AI+PICOS在医学信息分析中的应用探索

其它
火石创造
徐奕
2019-05-17 · 16:00
[ 亿欧导读 ] 自20世纪迈入信息大爆炸时代以来,各行各业都在主动或被动地改变其产业模式,伴随而来的问题也越来越多,我们需要这么多信息吗? 准确性如何? 我们不再担心信息匮乏,却需要更多地培养自身理解信息和分析问题的能力。
医疗数据,医学信息

【编者按】自20世纪迈入信息大爆炸时代以来,各行各业都在主动或被动地改变其产业模式,伴随而来的问题也越来越多,我们需要这么多信息吗? 准确性如何? 我们不再担心信息匮乏,却需要更多地培养自身理解信息和分析问题的能力。

本文首发于火石创造,作者徐奕;经亿欧大健康编辑,供行业人士参考。


医学信息学包括医学与计算机科学、临床信息学,图形信息学和生物药物信息学等学科,是通过研究医疗资源、实验设计和方法,高效获取医学信息,并进行管理和合理利用信息的。

1965年由美国国家医学图书馆开发使用的Medline是世界上第一个面向公众,信息全面的线上医学数据检索平台,且被一直沿用至今。90年代国际上大量先进地区医疗机构都已经开始应用电子病历系统(ePR),包括北美、香港等。21世纪以来,随着电子信息技术的高速发展,医学信息学已不再仅仅用于信息管理层面,更多的是辅助医生进行日常诊疗工作,比如远程医疗技术,手术机器人等。

循证医学研究方法

循证医学理论(Evidence-BasedMedicine,EBM)是以现实医学证据为基础的,促进推动医疗行为决策的研究理论。在该理论模型下,传统医学知识的循规蹈矩已不如真实医学证据所提供的价值高。该理论对各种真实医学证据做出了证据质量分级,其中Meta分析、系统综述和随机临床研究(RCT)属于较高质量类型。

EBM研究共包括5个步骤:(1)将不确定性转化为可以回答的问题,其中要包含批判性,实验设计和证据等级;(2)系统化地检索可找到的最好证据;(3)批判性地评估证据的有效性和正确性;(4)将发现的结果应用到实践中;(5)应用中效果的分析评价。

简言之,EBM研究是“定义问题—搜寻证据—价值评估—实践应用—效果分析”的流程闭环,其中最主要的环节是定义问题和搜寻证据。在准备阶段,研究者必须对问题的理解和思路保证绝对的清晰,才可以正确且高效地完成后续步骤。在素材搜集阶段,只有保证了高质量的证据,才可能获得有价值的结论,否再如何优化实验过程和结果分析,也是徒劳。

PICOS是什么?

为了将问题分解得更加清晰明确,也为了更精准地找到合适可用的证据,研究者们总结出了很多种的思维模型,而其中最具代表性和实用性的就是PICO(s),其中P指Participants(研究对象),I指Intervention(干预手段),C指Comparator/Control(对比对照),O指Outcome(研究结果,终点),S指Studydesign(研究设计)。通过PICO(s)的问题刻画和要素分解,往往复杂且晦涩的临床研究问题都可以迎刃而解。

例如,作为肿瘤二线疗法的单抗类药物是比较热门的研究领域,如果我们想知道德瓦鲁单抗(Durvalumab,阿斯利康)在接受过放化疗的非小细胞肺癌患者(NSCLC)中的疗效,如何分解问题呢?

首先对于研究对象(P)需要梳理出两个特征,其一是NSCLC,其二是已经接收过放化疗且需要后续治疗的患者;对于干预手段(I)I,我们可以明确这个问题中的主要研究药物为Durvalumab;对于对照对比(C),我们可以定义其为其他二线治疗手段,或没有接受二线治疗的患者;对于研究终点(O),一般会用生存率指标和疾病缓解指标来定义肿瘤领域的药物疗效。

通过问题的结构化梳理后,我们提炼出了精准的问题框架,后面的文献检索过程就会变得清晰简单。在操作层面,我们需要做的就是结合特定文献检索工具的逻辑连接词(例如MeSH),将PICO(s)转化成检索策略,完成证据收集。

大数据和人工智能技术助力创新科研

对于现今的医疗从业者来说,除了临床实践以外,不断学习和创新科研也是必需的工作内容,否则很容易被新知识新技术所淘汰,而且这方面能力也是医生职称评级的重要标准。

据Medscape公布,2015年美国专科医生平均收入为28.4万美元,据统计,中国医生2015年均收入为7.7万元。中国医生工资待遇比较低,但工作压力较大,在美国医生眼里,中国医生一天看100多个病人的方式是不可思议的,2min内看一个人是非常不负责任的,不过这种情况是由国情所决定,且压缩了中国医生可用于学习与科研的时间精力。在这样的背景下,如何帮助医生更快地、有效地去学习和科研也是人工智能技术在医学领域的一个探索方向。 

1.科学文献存在多语言性、内容专业、有效阅读存在难度等技术壁垒。

先不论文献的多语言性对知识获取的难度提升,即使是母语系的临床文献,也比其他种类的文字产物更加晦涩难懂,而且信息量更大。但科学文献的优势也很明显,主要有结构相对固定、基本要素全面完整。利用文献特性,如果读者可以快速定位并且直接提取自己所感兴趣的信息,那么这样读取信息的效率是很高的,所以我们需要PICO(s)来成为读者获取信息的指南针。

2.应用人工智能技术可加快选题、检索、数据获取与整合的速度。

一般读懂1篇3000字文章至少需要20~30min,而有目的性的数据读取只需要3~5min就可以完成。如果我们将规则转化成计算机语言,那么这部分工作完全可以由机器代工,整体速度将近一步提升,3~5min足够人工智能去筛选并提取上百篇上述类型文献的信息和数据。

相对的,在做科研和写文献的过程中,PICO(s)可以作为大纲来指导作者的构思和选题,帮助其高效获取并有效整理素材。例如,通过传统的人工方式,好的回归性数据分析需要4~6个月的时间周期去完成,其中选题需要约1个月,数据获取需要约2个月,数据分析和论文撰写还需要约2个月。利用PICO(s)的思维去优化这个过程可以提高效率,减少因选题不准和数据不足引发的返工率,在此基础上,结合人工智能的PICO(s)体系将可以进一步加快选题,检索,数据获取与整合的速度。

3.医学信息领域中应用人工智能技术的手段仍然不够完善,实际应用中存在一定的限制。

即便是被誉为业界老大哥的IBMWatson也在今年早期传出与安德森癌症研究中心停止合作的消息,并且其营收也停止了增长。

IBMWatson之后出现低谷的原因,主要是应用人工智能学习人类经验,分析问题、预测过程中是有诸多限制因素:

(1)AI的能力高低取决于数据量级大小:数据越多,模型越准确;(2)AI的分析能力基于过往数据——人类无法理解或者未出现过的事件,AI也无从知晓;(3)AI学习的内容是由人来灌输的——AI可以成为“最聪明的人”,却无法超越“人”的范畴。

因此,我们应该将AI看作人类的工具,使用它去提升工作效率,而不是成为独立个体去自由工作。IBMWatson恰恰是因为将自己定位成“医生”,而非“医生助手”,却始终无法达到这样的高度,从而跌入低谷。 

循证医学本身就是溯源回归性的总结分析,历史上沉淀的大量数据没有被整合或挖掘过,利用机器的运作方式高效地处理这些信息或可得到新的智慧,摸索出一定的规律,进而更好的帮助医生去攻克医学难题。

小结 

综上所述,普通纯人工PICO(s)模式下的EBM研究周期耗时较长,工作效率很低。谈到智能化医学,很多人想到的都是辅助诊疗,其实若能将AI技术应用到PICO(s)领域,医学信息研究者可以大大提高工作质量和效率。 

另外,完整的PICO(s)是由多个标签组成的,这些标签可以被AI利用形成学习逻辑,并通过大量文献的灌输,AI可以高速精确地提取我们需要的信息,将人工繁琐的检索和阅读时间大大降低。


2019年7月25日-27日,亿欧大健康将主办“GIIS 2019第四届中国大健康产业升级峰会”,峰会以“雁栖健谈——从【规模】到【价值】的医疗变革”为主题,围绕医疗大数据、医药创新、非公医疗和科技医疗四大细分领域的市场环境、投资热点和产业变革等话题展开探讨。

活动报名链接:https://www.iyiou.com/post/ad/id/785

雁栖健谈·第四届中国大健康产业升级峰会.jpg

本文已标注来源和出处,版权归原作者所有,如有侵权,请联系我们。

各工作岗位将被AI取代的概率

选择岗位,查看结果

制图员和摄影师

87.9%

参与评论

最新文章

关闭

快来扫描二维码,参与话题讨论吧!

快捷登录 密码登录
获取验证码

新用户登录后自动创建账号

登录表示你已阅读并同意《亿欧用户协议》

快捷登录 密码登录

账号为用户名/邮箱的用户 选择人工找回

关联已有账户

新用户或忘记密码请选择,快捷绑定

账号为用户名/邮箱的用户 选择人工找回

快速注册

获取验证码

创建关联新账户

发送验证码

找回密码

获取验证码
账号为用户名 / 邮箱的用户 选择人工找回

未完成注册的用户需设置密码

如果你遇到下面的问题

我在注册/找回密码的过程中无法收到手机短信消

我先前用E-mail注册过亿欧网但是现在没有办法通过它登录,我想找回账号

其他问题导致我无法成功的登录/注册

请发送邮箱到service@iyiou.com,说明自己在登录过程中遇到的问题,工作人员将会第一时间为您提供帮助

账号密码登录

乐乐呵呵@微信昵称

该亿欧账号尚未关联亿欧网账户

关联已有账户

曾经使用手机注册过亿欧网账户的用户

创建并关联新账户

曾用微信登录亿欧网但没有用手机注册过亿欧的用户

没有注册过亿欧网的新用户

先前使用邮箱注册亿欧网的老用户,请点击这里进入特别通道
意见反馈
意见反馈
亿欧公众号 亿欧公众号
小程序-亿欧plus 小程序-亿欧plus
返回顶部