《基于人工智能的机器学习在医疗中的应用》-文学论文，传播论文-论文范文参考-科学狗论文网

标题

基于人工智能的机器学习在医疗中的应用

范文

高一冉

摘要人工智能作为当前计算机学科的热点研究方向之一，已经被人们用于各行各业。文章从对人工智能技术的理解，基于人工智能技术的机器学习角度出发，分析了机器学习技术，并就人工智能在现代医疗服务中的应用展开一定论述，为人工智能技术在医疗领域的应用提供新的思路。

关键词人工智能；机器学习；医疗；计算机

中图分类号 TP3 文献标识码 A 文章编号 1674-6708（2019）232-0138-02

人工智能作为计算机学科的一个热点分支，主要是通过硬件和软件技术赋予计算机系统具有类似人的学习、思考、规划与推理能力。人工智能的应用十分广泛，如在制造业、金融科技、个性化教育、医疗保健等行业均有涉及，这包括自动驾驶、人脸识别、语言翻译、推荐系统、辅助医疗诊断系统等[1-2]。机器学习是人工智能的一种实现形式，是当前人工智能系统中使用最普遍的技术，它能够从数据中学习，挖掘人类难以发现的规律，进而指导人类的决策。

在传统的医疗领域中，受限于各种因素，往往会导致患者治疗不及时，预防不到位，进而导致重大疾病的现象出现，而机器学习具有预测疾病风险的能力，甚至对一些疾病进行诊断。另一方面，受限于医生的诊断水平以及医疗设施的不完善，传统医疗中往往存在诊断误差率较高、效率低下等现象。美国国家科学、工程和医学学院的医学研究报告指出，诊断错误会导致大约10%的病人死亡，也会导致6%～17%的并发症，机器学习从数据中挖掘规律，准确率较高，预测的不稳定性风险将会降低。传统医疗水平存在地域性的分布不均，针对医疗资源不足的现状，人工智能解决基层医疗资源缺乏的核心方法为：给基层医疗机构“赋能”，用人工智能给基层医生赋予“院士级看病的本事”[ 3 ]。

本文主要阐述基于人工智能的機器学习技术概念，并概述常见的机器学习技术以及其在医疗领域中的应用状况。

1 机器学习技术

1.1 机器学习概念

机器学习[2，4]按照其学习任务不同，常见的可以分为监督学习、无监督学习和增强学习。典型的监督学习算法是基于一组示例进行预测，例如，历史股票价格可以用来冒险猜测未来的价格。无监督学习的目的是在未标记的数据中推断潜在的模式。例如，它可以查找原始数据的子簇、识别离群值。而增强学习作为近年来机器学习的主要研究方向之一，研究的方法是以生物体学习为参考，目标是实现自主学习的能力，成为机器学习中一个非常活跃且有趣的领域，人们对这个领域的机器学习给予了厚望。机器学习主要擅长解决这些问题：分类问题以及回归问题，通过大量数据对其进行训练，机器学习往往能使人工智能进行识别、分类等项目的运行，例如语音识别便是其在识别方面的应用，特别是自然语言的处理，更成为了这其中潜力无限也颇有吸引力的一个研究项目。又或是垃圾邮件、新闻资讯的分类，相比于人工的时间长、效率低，它能很好地做到这些工作。

1.2 机器学习途径

在机器学习之中，研究人员最多的便是深度学习。以神经网络为核心的深度学习则是机器学习技术中最杰出的代表，是近几年科技发展中的新秀，它具有强大的特征提取能力，容易找到隐藏在数据中的规律，进而辅助人类的决策。前馈神经网络、反馈神经网络、自组织神经网络是它的主要分类，他们往往由输入层、隐藏层、输出层构成，典型的人工神经网络如图1所示[ 5 ]。

其中，隐藏层是人工神经网络的核心所在，主要算法都是在隐藏层加以实现，其内部的层数和节点布置是根据实际需要而特定设计的。当隐藏层小于等于两层时，通常称这种人工神经网络为浅层神经网络，反之则称这种人工神经网络为深层神经网络。对神经网络训练的目的就是借助训练数据库去寻找输入层、隐藏层、输出层之间的权重关系。

事实上，早在20世纪50年代就有人提出了深度学习概念，但由于早期计算机运算能力的限制，深度学习技术并没有得到预期的发展，同时由于缺乏强大的计算资源和数据量不足，导致人工神经网络的发展几次跌入低谷。1995年开始，深层卷积神经网络的发明，使其能更高效率的进行识别数字等任务。最近几年来深度学习的再次兴起，得益于大数据技术、强大的计算资源和众多优秀的开源软件的发展。

1.3 应用现状分析

现在，机器学习在医疗领域中应用很广，主要包括以下类别：

聊天机器人：聊天机器人便是很好的利用了机器学习的识别功能，来识别患者症状中的模式，以形成潜在的诊断，疾病预防或提出适当的行动方案。

肿瘤学：通过人工神经网络训练算法，以使其识别能力达到训练有素的医生来找到癌症组织。

病理学：借助人工智能机器学习算法进行疾病诊断，根据血液等体液和组织的分析，以缩短诊断时间。

罕见疾病：通过视觉与机器学习相结合，帮助医生诊断罕见疾病，使用面部分析和深度学习分析患者照片，以检测与罕见遗传病相关的内容。

总的来说，从目前的技术报告来看，机器学习在放射科、皮肤科、眼科等方面的应用是非常成功的。

2 智能医疗技术分析

人工智能在医疗之中可以说是发挥所长，由于医学上的需求正好符合其擅长的分类，人工智能得以在医疗中广泛应用，不论是分类还是识别功能，都在医疗中有大量需求，从最普通的日常医疗到大病的治疗中，均可以用人工智能对其内容进行优化，缩短治疗时间、提高治疗准确度、提升医治效率。例如，人工智能提高了卫生保健专业人员更好地理解他们关心的人们的日常模式和需求的能力，并且有了这种理解，他们能够为保持健康提供更好的反馈、指导和支持[ 6 ]。

在更深层的领域，人工智能可以广泛应用于图像识别之中，例如X光的识别等，可以更快速的找到发病的位置，减少了许多不必要的时间的浪费。放射科医生的工作，往往是花费大量时间分析一幅又一幅图像，以识别患者身上的异常，而借助于人工智能，完全可以加快医生的工作，提升效率。根据美国癌症协会的统计，高比例的乳房X光片产生错误的结果，导致1/2的健康妇女被告知患有癌症。人工智能的使用使乳房X光检查和翻译速度提高了30倍，准确率达99%，减少了不必要的活检需要。

同样，人工智能也可以辅助医疗人员进行手术等内容，一项对九个外科手术地点的379名骨科患者的研究发现，Mazor Robotics发明的人工智能辅助机器人技术使手术并发症相比单独手术大大减少。当应用于骨科手术时，分析发现，人工智能辅助的机器人手术还可以减少21%的患者手术后住院时间，因为并发症和错误更少，并且每年节省400亿美元。甚至，可以进行自助机器人手术，机器人手术已成为机器人辅助手术的同义词，通过外科，促进外科手术的系统，其能完成的动作比人手所能到达的更平滑，但目前仍需要外科医生来控制运动。

并且，人工智能可以更好的对大数据进行处理，如对病人的病历进行记录，统计、调取等。通過人工智能，可以更快速的处理这些信息，并尽可能的在比人所犯错误更少的情况下提升效率。把人从低级重复枯燥的任务之中解放出来，缓解医疗机构资源不足的情况，减轻电子病历使用的负担。

最后，人工智能也能应用于病后的护理等任务，机器人有可能彻底改变终身护理，帮助人们长时间保持独立，减少对住院和疗养院的需求。人工智能与人的行为相结合设计，使机器人能够走得更远，也可以与人“交谈”和进行其他社会互动，以保持头脑的敏锐性。

3 结论

基于人工神经网络的人工智能技术能在一定程度模拟人类的思维，并且可以从新的信息中进行学习，建立自组织学习机制，为其在复杂的医疗领域提供了新的解决方案。正如本文所提到的，“人工智能+医疗影像”“智能医疗机器人”“智能医疗助理”等智能化医疗技术与服务正在改变人们的就医就诊方式，给患者提供快速、准确、科学的诊断。

参考文献

[1]熊瑶，陈敏.人工智能在医疗领域应用现状探讨[J].医学信息学杂志，2018（4）：28-32.

[2]陈守孔.人工智能在医疗诊断系统中的应用[J].机器人，1982，4（4）：61-63.

[3]陈建伟.人工智能与医疗深度融合[J].中国卫生，2017（9）：102-103.

[4]刘婷婷.人工智能医疗不应只是机器人和智能影像管理[J].现代养生，2017（18）：7-8.

[5]陈梅，吕晓娟，张麟，等.人工智能助力医疗的机遇与挑战[J].中国数字医学，2018，13（1）：16-18.

[6]郑南君.人工智能在医疗健康领域中的应用解析[J].中国卫生产业，2017，14（19）：195-196.

随便看

科学优质学术资源、百科知识分享平台，免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。