医疗科技的进步使越来越多的疾病得到治疗,这不仅为医生诊治带来便利,同时也为患者带来希望。
2019年6月27日,第22期“刊媒惠”科技论文成果推介沙龙之“科技让医学更神奇”专场在北京协和医院学术会堂三层会议室举行。
本期“刊媒惠”沙龙邀请到3位来自北京协和医院临床一线的专家和学者,将最新的科研理论与研究成果推介给大众媒体、现场观众及网络上观看直播的网友,希望能够通过详尽的解读带动广大观众了解深度学习、基因测序、人工智能等前沿技术在医学领域中的应用。
人工智能(AI)技术在皮肤影像领域的应用包括医学影像、临床决策支持、药物研发医疗科学、病理学等方向。
皮肤病种类繁多、复杂多样,皮肤影像方式多、容易获得,科学家们对广泛采集的129450张皮肤影像图片进行标注,先将部分图片对AI进行训练,再将另一部分图片对训练好AI进行验证和比较,最后将AI 诊断结果与医生的诊断结果进行对比,发现经过PA算法训练的人工智能具有比专科皮肤医生具有更好的分类能力。
北京协和医院率先成立了皮肤影像中心建立协和皮肤影像资源库,完善皮肤影像管理系统,开展皮肤病AI研发,建立皮肤病人工智能综合诊疗平台——智能皮肤。
人类基因组计划(HGP)于1990~2001历时10余年完成草图,采用一代测序技术Sanger测序。2005年诞生出更优化的第二代测序(NGS),NGS在微生物领域可以应用于:医院感染性疾病爆发的调查、未知病原体的鉴定、毒力分析、耐药基因组的研究。从国内外研究来看,建立一个全球范围内共享的NGS数据库非常有必要,其将有助于突发新发感染性疾病的及时诊断,并有助于开发微生物基因组学应用于感染性疾病监测和疫情调查的全部潜力。
深度学习作为人工智能实现方法的一部分,具有自主学习能力开云网页,经训练后能对未知数据进行预测,其中的一些模型,特别是卷积神经网络(CNN),在图像识别方面具有比人工识别更快更准确的优越性。应用于医学影像神经网络大致分为两类:监督学习与无监督学习,主要应用方向有分割、检测、分类。将深度卷积神经网络方法应用于甲状腺病理诊断的准确性、灵敏性和特异性明显优于传统诊断方法开云网页,同时,也具有任务范畴狭窄、数据共享、标准化及数据隐私、患者安全及医疗权责等局限性医疗科学。
推介沙龙结束后,北京协和医院内分泌科李乃适副教授带领本期沙龙的媒体与观众参观了协和医院病例展览。
协和的病案承载了北京协和医院医学发展的厚重历史,也蕴育着坚持为患者服务、不断追求创新的协和精神。
李乃适副教授针对病历展中有代表性的病历进行了深入讲解,分为协和人成才之路、医疗制度建设、当代协和风采以及协和医学发展四个篇章,深刻感受到协和严谨、求精的办院理念和对历史传承的重视。
此次活动由中国科普研究所科学媒介中心主办,北京科学技术期刊学会、“三四匠”工作室承办,《协和医学杂志》、新浪科技协办。开云网页开云网页开云网页开云网页