毫不奇怪，神經(jīng)網(wǎng)絡的最早應用之一是放射學，它是人工智能的一種現(xiàn)代核心技術。視覺應用的重點是查看X射線和CT掃描圖像以識別癌性腫瘤的任務。這推動了對AI的重生。人工智能和機器學習（ML）的發(fā)展已開始幫助醫(yī)學界從單純的疾病識別轉(zhuǎn)向醫(yī)療保健中更具預測性和規(guī)范性的領域。一個例子是肺部疾病。

通過AI初步識別腫瘤是提高診斷和神經(jīng)網(wǎng)絡準確性的重要一步。醫(yī)療保健的下一個明顯步驟是確定其他疾病。對于肺部系統(tǒng)，尤其是肺部，癌癥的識別已擴展到識別肺氣腫引起的問題。在調(diào)查過程中，我從該疾病中學到的一件事是，受損的肺部不僅停止工作。當我們呼吸時，我們吸收氣體，然后肺部將諸如氧氣的氣體轉(zhuǎn)移到血液中。肺氣腫的一種影響是，無法轉(zhuǎn)移氣體意味著空氣被困在肺部，它們會膨脹，從而阻止空氣移動到仍然健康的肺部。

肺氣腫和其他疾病的生物標志物的鑒定可以通過神經(jīng)網(wǎng)絡進行鑒定。但是，請注意我通常使用的肥皂盒，即AI是一種工具，而ML現(xiàn)在已不僅僅是純粹的AI定義。識別問題是一回事。利用這些知識來計劃和執(zhí)行動作已超出了此范圍。VIDA總裁兼首席執(zhí)行官Susan Wood博士說：“神經(jīng)網(wǎng)絡對于識別圖像中的問題至關重要。“但是，這不僅僅在于AI在圖像中找到事物或更快地完成事情，還在于改善對護理途徑和患者治療的整體影響?！?/p>

合并的一個示例是大量肺氣腫病例歷史如何允許對神經(jīng)網(wǎng)絡進行監(jiān)督學習以識別問題區(qū)域，然后使用高級統(tǒng)計模型（即使不是AI也可以成為ML的一部分）來幫助識別肺段并測量和量化這些細分中的已識別特征。

可以在多個級別上執(zhí)行預測分析。對于哪些治療類型最適合不同的患者人口統(tǒng)計數(shù)據(jù)（年齡，疾病傳播等）進行了高級統(tǒng)計分析。還有更詳細的分析。

多數(shù)人早就聽說過動脈支架，以幫助其打開并促進血液流動。與此相關的是一些非常涼爽的（技術術語…）單向閥，例如PulmonX的單向閥，可以將其植入肺部。閥門可以讓空氣緩慢地離開膨脹的肺部，同時阻止新空氣進入。這有助于將空氣對準肺部的良好部分，從而改善呼吸。VIDA正在使用機器學習來幫助醫(yī)生了解患者對手術的適合性以及這些設備的最佳放置。

責任編輯：lq