就算AI能替人类看病 医院还是离不开医生

  本文由腾讯数码独家发布

  当吉尼拉利普安在一年的假期后回到医学院时,她告诉她最喜欢的教授,她会抽出时间来处理肌痛的发作。他翻了个白眼说:“那根本不存在,”利普安说。

  自从2002年Liptan的病情被如此草率地驳回后的16年里,仍然有一些人认为肌痛不是“真实的”。“没有组织损伤可以解释纤维肌痛患者在全身的疼痛,而当代医学也在努力治疗甚至接受一种疾病,这种疾病似乎是根植于大脑或大脑,而不是身体上的伤害。”

  Liptan说,病人在被诊断出患有肌痛之前,通常会看到超过10名专家。他现在是俄勒冈州波特兰的弗里达肌痛中心的医生和创始人(该中心的名字是艺术家弗里达卡罗,一些医生和艺术历史学家认为他患有肌痛)。一项针对51名患者的研究发现,平均需要7年才能确诊。

  然而人工智能有可能在几分钟内做出诊断。去年,研究人员使用机器学习来区分那些没有的人的脑部扫描结果,准确率达到93%。

  这种影响是巨大的:对肌痛患者的大脑特征进行解码,可能是理解疾病的关键,也是治疗病人的关键。但这也是一个明确的,客观的迹象表明,肌痛确实存在。

  对于诊断肌痛,目前世界上没有公认的标准。目前还没有已知的生物故障,也没有任何可以在实验室测试中发现的生物标志物。患者全身疼痛,疲劳,失眠,注意力不集中,抑郁,18个“温柔点”——包括脖子、手肘和膝盖的背部——这让人感到疼痛。抗抑郁药、止痛药、物理疗法、针灸、按摩、咨询和锻炼都是用来治疗这种疾病的,有不同的效果。

  在线支持小组讨论了替代疗法的好处,如催眠或姜黄补充剂,而且通常是唯一一个有纤维的人能够找到同情的听众,因为他们对没有人理解的疾病的痛苦感到沮丧。患者和研究人员都认为,对这种疾病的怀疑在一定程度上反映了性别歧视:近90%的肌痛患者是女性。

  每周,Liptan都会与保险公司讨论她的病人是否真的感到疼痛,如果肌痛是一种合法的病症。“对我的大多数病人来说,这对他们来说是最困难的事情。她说:“这不是疾病,而是他们从别人那里得到的判断。”“患有肌痛的人看起来很好;我们的实验室测试很好。也许我们只是懒惰,我们应该把它吸干?“全世界有数百万人(估计占总人口的3%到6%),他们都知道自己的痛苦是真实的。”然而,向其他人证明这一点是一个永恒的挑战。

  成功地利用机器学习识别肌痛患者的研究人员开始使用功能磁共振成像仪来捕捉37名肌痛患者的大脑信号,以及35名健康人群作为对照组。研究人员在他们的论文中解释说,所有的参与者都施加了压力,要求他们的右拇指指甲产生“严重但可以忍受的疼痛”,这篇论文发表在去年的疼痛杂志上。与健康对照组相比,那些患有肌痛的人更容易感到疼痛,根据生理疼痛的神经特征,以及大脑中脑岛区域的不同活动,与感觉整合有关,以及内侧前额叶皮质,这对情绪调节很重要。总的来说,这些不同的神经反应为肌痛患者创造了大脑特征。一种机器学习算法被设定为识别这个神经信号,它可以用它来预测哪些脑部扫描显示了肌痛,而哪些不是。

  因此,神经成像与人工智能相结合,能够创造出一种客观的快照,即迄今为止,它被描述为一种主观感觉。它让人察觉到一种以前不知道的经历,除了病人。

  这项研究规模很小,而且需要数年时间,可能至少需要10年时间,才能在临床环境中使用这些技术。这个小数据集的发现不能被外推或应用于其他病人,因此研究人员需要重复这个过程。

  但它仍然给许多人带来了希望。辛辛那提大学儿童医院的教授玛丽娜拉尔斯佩兹-索尔是辛辛那提大学的一名教授,也是这项研究的共同作者。她说,她收到了几十封来自纤维肌痛患者的电子邮件,说他们对自己的发现有多放心。她还收到了大量来自医生的来信,他们表达了类似的宽慰,她的研究为肌痛的存在提供了证据。缺乏明确的生物标记物会使医生很难对纤维肌痛进行确诊和治疗,但洛佩兹·索拉的研究为研究人员提供了正确的方向。

  洛佩兹·索拉is的研究是令人信服的证据,可以说服那些不愿意接受纤维肌痛的人。密歇根大学教授、该学院慢性疼痛与疲劳研究中心主任丹尼尔 克劳夫表示:“阅读这篇文献的人在疼痛领域没有多少不确定性。”“但在一般的医疗领域,仍有一些供应商不理解,也不认为这是真的。”

  因此,神经成像与人工智能相结合,能够创造出一种客观的快照,即迄今为止,它被描述为一种主观感觉。它让人察觉到一种以前不知道的经历,除了病人。

  这项研究规模很小,而且需要数年时间,可能至少需要10年时间,才能在临床环境中使用这些技术。这个小数据集的发现不能被外推或应用于其他病人,因此研究人员需要重复这个过程。

  但它仍然给许多人带来了希望。辛辛那提大学儿童医院的教授玛丽娜拉尔斯佩兹-索尔是辛辛那提大学的一名教授,也是这项研究的共同作者。她说,她收到了几十封来自纤维肌痛患者的电子邮件,说他们对自己的发现有多放心。她还收到了大量来自医生的来信,他们表达了类似的宽慰,她的研究为肌痛的存在提供了证据。缺乏明确的生物标记物会使医生很难对纤维肌痛进行确诊和治疗,但洛佩兹·索拉的研究为研究人员提供了正确的方向。

  洛佩兹·索拉is的研究是令人信服的证据,可以说服那些不愿意接受纤维肌痛的人。密歇根大学教授、该学院慢性疼痛与疲劳研究中心主任丹尼尔 克劳夫表示:“阅读这篇文献的人在疼痛领域没有多少不确定性。”“但在一般的医疗领域,仍有一些供应商不理解,也不认为这是真的。”

  克劳说,一些传统的医生可能永远不会改变他们对诸如肌痛等病症的偏见。“经典的生物医学模型是有一些东西被打破了,你找到了它,你做了手术,修复了它,这个人就更好了。”很多疾病都没有遵循这个模式。慢性疼痛并不遵循这种模式,”他说。“试图重新教导人们,你的膝盖会有疼痛,这是一个相当大的飞跃,因为你的大脑处理疼痛的方式存在问题。”

  机器学习是区分肌痛患者和健康对照组的重要工具。“如果我们没有使用机器学习,我们就无法识别出最能预测病人状况的大脑活动模式,我们也无法对单个病人说任何话,”洛佩兹·索拉说道。机器学习是对大脑活动进行如此深入和广泛的统计分析的唯一方法。“数据集中有大量的信息,”辛辛那提儿童医院麻醉学部的研究主任罗伯特·科吉尔说。“他们的机器学习技术可以识别那些未经训练的人类可能没有意识到的特征。”

  目前还不清楚,肌痛的大脑信号是否反映了疼痛的体验,导致疼痛的大脑故障,或者两者的结合。一般来说,物理大脑中的模式会引起和表现在头脑中产生的感觉。因此,能够明确识别肌痛的生物标志物可以帮助患者得到他们需要的认真考虑和治疗。

  每一种精神体验都是“在另一个层面发生的事情的结果,生理过程”,洛佩兹·索拉is说。“这些潜在过程的新兴特性就是我们所说的大脑。她说:“当病人谈论他们的痛苦时,主观的报告是“冰山的一角”。“神经影像开始有可能提供关于这些疼痛症状的病理生理学的信息,这些信息是在表面之下的。”

  一些肌痛患者会出现更强烈的抑郁症状,而另一些人则更难以集中注意力。很有可能是不同的大脑机制导致了疾病的各种症状,洛佩兹·索拉希望机器学习最终能够判断哪些病人正在遭受哪些症状。最终,我们的目标是能够在治疗前后对患者进行神经成像,以便更好地确定什么对每个人最有效;例如,是否有一种类型的肌痛患者在催眠后肯定会有所改善。与今天相比,这将极大地改善治疗的速度。在这种情况下,肌痛患者通常会在疼痛上花费数年的时间,因为他们会尝试多种选择,然后才会找到一种缓解症状的治疗方案。

  不过,人工智能所能提供的见解是有限度的。尽管神经成像技术提供了新的信息,但它仍然不能提供完全准确的图像。分析成千上万的病人的神经反应肯定会提高准确性,但是阅读任何一个特定的大脑是一项复杂而混乱的工作,而大脑的特征充其量只能提供指导,当然也不是一个明确的症状清单。

  研究人员还坚持认为,机器学习不应该被用来宣称任何一个病人都没有疼痛。“大脑可以以非常不同的方式产生疼痛。”事实上,你知道一两个或三个大脑信号对肌痛的影响并不意味着你知道其他的。”洛佩兹·索拉说道。

  这是医学科学已经对其他难以诊断的疾病所采取的姿态:例如,超声波可能显示出子宫内膜异位症的迹象,但医生们知道,一个清晰的扫描也不能排除这种情况。关键是,即使有了我们所有的工具,也很难准确地观察身体内部。

  虽然从客观数据中可以学到很多东西,但医学研究人员不能忘记主观经验的价值。Liptan指出,早期的研究表明,病人自我报告的疼痛是对肌痛患者进行分类的最准确的方法。他说:“我认为最大的不利因素是,医生正在听取病人的意见,并考虑到自我报告。”“我担心的是,如果有人说他们有疼痛,然后他们把他们贴在核磁共振成像机器上,上面写着“没有疼痛”,这让病人离开了什么地方?

  医生倾听病人的价值是任何医学治疗的基石。但许多医生都没能做到这一点,即使在他们愿意的情况下,这样的谈话也是不可能的。有很多病人无法表达他们的痛苦:那些有残疾的人很难开口说话,老年病人可以在困惑和痛苦中挣扎,还有那些无法表达自己的新生儿。还有很多其他的疾病,比如肌痛,不一定会有明显的身体症状。那些患有莱姆病、背痛和慢性疲劳综合症的人都知道,如果不能够指出身体原因,就会感到非常痛苦。在这些类别中跌倒的病人很可能受益于人工智能感知他们痛苦的能力。

  客观地捕捉痛苦的身体形象的努力在某种程度上与无定形的、主观的感受疼痛的体验是不一致的。但是病人知道他们的症状的方式与医生对他们的情况的了解是不同的。让机器能够窥视到精神体验,这意味着,第一次,那些痛苦主要在大脑内部的病人,可以知道他们的痛苦是真实的。

  来源:qz