Blog
AI將能夠快速地預測疾病風險
AI將能夠快速地預測疾病風險
July 21, 2023
重點摘要：
研究人員開發了一種AI軟體，可以迅速分析骨質密度掃描，預測一個人未來可能遭遇的健康狀況風險，如心臟病發作、中風、跌倒、骨折和失智症。
該軟體尋找腹主動脈鈣化（AAC）的跡象，這是這些疾病的預測因子。專家通常需要5到15分鐘來分析每一次掃描，但AI可以在一天內處理60,000張圖像。
該演算法有80%的時間能準確地匹配專家的結論，這在早期檢測和疾病監控上是一個重大的進步。
關鍵事實：
1. 該AI軟體能分析骨質密度掃描來檢測腹主動脈鈣化（AAC）的跡象，這是未來健康狀況的預測因子。
2. AI可以在一天內處理60,000張圖像，相較於一個專家通常需要5到15分鐘處理一張圖像。
3. 該演算法有80%的時間能匹配專家的結論，且只有3%的高AAC水平被軟體錯誤地診斷為低。
資料來源：Edith Cowan University
感謝人工智慧的發展，我們很快就能夠預測自己未來在生活中，發展出嚴重健康問題的風險。
腹主動脈鈣化（AAC）是一種可以積聚在腹主動脈壁中的鈣化物，可以預測你未來發展心血管疾病如心臟病發作和中風的風險。
這也可以預測你未來跌倒、骨折和晚年失智症的風險。
方便的是，用於檢測骨質疏鬆的常見骨密度機掃描也可以檢測到AAC。
然而，需要高度訓練的專家讀者來分析這些圖像，這個過程可能需要5到15分鐘的時間。
但是，來自Edith Cowan University的科學學院和醫學及衛生科學學院的研究人員合作開發了一種軟體，該軟體可以以更快的速度分析掃描：大約一天可以分析60,000張圖像。
研究員和心臟基金會未來領導者獎學金得主約書亞·劉易斯副教授說，這種顯著的效率提升將對AAC在研究中的廣泛使用，以及幫助人們避免日後發展健康問題至關重要。
他說：“由於這些圖像和自動化的分數可以在骨質密度測試的時候迅速和容易地獲得，這可能會導致未來在日常臨床實踐中，出現早期心血管疾病檢測和疾病監測的新方法。”
節省大量時間
這是來自ECU、西澳大學、明尼蘇達大學、南安普敦、曼尼托巴大學、馬庫斯老年研究所和希伯來老年生活哈佛醫學院的國際合作成果。真正的跨學科全球努力。
雖然這並不是第一個被開發出來評估這些圖像中AAC的演算法，但這個研究是這類型中最大的，基於最常用的骨質密度機型號，並且是第一個在真實世界環境中使用常規骨質密度測試圖像進行測試的。
在這次研究中，專家和團隊的軟體分析超過5000張圖像。
在比較結果後，專家和軟體在AAC程度（低、中或高）的結論上有80%的時間能達到一致，這是一個令人印象深刻的數字，尤其考慮到這還只是軟體的第一個版本。
重要的是，只有3%被認為有高AAC水平的人被軟體錯誤地診斷為低水平。
劉易斯教授說：“這值得注意，因為這些人是疾病程度最大、死亡和非致命心血管事件以及全因死亡風險最高的人。”
“雖然我們還需要改進軟體與人類讀數的準確性，但這些結果是我們的1.0版本演算法，我們已經通過我們的最新版本大大改進了結果。”
“自動評估AAC的存在和程度，其準確性與影像專家相似，這為大規模篩查心血管疾病和其他病狀提供了可能性，甚至在人們有任何症狀之前。”
“這將讓有風險的人能夠更早地做出必要的生活方式改變，並讓他們在晚年更健康。”
資金來源：心臟基金會為這個項目提供了資金，感謝劉易斯教授在2019年的未來領導者獎學金，為三年期的研究提供支持。
新聞原址： https://neurosciencenews.com/ai-health-predicition-23646/
研究人員開發了一種AI軟體，可以迅速分析骨質密度掃描，預測一個人未來可能遭遇的健康狀況風險，如心臟病發作、中風、跌倒、骨折和失智症。
該軟體尋找腹主動脈鈣化（AAC）的跡象，這是這些疾病的預測因子。專家通常需要5到15分鐘來分析每一次掃描，但AI可以在一天內處理60,000張圖像。
該演算法有80%的時間能準確地匹配專家的結論，這在早期檢測和疾病監控上是一個重大的進步。
關鍵事實：
1. 該AI軟體能分析骨質密度掃描來檢測腹主動脈鈣化（AAC）的跡象，這是未來健康狀況的預測因子。
2. AI可以在一天內處理60,000張圖像，相較於一個專家通常需要5到15分鐘處理一張圖像。
3. 該演算法有80%的時間能匹配專家的結論，且只有3%的高AAC水平被軟體錯誤地診斷為低。
資料來源：Edith Cowan University
感謝人工智慧的發展，我們很快就能夠預測自己未來在生活中，發展出嚴重健康問題的風險。
腹主動脈鈣化（AAC）是一種可以積聚在腹主動脈壁中的鈣化物，可以預測你未來發展心血管疾病如心臟病發作和中風的風險。
這也可以預測你未來跌倒、骨折和晚年失智症的風險。
方便的是，用於檢測骨質疏鬆的常見骨密度機掃描也可以檢測到AAC。
然而，需要高度訓練的專家讀者來分析這些圖像，這個過程可能需要5到15分鐘的時間。
但是，來自Edith Cowan University的科學學院和醫學及衛生科學學院的研究人員合作開發了一種軟體，該軟體可以以更快的速度分析掃描：大約一天可以分析60,000張圖像。
研究員和心臟基金會未來領導者獎學金得主約書亞·劉易斯副教授說，這種顯著的效率提升將對AAC在研究中的廣泛使用，以及幫助人們避免日後發展健康問題至關重要。
他說：“由於這些圖像和自動化的分數可以在骨質密度測試的時候迅速和容易地獲得，這可能會導致未來在日常臨床實踐中，出現早期心血管疾病檢測和疾病監測的新方法。”
節省大量時間
這是來自ECU、西澳大學、明尼蘇達大學、南安普敦、曼尼托巴大學、馬庫斯老年研究所和希伯來老年生活哈佛醫學院的國際合作成果。真正的跨學科全球努力。
雖然這並不是第一個被開發出來評估這些圖像中AAC的演算法，但這個研究是這類型中最大的，基於最常用的骨質密度機型號，並且是第一個在真實世界環境中使用常規骨質密度測試圖像進行測試的。
在這次研究中，專家和團隊的軟體分析超過5000張圖像。
在比較結果後，專家和軟體在AAC程度（低、中或高）的結論上有80%的時間能達到一致，這是一個令人印象深刻的數字，尤其考慮到這還只是軟體的第一個版本。
重要的是，只有3%被認為有高AAC水平的人被軟體錯誤地診斷為低水平。
劉易斯教授說：“這值得注意，因為這些人是疾病程度最大、死亡和非致命心血管事件以及全因死亡風險最高的人。”
“雖然我們還需要改進軟體與人類讀數的準確性，但這些結果是我們的1.0版本演算法，我們已經通過我們的最新版本大大改進了結果。”
“自動評估AAC的存在和程度，其準確性與影像專家相似，這為大規模篩查心血管疾病和其他病狀提供了可能性，甚至在人們有任何症狀之前。”
“這將讓有風險的人能夠更早地做出必要的生活方式改變，並讓他們在晚年更健康。”
資金來源：心臟基金會為這個項目提供了資金，感謝劉易斯教授在2019年的未來領導者獎學金，為三年期的研究提供支持。
新聞原址： https://neurosciencenews.com/ai-health-predicition-23646/