[人工智慧] 機器學習預測自殺傾向,目的不在取代醫生而是解決醫療資源分配問題

[人工智慧] 機器學習預測自殺傾向,目的不在取代醫生而是解決醫療資源分配問題

一次看完今日三篇分析>>

機器學習可預測自殺傾向,不是為了取代醫生,而是緩和醫療資源分配問題

美國辛辛那提市兒童醫院醫學中心搜集 379 位病人資料,將病人分成有自殺傾向、有心理疾病但無自殺傾向,以及控制組。透過機器學習分析病人的遣詞用字,以及說話時的語調和情緒,預測其自殺傾向,正確率達 93%。Link

朱軒逸(優拓資訊商業開發師):

傳統心理診療是透過問答,醫師一對一為病患診斷。受限於醫療資源,服務的對象僅限於有經濟能力的民眾。若電腦能分析問答,做出自殺傾向等相關預測,就可以當第一線的心理篩檢,並導入後續的輔導機制。

醫師診療時,通常第一步是問診,再綜合醫療量測的數據及影像,做出診斷,最後決定治療方法。而該自殺傾向研究除了分析受測者與醫師之間的對話外,還分析了非口語的資料。這是利用「深度學習」,透過類神經網路的技術,經過大量資料的訓練後,實現電腦進行自然語言處理(Natural language processing, NLP),讓電腦「聽懂」人類的語言,「看懂」人類的表情。

跨醫學領域整合不易

培育一個專科醫生需要超過十年的時間,要發展 AI 醫生也不容易。試想醫師培育必須學習很多知識,包含基礎醫學、問診邏輯、資料判讀、治療方法,到用藥選擇和手術等。因此,如果想發展出萬能的 AI 醫生,必須先為各種疾病發展出獨特的 AI 模型。這需要投入大量時間與資源。各科別醫師也必須和程式設計師、資料科學家,以及醫療設備專家合作。

目前人工智慧在醫療的發展非常分散。其應用包括本篇介紹的自殺傾向判斷、Google DeepMind 透過眼底影像來判讀糖尿病視網膜病變,以及 IBM Watson 協助醫師建議癌症的治療方法等。這些分散的系統絕非單獨一家公司在短時間內就可以整合。這也是為什麼 Google、臉書、亞馬遜、IBM 和微軟這些充滿競爭關係的企業會願意合組聯盟,共同發展。

AI 醫生減少醫療資源不足問題

我認為 AI 醫生不是想要取代醫生,而是減低醫療資源分配不均的問題。AI 可以讓醫生專注於解決臨床上困難的案例,進一步探索人類健康未知的領域。

過去對於心理疾病的診療,大部分都只透過問答評量,並沒有太多量化的證據。近來科技進步,醫師也開始用腦部影像的技術來診斷。台大分子生醫影像研究中心曾文毅醫師的研究團隊就結合傳統評量與病人的腦部核磁共振攝影(MRI),來訓練機器學習模型,希望未來對於精神性疾病能夠有更客觀且更具預防性的診療方式。

封面圖片來源:Unsplash

«

»

科技島讀-你的未來趨勢嚮導

有物推出新產品囉!

由有物報告團隊製作的最新產品-科技島讀

透過閱讀科技島讀,你將能夠掌握科技趨勢,從更高的視角觀察科技將如何改變世界。

現在就前往 >> 科技島讀