【概要描述】 AI+PICOS在医学信息阐发中的利用摸索

医学信息学包罗医学与计较机科学、临床信息学，图形信息学和生物药物信息学等学科，是经由过程研究医疗资本、尝试设计和方式，高效获得医学信息，并进行治理和公道操纵信息的。

作者： 年夜健康派编纂来历： 亿欧2019-06-10 11:22:42

医学信息学包罗医学与计较机科学、临床信息学，图形信息学和生物药物信息学等学科，是经由过程研究医疗资本、尝试设计和方式，高效获得医学信息，并进行治理和公道操纵信息的。

1965年由美国国度医学藏书楼开辟利用的Medline是世界上第一个面向公家，信息周全的线上医学数据检索平台，且被一向沿用至今。90年月国际上年夜量进步前辈地域医疗机构都已最先利用电子病历系统（ePR），包罗北美、中国香港等。21世纪以来，跟着电子信息手艺的高速成长，医学信息学已不再仅仅用在信息治理层面，更多的是辅助大夫进行平常诊疗工作，好比长途医疗手艺，手术机械人等。

循证医学研究方式

循证医学理论（Evidence-BasedMedicine，EBM）是以实际医学证据为根本的，增进鞭策医疗行动决议计划的研究理论。在该理论模子下，传统医学常识的安分守纪已不如真实医学证据所供给的价值高。该理论对各类真实医学证据做出了证据质量分级，此中Meta阐发、系统综述和随机临床研究（RCT）属在较高质量类型。

EBM研究共包罗5个步调：（1）将不肯定性转化为可以回覆的问题，此中要包括批评性，尝试设计和证据品级；（2）系统化地检索可找到的最好证据；（3）批评性地评估证据的有用性和准确性；（4）将发现的成果利用到实践中；（5）利用中结果的阐发评价。

简言之，EBM研究是 界说问题 搜索证据 价值评估 实践利用 结果阐发 的流程闭环，此中最首要的环节是界说问题和搜索证据。在预备阶段，研究者必需对问题的理解和思绪包管绝对的清楚，才可以准确且高效地完成后续步调。在素材汇集阶段，只有包管了高质量的证据，才可能取得有价值的结论，否再若何优化尝试进程和成果阐发，也是徒劳。

PICOS是甚么？

为了将问题分化得加倍清楚明白，也为了更精准地找到适合可用的证据，研究者们总结出了良多种的思惟模子，而此中最具代表性和适用性的就是PICO（s），此中P指Participants（研究对象），I指Intervention（干涉干与手段），C指Comparator/Control（对照对比），O指Outcome（研究成果，终点），S指Studydesign（研究设计）。经由过程PICO（s）的问题描绘和要素分化，常常复杂且艰涩的临床研究问题都可以水到渠成。

例如，作为肿瘤二线疗法的单抗类药物是比力热点的研究范畴，假如我们想知道德瓦鲁单抗（Durvalumab，阿斯利康）在接管过放化疗的非小细胞肺癌患者（NSCLC）中的疗效，若何分化问题呢？

起首对研究对象（P）需要梳理出两个特点，其一是NSCLC，其二是已领受过放化疗且需要后续医治的患者；对干涉干与手段（I）I，我们可以明白这个问题中的首要研究药物为Durvalumab；对对比对照（C），我们可以界说其为其他二线医治手段，或没有接管二线医治的患者；对研究终点（O），一般会用保存率指标和疾病减缓指标来界说肿瘤范畴的药物疗效。

经由过程问题的布局化梳理后，我们提炼出了精准的问题框架，后面的文献检索进程就会变得清楚简单。在操作层面，我们需要做的就是连系特定文献检索东西的逻辑毗连词（例如MeSH），将PICO（s）转化成检索策略，完成证据搜集。

年夜数据和人工智能手艺助力立异科研

对当今的医疗从业者来讲，除临床实践之外，不竭进修和立异科研也是必须的工作内容，不然很轻易被新常识新手艺所裁减，并且这方面能力也是大夫职称评级的主要尺度。

据Medscape发布，2015年美国专科大夫平均收入为28.4万美元，据统计，中国大夫2015年均收入为7.7万元。中国大夫工资待遇比力低，但工作压力较年夜，在美国大夫眼里，中国大夫一天看100多个病人的体例是不成思议的，2min内看一小我长短常不负责任的，不外这类环境是由国情所决议，且紧缩了中国大夫可用在进修与科研的时候精神。在如许的布景下，若何帮忙大夫更快地、有用地去进修和科研也是人工智能手艺在医学范畴的一个摸索标的目的。

1.科学文献存在多说话性、内容专业、有用浏览存在难度等手艺壁垒。

先非论文献的多说话性对常识获得的难度晋升，即便是母语系的临床文献，也比其他种类的文字产品加倍艰涩难明，并且信息量更年夜。但科学文献的优势也很较着，首要有布局相对固定、根基要素周全完全。操纵文献特征，假如读者可以快速定位而且直接提取本身所感爱好的信息，那末如许读守信息的效力是很高的，所以我们需要PICO（s）来成为读者获得信息的指南针。

2.利用人工智乐鱼体育app能手艺可加速选题、检索、数据获得与整合的速度。

一般读懂1篇3000字文章最少需要20~30min，而有目标性的数据读取只需要3~5min便可以完成。假如我们将法则转化成计较机说话，那末这部门工作完全可以由机械代工，整体速度快要一步晋升，3~5min足够人工智能去挑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进程中，PICO（s）可以作为纲领来指点作者的构想和选题，帮忙其高效获得并有用清算素材。例如，经由过程传统的人工体例，好的回归性数据阐发需要4～6个月的时候周期去完成，此中选题需要约1个月，数据获得需要约2个月，数据阐发和论文撰写还需要约2个月。操纵PICO（s）的思惟去优化这个进程可以提高效力，削减因选题禁绝和数据不足激发的返工率，在此根本上，连系人工智能的PICO（s）系统将可以进一步加速选题，检索，数据获得与整合的速度。

3.医学信息范畴中利用人工智能手艺的手段依然不敷完美，现实利用中存在必然的限制。

即使是被誉为业界老迈哥的IBMWatson也在本年初期传出与安德森癌症研究中间住手合作的动静，而且其营收也住手了增加。

IBMWatson以后呈现低谷的缘由，首要是利用人工智能进修人类经验，阐发问题、猜测进程中是有诸多限制身分：

（1）AI的能力凹凸取决在数据量级巨细：数据越多，模子越正确；（2）AI的阐发能力基在过往数据 人类没法理解或未呈现过的事务，AI也无从知晓；（3）AI进修的内容是由人来灌注贯注的 AI可以成为 最伶俐的人 ，却没法超出 人 的范围。

是以，我们应当将AI看做人类的东西，利用它去晋升工作效力，而不是成为自力个别去自由工作。IBMWatson恰好是由于将本身定位成 大夫 ，而非 大夫助手 ，却始终没法到达如许的高度，从而跌入低谷。

循证医学自己就是溯源回归性的总结阐发，汗青上沉淀的年夜量数据没有被整合或发掘过，操纵机械的运作体例高效地处置这些信息或可获得新的聪明，试探出必然的纪律，进而更好的帮忙大夫去霸占医学困难。

小结

综上所述，通俗纯人工PICO（s）模式下的EBM研究周期耗时较长，工作效力很低。谈到智能化医学，良多人想到的都是辅助诊疗，其实若能将AI手艺利用到PICO（s）范畴，医学信息研究者可以年夜年夜提高工作质量和效力。

别的，完全的PICO（s）是由多个标签构成的，这些标签可以被AI操纵构成进修逻辑，并经由过程年夜量文献的灌注贯注，AI可以高速切确地提取我们需要的信息，将人工繁琐的检索和浏览时候年夜年夜下降。

【凡本网注明来历非年夜健康Pai的作品，均转载自其它媒体，目标在在传递更多信息，其实不代表本网附和其不雅点和对其真实性负责。】

存眷年夜健康Pai官方微信：djkpai我们将按期推送医健科技财产最新资讯

20小时前

• 分类： 博鱼新闻
• 作者：博鱼
• 来源：集团新闻
• 发布时间：2024-06-10
• 访问量： 0