只需说话10秒钟 科学家展示用人工智能分析与筛查糖尿病的新方法

只需说话10秒钟科学家展示用人工智能分析与筛查糖尿病的新方法克里克实验室（KlickLabs）的科学家认为语音技术是检测2型糖尿病的潜在突破口。实验室的一项开创性研究表明，识别一个人是否患有糖尿病可能很快就会变得很简单，只需他对着智能手机说出几个短语。这项研究融合了语音识别技术和人工智能，标志着糖尿病识别领域的重大进展。新研究发表在《梅奥诊所论文集：数字健康》（DigitalHealth）杂志上，概述了科学家是如何利用人们6到10秒钟的声音以及基本健康数据（包括年龄、性别、身高和体重）来创建一个人工智能模型的，该模型可以分辨出该人是否患有2型糖尿病。该模型对女性的准确率为89%，对男性的准确率为86%。在这项研究中，Klick实验室的研究人员要求267人（被诊断为非糖尿病或2型糖尿病患者）在两周内每天六次用智能手机录制一句话。科学家们从18000多条录音中分析了非糖尿病患者和2型糖尿病患者之间的14种声音特征差异。"我们的研究凸显了2型糖尿病患者和非2型糖尿病患者之间显著的声音差异，这可能会改变医学界筛查糖尿病的方式，"论文第一作者、Klick实验室研究科学家杰西-考夫曼（JayceeKaufman）说。"目前的检测方法需要花费大量的时间、旅行和成本。语音技术有可能完全消除这些障碍。"Klick实验室的一项新临床研究发现，人工智能和10秒钟的语音可以改变人们筛查糖尿病的方式，与目前的筛查方法相比，它能提供更好的服务，而且成本更低。研究结果发表在《梅奥诊所论文集》上：数字健康》（DigitalHealth）杂志上发表的研究结果表明，通过声音特征预测2型糖尿病的准确率，女性为89%，男性为86%。资料来源：Klick实验室Klick实验室的团队研究了一些人耳无法感知的声音特征，如音调和强度的变化。利用信号处理技术，科学家们能够检测出2型糖尿病引起的声音变化。考夫曼说，令人惊讶的是，这些声音变化在男性和女性身上的表现方式各不相同。据国际糖尿病联合会称，全球几乎每两个糖尿病患者中就有一个，即2.4亿成年人不知道自己患有糖尿病，而近90%的糖尿病病例属于2型糖尿病。糖尿病前期和2型糖尿病最常用的诊断测试包括糖化血红蛋白(A1C)、空腹血糖(FBG)测试和OGTT，所有这些测试都需要患者前往医疗机构进行。KlickLabs公司副总裁、本研究的主要研究者YanFossat说，Klick的非侵入性和无障碍方法为筛查大量人群提供了可能，有助于发现大量未确诊的2型糖尿病患者。"我们的研究强调了语音技术在识别2型糖尿病和其他健康状况方面的巨大潜力，"Fossat说。"语音技术作为一种方便易用、经济实惠的数字筛查工具，可以彻底改变医疗保健实践。"福萨特说，下一步将复制这项研究，并扩大他们在糖尿病前期、妇女健康和高血压等其他领域使用语音作为诊断手段的研究。...PC版：https://www.cnbeta.com.tw/articles/soft/1391503.htm手机版：https://m.cnbeta.com.tw/view/1391503.htm

人工智能为多囊卵巢综合症诊断带来革命性变革

人工智能为多囊卵巢综合症诊断带来革命性变革"鉴于社区中多囊卵巢综合症诊断不足和误诊造成的巨大负担及其潜在的严重后果，我们希望确定人工智能/ML在识别可能有多囊卵巢综合症风险的患者方面的效用，"该研究的共同作者、美国国立卫生研究院（NIH）下属国家环境健康科学研究所（NIEHS）高级研究员兼内分泌学家珍妮特-霍尔（JanetHall）医学博士说。"人工智能和机器学习在检测多囊卵巢综合症方面的效果比我们想象的更加令人印象深刻。"多囊卵巢综合征发生在卵巢不能正常工作的情况下，在许多情况下还伴有睾酮水平升高。这种疾病会导致月经不调、痤疮、面部多毛或头部脱发。患有多囊卵巢综合症的女性患2型糖尿病、睡眠、心理、心血管和其他生殖系统疾病（如子宫癌和不孕症）的风险通常会增加。"鉴于多囊卵巢综合症与其他疾病的重叠，诊断多囊卵巢综合症可能具有挑战性，"该研究的资深作者、美国国家健康研究所助理研究医师兼内分泌学家斯坎德-谢卡尔（SkandShekhar）医学博士说。"这些数据反映出，将人工智能/ML纳入电子健康记录和其他临床环境，以改善多囊卵巢综合症妇女的诊断和护理，还具有尚未开发的潜力。"该研究的作者建议将基于人群的大型研究与电子健康数据集结合起来，并分析常见的实验室测试，以确定有助于诊断多囊卵巢综合症的敏感诊断生物标志物。多囊卵巢综合征的诊断依据的是多年来不断发展并被广泛接受的标准化标准，但通常包括临床特征（如痤疮、毛发生长过多和月经不调）以及实验室（如高血睾酮）和放射学检查结果（如卵巢超声检查发现多个小囊肿和卵巢体积增大）。然而，由于多囊卵巢综合症的某些特征可能与肥胖、糖尿病和心血管代谢紊乱等其他疾病同时存在，因此经常被忽视。人工智能是指使用基于计算机的系统或工具来模仿人类智能并帮助做出决策或预测。ML是人工智能的一个分支，侧重于从以前的事件中学习，并将这些知识应用到未来的决策中。人工智能可以处理大量不同的数据，例如从电子健康记录中获得的数据，因此是诊断多囊卵巢综合症等难以诊断的疾病的理想辅助工具。研究人员对过去25年（1997-2022年）中发表的所有使用人工智能/ML检测多囊卵巢综合症的同行评审研究进行了系统回顾。在一位经验丰富的美国国立卫生研究院图书管理员的帮助下，研究人员确定了可能符合条件的研究。他们共筛选出135项研究，并将31项纳入本文。所有研究都是观察性的，评估了人工智能/ML技术在患者诊断中的应用。约有一半的研究包含超声波图像。研究参与者的平均年龄为29岁。在使用标准化诊断标准诊断多囊卵巢综合症的10项研究中，检测准确率在80%-90%之间。Shekhar说："在各种诊断和分类模式中，人工智能/ML在检测多囊卵巢综合症方面表现极佳，这是我们的研究得出的最重要的结论。"作者指出，基于人工智能/ML的项目有可能大大提高我们早期发现多囊卵巢综合症妇女的能力，从而节省相关费用，减轻多囊卵巢综合症给患者和医疗系统带来的负担。具有强大验证和测试实践的后续研究将使人工智能/ML与慢性健康状况顺利结合。...PC版：https://www.cnbeta.com.tw/articles/soft/1386563.htm手机版：https://m.cnbeta.com.tw/view/1386563.htm

AI 通过声音在10秒内诊断2型糖尿病 准确率高达89%

AI通过声音在10秒内诊断2型糖尿病准确率高达89%加拿大的医学研究人员训练一个基于机器学习的AI来识别2型糖尿病患者与非糖尿病患者之间的14种声音差异。这些差异特征包括音高、强度以及其他微小的声音变化，这些是人耳无法区分的。结果发现AI能够在89%的女性和86%的男性中准确诊断2型糖尿病。研究指出，女性的预测特征是平均音高、音高SD和RAPjitter；男性是平均强度和apq11shimmer。简单地说，2型糖尿病的女性报告的音高略低，变化较小；而2型糖尿病的男性报告的声音略弱，变化较大。https://doi.org/10.1016/j.mcpdig.2023.08.005投稿：@ZaiHuaBot频道：@TestFlightCN

港科大以人工智能预测阿尔兹海默症 一滴血筛患者

港科大以人工智能预测阿尔兹海默症一滴血筛患者香港科技大学11日公布，由其领导的国际研究团队开发并设计的人工智能阿尔兹海默症（AD）评分系统，可用于预测罹患AD风险，早期诊断以及划分患病阶段。据香港中通社报道，阿尔兹海默症是一种严重的神经退行性疾病，也是最常见的认知障碍症，至今仍未有有效的治疗方法。全球有超过5000万人口正受该病困扰，诊断和治疗面临巨大挑战。患者常在病情晚期才获确诊，但患者在症状出现前至少10至20年已经患病。香港科技大学成立的香港神经退行性疾病中心，最近在早期诊断及治疗取得突破，研究团队已经创建雪铁龙生物标志开发平台，识别新型的血液生物标志物，并设计了人工智能评分系统。当患者出现轻度或早期认知障碍时，只需一滴血，即可帮助他们及早发现病症，及时干预。目前传统的诊断方式有临床评估和脑成像诊断，生物标志物诊断方式比传统诊断方式相比更准确简单，伤害更小。香港神经退行性疾病中心张晓东教授说，目前血液蛋白标志物技术可以更快、更准确诊断。此外，团队在基因疗法上亦有突破，开发出的运送工具不仅可以跨越血脑屏障，还可通过单次、无创静脉注射，将优化的基因编辑工具运送到整个大脑，实现全脑基因编辑。发布：2022年5月11日4:44PM

［人工智能程序分析Instagram账号诊断忧郁症］

［人工智能程序分析Instagram账号诊断忧郁症］来自哈佛大学和佛蒙特大学的研究者开发了一款机器学习程序，其判断Instagram用户是否患有忧郁症的准确率可达到70%。而之前的研究表明，医生对患者是否患有忧郁症的正确诊断率只有42%。研究者在论文中称，他们的程序分析了166个Instagram账号的43950张照片。程序利用所谓“marker”来鉴别Instagram用户是否有忧郁症，分析的内容包括色彩、元数据、和脸部识别。研究还发现，患有抑郁症的Instagram用户一般不喜欢使用滤镜，但如果他们用的话，他们倾向于使用“Inkwell”滤镜。"http://www.digitaltrends.com/social-media/ai-program-uses-instagram-to-diagnose-depression/

放射科医生与机器的较量：在识别胸部X光片肺部疾病能力上依然超越人工智能

放射科医生与机器的较量：在识别胸部X光片肺部疾病能力上依然超越人工智能北美放射学会（RSNA）期刊《放射学》9月26日发表的一项研究显示，在对2000多张胸部X光片进行的研究中，放射科医生在准确识别三种常见肺部疾病的存在与否方面优于人工智能。放射成像的作用首席研究员、丹麦哥本哈根Herlev和Gentofte医院放射科住院医生兼博士研究员、医学博士LouisL.Plesner说："胸透是一种常见的诊断工具，但要正确解读检查结果需要大量的培训和经验。"虽然市面上已有经FDA批准的人工智能工具来协助放射科医生，但将基于深度学习的人工智能工具用于放射诊断的临床应用仍处于起步阶段。Plesner博士说："虽然越来越多的人工智能工具被批准用于放射科，但在实际临床场景中进一步测试这些工具的需求尚未得到满足。人工智能工具可以协助放射科医生解读胸部X光片，但其实际诊断准确性仍不明确。"(A）71岁男性患者因呼吸困难进展而接受检查的后前位胸部X光片显示双侧纤维化（箭头B）31岁女性患者因咳嗽一个月而转诊接受放射检查的后前位胸部X光片显示右心边界处有细微的气隙不清晰（箭头）。(C)一名78岁男性患者在置入中心静脉导管后转诊的前胸X光片显示右侧皮肤皱褶（箭头）。(D)为排除气胸而转诊的一名78岁男性患者的后前方胸部X光片显示右侧顶部有一个非常细微的气胸（箭头）。(E)一名72岁男性患者的后正位胸部X光片显示肋膈角慢性变圆（箭头），该患者无特殊原因转诊进行放射检查。(F)因怀疑充血和/或肺炎而转诊的76岁女性患者的前胸X光片显示左侧胸腔有非常微小的积液（箭头），所有三种能分析前胸X光片胸腔积液的人工智能工具都漏诊了。资料来源：北美放射学会研究结果Plesner博士和研究小组比较了四种市售人工智能工具和72位放射科医生在2020年对丹麦四家医院两年内连续拍摄的2040张成人胸部X光片进行解读时的表现。患者群体的中位年龄为72岁。在胸部X光片样本中，669张（32.8%）至少有一个目标发现。胸部X光片针对三种常见发现进行了评估：气室疾病（由肺炎或肺水肿等引起的胸部X光片形态）、气胸（肺部塌陷）和胸腔积液（肺部周围积水）。人工智能工具对气道疾病的灵敏度为72%至91%，对气胸的灵敏度为63%至90%，对胸腔积液的灵敏度为62%至95%。他说："在检测胸部X光片上的气腔疾病、气胸和胸腔积液方面，人工智能工具显示出与放射科医生相当的中高灵敏度。然而，与放射科医生相比，它们产生了更多的假阳性结果（在不存在疾病的情况下预测出疾病），而且当出现多个发现和较小的目标时，它们的性能会下降。"预测值比较对于气胸，人工智能系统的阳性预测值--筛查呈阳性的患者真正患病的概率--在56%到86%之间，而放射科医生的预测值为96%。"人工智能在识别气胸疾病方面表现最差，阳性预测值在40%到50%之间，"Plesner博士说。"在这一疑难老年患者样本中，人工智能10次中有5到6次预测出了不存在的气隙疾病。你不可能让一个人工智能系统以这样的速度独立工作"。放射科医生的目标是在发现和排除疾病的能力之间取得平衡，既要避免重大疾病被忽视，又要避免过度诊断。"人工智能系统在发现疾病方面似乎非常出色，但在确定没有疾病方面却不如放射科医生，尤其是在胸部X光片比较复杂的情况下，"他说。"过多的假阳性诊断会导致不必要的成像、辐射暴露和成本增加"。大多数研究通常倾向于评估人工智能确定单一疾病存在与否的能力，这比现实生活中病人往往患有多种疾病的情况要容易得多。在之前许多声称人工智能优于放射科医生的研究中，放射科医生只查看了图像，而无法了解患者的临床病史和之前的成像研究。在日常实践中，放射科医生对成像检查的解释是这三个数据点的综合。研究人员推测，如果下一代人工智能工具也能进行这种综合，其功能可能会变得更加强大，但目前还不存在这样的系统。"我们的研究表明，在病人种类繁多的真实场景中，放射科医生的表现普遍优于人工智能，"他说。"虽然人工智能系统能有效识别正常的胸部X光片，但人工智能不应自主进行诊断。"Plesner博士指出，这些人工智能工具可以通过对胸部X光片进行二次观察，增强放射科医生对其诊断的信心。...PC版：https://www.cnbeta.com.tw/articles/soft/1387257.htm手机版：https://m.cnbeta.com.tw/view/1387257.htm