利用人工智能的放射学分析已超越单纯的肿瘤识

　　毫不奇怪，神经网络的最早应用之一是放射学，它是人工智能的一种现代核心技术。视觉应用的重点是查看X射线和CT扫描图像以识别癌性肿瘤的任务。这推动了对AI的重生。人工智能和机器学习(ML)的发展已开始帮助医学界从单纯的疾病识别转向医疗保健中更具预测性和规范性的领域。一个例子是肺部疾病。

　　通过AI初步识别肿瘤是提高诊断和神经网络准确性的重要一步。医疗保健的下一个明显步骤是确定其他疾病。对于肺部系统，尤其是肺部，癌症的识别已扩展到识别肺气肿引起的问题。在调查过程中，我从该疾病中学到的一件事是，受损的肺部不仅停止工作。当我们呼吸时，我们吸收气体，然后肺部将诸如氧气的气体转移到血液中。肺气肿的一种影响是，无法转移气体意味着空气被困在肺部，它们会膨胀，从而阻止空气移动到仍然健康的肺部。

　　肺气肿和其他疾病的生物标志物的鉴定可以通过神经网络进行鉴定。但是，请注意我通常使用的肥皂盒，即AI是一种工具，而ML现在已不仅仅是纯粹的AI定义。识别问题是一回事。利用这些知识来计划和执行动作已超出了此范围。VIDA总裁兼首席执行官Susan Wood博士说：“神经网络对于识别图像中的问题至关重要。“但是，这不仅仅在于AI在图像中找到事物或更快地完成事情，还在于改善对护理途径和患者治疗的整体影响。”

　　合并的一个示例是大量肺气肿病例历史如何允许对神经网络进行监督学习以识别问题区域，然后使用高级统计模型(即使不是AI也可以成为ML的一部分)来帮助识别肺段并测量和量化这些细分中的已识别特征。

　　可以在多个级别上执行预测分析。对于哪些治疗类型最适合不同的患者人口统计数据(年龄，疾病传播等)进行了高级统计分析。还有更详细的分析。

　　多数人早就听说过动脉支架，以帮助其打开并促进血液流动。与此相关的是一些非常凉爽的(技术术语…)单向阀，例如PulmonX的单向阀，可以将其植入肺部。阀门可以让空气缓慢地离开膨胀的肺部，同时阻止新空气进入。这有助于将空气对准肺部的良好部分，从而改善呼吸。VIDA正在使用机器学习来帮助医生了解患者对手术的适合性以及这些设备的最佳放置。