钱。

阅读文章

人工智能让白内障患者看得更清晰

挑战

白内障患者由于眼球晶状体不透明而视物模糊。数百万患者必须接受白内障手术。在手术中，医生会将其天然晶状体摘除，换上人工晶状体 (IOL)。但是，眼科医生难以准确预测实现最佳术后效果所需的人工晶状体度数。

解决方案

眼科医生 Warren Hill 与 MathWorks 团队合作创建了全新的径向基函数 (RBF)，用来预测人工晶状体的光学度数。

RBF 是用 MATLAB 训练一个基于人工智能的模型而开发的。在训练该模型时，他们使用了通过 Lenstar 生物测量仪对数千名术前患者的眼部进行详细测量得到的数据。
训练数据还包括观察到的术后结果。
该团队将模型导出到 Simulink（一个用于设计、仿真和测试系统的图形环境），然后从模型中生成代码，并将其部署到 Lenstar 设备。

在 MATLAB 中开发的径向基函数 (RBF) 人工晶状体计算器。

这款计算器被称为 Hill-RBF 计算器。该计算器的在线版也同步推出，以便全世界的眼科医生都能使用。

结果

这款计算器在 2016 年推出，很快便被全球眼科界所接受。该计算器依托更大的数据集得到了更新和改进。现在，外科医生能够在 ±0.50 D 范围内实现 90% 的成功率，而更为常用的传统老方法的成功率仅为 78%。从这个角度来看，以全球每年进行约 2,800 万例手术计算，成功率提高 12% 意味着新增 340 万例成功手术。

阅读文章

参考文献

[2] Makary, Martin A, and Michael Daniel.“Medical Error—the Third Leading Cause of Death in the US.”BMJ, May 3, 2016. https://doi.org/10.1136/bmj.i2139.

[3] Balogh, Erin, Bryan T. Miller, and John Ball.Improving Diagnosis in Health Care.Washington, DC:The National Academies Press, 2015.