人工智能可以提高肺功能测试的诊断功能

根据新研究的研究结果，人工智能可以提高对长期肺病诊断的肺功能试验的解释。

今日（2016年9月4日）在欧洲呼吸协会的国际大会上提出的结果是第一个探讨潜在利用人工智能，以提高诊断的准确性肺病。

目前的测试需要一系列方法，包括肺活量测量试验，其测量呼吸过程中空气的量（体积）和速度（流量），然后是体积精体测量测量静态肺体积和气道阻力，最后是一种扩散测试，最终测量穿过肺气囊的氧气和其他气体的量。分析这些测试的结果主要基于专家意见和国际指南，试图检测到调查结果中的模式。

在这项新研究中，研究人员包括来自968人的数据，这是第一次接受完全肺功能测试的人。所有参与者都获得了基于肺功能测试的第一个临床诊断和所有其他必要的额外测试（例如CT扫描，心电图等）。通过大群专家临床医生的共识验证了最终诊断。

研究人员随后调查了称为“机器学习”的概念可用于分析完整的肺功能测试。机器学习利用可以从并执行预测数据分析的算法。

除了常规肺功能参数和吸烟历史，体重指数和年龄的临床变量之外，该团队还开发了一种算法过程。基于临床和肺功能数据的模式，该算法提出了最可能诊断的建议。

学习的高级作者Wim Janssens评论：“我们已经证明，人工智能可以在这项新研究中为我们提供更准确的诊断。我们的发展之美是算法可以模拟临床医生用来诊断的复杂原理，但以一种更标准化和客观的方式，使其消除任何偏见。“

临床医生目前必须依赖于使用基于人口的参数分析结果。通过人工智能，机器可以一次观察模式的组合，以帮助产生更准确的诊断。这之前发生在其他健康领域，具有自动解释来自心电图的结果，通常用于临床实践作为决策支持系统。

Marko Topalovic是雷维斯大学学习的第一个作者说：“这种方法的好处是对肺功能测试的更准确和自动的解释，从而更好的疾病检测。这不仅可以帮助非经验丰富的临床医生，但它也对医疗保健的许多好处，因为它在实现最终诊断时节省了最终诊断，因为它可以减少额外的额外测试临床医生的额外诊断来确认诊断。“

研究团队的下一步将是在不同群体中测试该算法，并提高系统的决策功率，在肺功能数据与验证的临床持续更新诊断。

---

---