图片来源:PhonlamaiPhotos
你需要进行疾病筛查——你是愿意拍照，还是愿意进行广泛、昂贵和侵入性的基因检测?
听起来好得令人难以置信，但这是一个真实的问题，这要感谢人工智能的进步和人工智能的工作高尼姆AbdAlmageed，研究总监南加州大学信息科学研究所(ISI)，谁是使用人工智能和面部识别分析准确预测先天性肾上腺增生症，这种疾病会导致轻微的面部变化。
这只是ISI研究人员所做工作的一个例子，他们正在一起形成人工智能健康研究中心(AI4Health)。
该中心由主任领导迈克尔Pazzani他将专注于在伦理人工智能算法和系统方面取得突破的研究，以改善医疗保健、打击错误信息和分析大数据。
寻找人工智能和医学的交叉点
帕扎尼说:“ISI已经在使用人工智能进行健康研究，AI4Health的目标之一是更系统地进行这项研究，使医学院的研究人员更容易找到具有人工智能专业知识的人。”
考虑到这一目标，AI4Health将与世界卫生组织合作举办一系列活动南加州大学凯克医学院．第一场比赛已经准备好了2022年12月1日，星期四上午11点到下午1点在南加州大学健康科学校区。在这次活动中，来自ISI的6名研究人员和来自Keck的6名研究人员将分别就他们的工作进行5分钟的演讲。Pazzani他解释说，这些活动将寻求“在Keck和ISI之间找到交集，并增加合作的数量。”在AI4Health.isi.edu注册．
大量的数据
“近年来，健康数据变得更加丰富，”帕扎尼说。电子健康记录、基因组数据、来自传感器和可穿戴设备的信息以及医疗图像——所有这些数据都适合人工智能进行分析。信息也可以从科学期刊出版物和社交媒体帖子中收集，这两者的数量都在继续快速增长。
而这一级别的大数据正是人工智能和机器学习发挥最佳作用的地方:在数据中寻找模式，从文本中提取信息。期刊和社交媒体)，并根据数据分析进行预测。
AI4Health将利用人工智能来利用越来越多的健康数据，并为大数据带来的挑战找到解决方案。
AI4Health研究领域
数据管理
为了让数据有用，研究人员需要能够找到它;如果它被策划、组织和注释是有帮助的;而且它必须是可以访问或分发给感兴趣的各方的。使这一切发生的就是所谓的数据管理ISI的几位研究人员一直活跃在这一领域，因为它适用于健康。
卡尔Kesselman一起,ISI研究员d信息学系统研究部主任，的管道和工作流已创建FaceBase 3数据管理和集成中心收集和管理庞大的数据集人类和动物的颅面和牙齿发育模型。所有这些都可以提供给更广泛的颅面研究团体目的是推进颅面发育和畸形的研究。
伊戈尔阿伦斯他和他的团队多年来一直与美国国立卫生研究院和美国国家精神卫生研究所合作，创建了美国国立卫生研究院NIMH资源库和基因组资源(NRGR)。NRGR收集了被诊断患有精神健康问题的人及其亲属的生物样本和数据。通过及时访问原始数据和生物材料，研究人员可以使用该存储库中的数据集，以促进研究和开发。
像这样的重要工作——促进使用现有的大量健康数据——将继续作为AI4Health的一部分。
知识发现与数据分析
得益于大量的健康数据，研究人员能够使用人工智能来梳理出可能带来突破的模式。这通常意味着分析电子健康记录、医疗图像或来自可穿戴传感器的数据，以发现新的关系。
这在实践中是什么样子的呢?ISI高级研究主管的工作格雷格·弗·斯蒂格已经发现阿尔茨海默病的预测因素患者医疗数据中的疾病。
或者ISI研究领导阿比盖尔霍恩的工作了解导致饮食相关疾病的行为。霍恩将大量的手机移动数据而且健康数据表明，食物环境与饮食相关疾病密切相关。该研究还分析了数字餐厅菜单，以确定社区可用的食物质量，希望能够铺路为受不良饮食影响的人口群体制定更有效的公共卫生政策或干预措施。
但有一些健康数据，乍一看可能不像“健康数据”。例如，社交媒体上的帖子。埃米利奥费拉拉他一直致力于打击社交媒体操纵和有关一些公共卫生问题的错误信息:COVID-19阴谋;anti-vax活动;烟草促销;还有网上政治和公共卫生政策的结合。
另一个适合知识发现和分析的数据集是不断增长的电子期刊出版物。通过人工智能，可以对这些数据进行分析，从而创建医疗保健信息数据库。
精密健康
“知识发现是指研究如何使用机器学习来发现数据中的模式。”帕扎尼接着解释道精密健康指的是“找到最适合每个人的疾病风险和治疗方法。”
优先考虑南加州大学凯克医学院在美国，精准健康利用基因组数据或其他因素的识别来改善人口子集的健康。这可能意味着针对一组患者量身定制治疗方案，研究具有特定基因组的病毒，等等。
帕扎尼举了一个例子，“不幸的是，有许多治疗帕金森病的药物只有25%的有效性，但对于特定的患者群体，它们的有效性为90%。”
这就是人工智能的用武之地。他接着说，“所以如果你能了解患者的遗传背景和药物之间的关系，那么你就可以为特定的患者或特定的患者群体量身定制药物。”
这种类型的分析可以产生切实的后果:“让有效率为25%的东西获得FDA的批准是很困难的。让对具有特定基因组的人有效90%的药物获得批准要容易得多。”
机器学习促进健康
人工智能和机器学习(ML)还可以通过建议诊断或向临床医生推荐干预措施来用于临床决策。AbdAlmageed的工作面部识别分析预测先天性肾上腺增生就是一个例子，ISI的许多研究人员已经大量参与这一领域。
Pazzani在机器学习方面有丰富的背景，他致力于使用ML来检测认知障碍，为艾滋病毒患者推荐治疗方法，分析胸部x光片，诊断青光眼等。包括Pazzani在内的AI4Health研究人员将继续在健康领域研究ML，同时也将在健康领域寻找ML的新机会和应用，目标是创造更好的患者体验和改善健康结果。
远程医疗
改善病人体验也可以通过远程医疗通过使用人工智能系统来协助远程医疗。人工智能可以分析聊天文本、语音和图像，为临床医生或患者提供快速反馈。同样，AbdAlmageed对面部变化的分析是一个很好的例子，然而，人工智能可以在很大程度上改善远程医疗。
帕扎尼说:“这可能是一个医生在聊天中决定你需要看哪种类型的医生。或者我们可以安慰一些人，对他们说“吃两片阿司匹林，早上给我打电话”。至于其他人，我们可能认为这是紧急情况，我们会把他们送到正确的专家那里。”
促进研究，寻求突破
十多名已经从事人工智能健康研究的研究人员将加入AI4Health计划。除了帕扎尼担任主任外，该中心还将由ISI的负责人共同指导高尼姆AbdAlmageed,jose luis Ambite,阿比盖尔霍恩而且格雷格·弗·斯蒂格作为副执行长。这个团队，以及来自ISI和南加州大学的研究人员将努力促进研究，寻求突破，最重要的是，努力改善患者的健康结果。
出版于2022年11月22日
最后更新于2022年11月28日
