人工智能(AI)的許多用途將在醫(yī)學領域。今天，它已被用于分析病歷和提高醫(yī)院效率。隨著AI領域的不斷適應，這些網絡在做事上也越來越好。

對于辛辛那提大學醫(yī)學院和辛辛那提兒童醫(yī)院的一個團隊開發(fā)的一個人工智能系統(tǒng)，尤其如此。通過分析MRI掃描，可以準確預測患者是否患有注意力缺陷多動障礙(ADHD)。它也比人類醫(yī)生做得更好。

診斷進展

在美國，超過8%的兒童被正式診斷出患有ADHD。據推測，由于該病有時難以發(fā)現或被其他兒童時期的行為掩蓋，因此有可能無法診斷。這種疾病引起的癥狀從無法集中注意力到磨練他人情感的困難不等。許多患者還經歷了極度的躁動，并且不斷需要積極鍛煉。

傳統(tǒng)上，多動癥是由精神科醫(yī)生或兒科醫(yī)生在觀察這些癥狀或詢問患者是否感覺到這些癥狀之后診斷出來的。但是，近年來，醫(yī)生越來越多地使用MRI掃描來幫助識別ADHD。先前的研究指出，大腦不同區(qū)域之間的脫節(jié)是造成這種疾病的原因。MRI掃描能夠揭示該問題，并為醫(yī)生提供診斷ADHD的可靠方法。

來自辛辛那提大學(UC)的新AI系統(tǒng)分析MRI圖像以尋找ADHD的證據。根據研究小組的說法，深度學習模型“極大地改善了ADHD檢測性能。”他們的論文發(fā)表在《放射學：人工智能》雜志上，并詳細記錄了研究結果。在整個研究過程中，研究人員通過AI系統(tǒng)運行了973名患者的MRI數據。

廣義調整

雖然AI可以用于診斷當前患者的ADHD，但其預測技能更為重要。由于通過早期診斷和治療來管理精神健康疾病要容易得多，因此識別問題是重要的一步。UC人工智能系統(tǒng)允許醫(yī)生在患者患上ADHD之前就這樣做。

這種早期發(fā)現可以極大地改變患者的預后。例如，如果ADHD被早期診斷，甚至在癥狀開始出現之前，醫(yī)生就可以提供治療方法以幫助控制該疾病或防止其進一步發(fā)展。

但是，該團隊表示，這并不是系統(tǒng)收益的終點。該研究的資深作者Lili He說：“該模型可以推廣到其他神經系統(tǒng)缺陷。我們已經使用它來預測早產兒的認知缺陷。我們在出生后不久對其進行掃描，以預測兩歲時的神經發(fā)育結果。”