本文探讨了机器学习在医疗领域的应用，如糖尿病眼病和乳腺癌检测，强调了模型开发、验证、集成和实施的复杂性。同时，文章指出医生需要理解机器学习的基本原理，以评估其在临床工作中的适用性。通过合作和严谨的方法，机器学习有望对患者护理产生积极影响。
文 / Yun Liu，研究科学家和 Po-Hsuan Cameron Cheng，研究工程师，Google Health
将机器学习 (ML) 方法结合在医学领域并不新鲜，传统技术诸如决策树和逻辑回归等常用于推导既定的临床决策规则（如用于评估患者在冠心病预后风险的 TIMI 风险评分）。
近年来兴起一股在各种医疗应用中使用 ML 的浪潮（如从复杂的医疗记录中预测不良事件，以及提高基因组测序的准确性）。除了检测已知疾病外，ML 模型还可帮助梳理出过去未知的信号，如从视网膜眼底图像中检测出心血管疾病风险因素和屈光不正。
除了开发上述的这些模型外，了解如何将其运用到医疗工作流程中也很重要。先前的一些研究表明，在进行糖尿病眼部疾病分级和诊断转移性乳腺癌时&
最低0.47元/天 解锁文章
扫一扫
15
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
