人工智能可以提高肺功能检查的诊断能力

根据一项新的研究发现，人工智能可以改善肺功能检查对长期肺部疾病诊断的解释。

在欧洲呼吸学会国际大会上发表的结果首次探索了人工智能在提高肺部疾病诊断准确性方面的潜在用途。

当前的测试需要一系列方法，包括肺活量测定法测试，测量呼吸过程中空气的量(体积)和速度(流量)，然后进行人体体积描记法测试，测量静态肺体积和气道阻力，最后进行扩散测试，测量穿过肺气囊的氧气和其他气体的量。对这些测试结果的分析主要基于专家意见和国际准则，试图发现结果中的模式。

在这项新研究中，研究人员纳入了968人的数据，这些人是首次进行完整的肺功能测试。所有参与者都根据肺功能检查和所有其他必要的附加检查(例如CT扫描，心电图等)进行了首次临床诊断。大量专家临床医生的共识验证了最终诊断。

研究人员随后调查了是否可以使用称为“机器学习”的概念来分析完整的肺功能测试。机器学习利用可从中学习并执行预测性数据分析的算法。

该团队除常规肺功能参数和吸烟史，体重指数和年龄的临床变量外，还开发了一种算法程序。基于临床和肺功能数据的模式，该算法为最可能的诊断提出了建议。

比利时鲁汶大学的这项研究的资深作者Wim Janssens评论说：“我们已经证明，人工智能可以在这项新研究中为我们提供更准确的诊断。我们开发的美丽之处在于该算法可以模拟临床医生用来进行诊断的复杂推理，但是以更加标准化和客观的方式进行，因此可以消除任何偏见。”

临床医生目前必须依靠使用基于人群的参数来分析结果。借助人工智能，机器可以一次观察多种模式，以帮助进行更准确的诊断。这以前在其他健康领域中已经发生过，对心电图结果的自动解释通常在临床实践中用作决策支持系统。

比利时鲁汶大学的这项研究的第一作者Marko Topalovic说：“这种方法的好处是可以更准确，自动地解释肺功能检查，从而更好地进行疾病检测。经验丰富的临床医生，但对于整体医疗保健也有很多好处，因为它可以节省最终诊断的时间，因为这可能会减少临床医生为确认诊断而采取的多余其他检查的次数。”

研究团队的下一步将是在不同人群中测试该算法，并通过经过验证的临床诊断不断更新肺功能数据，从而提高系统的决策能力。

郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如有侵权行为，请第一时间联系我们修改或删除，多谢。

研究为日本人的起源提供了更多信息