生物帮一段时间以来，人工智能已被用于诊断特定领域的医疗状况。它可以基于特定学科的知识来细化细节，例如暗示乳腺癌的肿瘤形状或表明宫颈癌的异常细胞。尽管AI在多年的特定领域的人类数据培训中非常出色，但它却无法应对现代临床实践中的大量诊断测试(约5000种)和疾病(约14000种)。现在，由南加州大学维特比工程学院的工程师开发的新算法可以像医生一样思考和学习，但实际上具有无限的经验。
这项工作来自于杰拉德·勒布(Gerald Loeb)的实验室，他是南加州大学维特比工程学院的生物医学工程，药学和神经病学教授，也是一位受过训练的医师。勒布(Loeb)花费了数年的时间将AI算法应用于触觉，并建造了机器人来感知和识别材料和物体。他先前对此的研究已经超越了现有技术。虽然用于触觉的AI状态可以识别约10个对象，且准确率约为80%，但当时的研究生Loeb和Jeremy Fishel却可以识别出95%的准确率的117个对象。当他们将其扩展到500个对象并进行15种不同的测试时，他们的算法变得更快，更准确。勒布说，那是他开始考虑将其用于医学诊断的时候。
勒布(Leeb)的新形式AI通过挖掘数据库中的电子医疗记录提出了最佳的诊断策略。这可以导致更快，更好和更有效的诊断和治疗。该研究成果发表在《生物医学信息学杂志》上。
该算法就像医生一样工作-“正在思考医学检查的每个阶段下一步该怎么做，”神经假肢领域的先驱，人工耳蜗植入物的最初开发者之一勒布(Loeb)说。用于治疗听力损失。“不同之处在于，它受益于集体医疗记录中的所有经验。”
怎么运行的
长期以来，传统的AI使用一种特定的算法来向医生建议一系列观察结果，以最有可能的诊断结果。称为贝叶斯推理，它使用当前可用的任何信息来建议最有可能进行哪些诊断。
勒布(Loeb)的算法颠倒了这一过程，而是寻求那些最有可能识别出正确疾病或状况的测试，无论这些测试多么晦涩。他称此为贝叶斯探索。该算法还可以考虑与各种诊断测试相关的成本和延迟。
他说：“以前从未做到过。”“这是新的。”
勒布(Loeb)说，他的新算法有几个好处：首先，该算法可以通过建议几个好的选择来帮助医生做出更好的诊断和测试决策，包括一些从业人员可能没有考虑的选择。接下来，随着无数医生将其他数据输入电子病历中，诊断软件将自动更新和改进。
