肖璐博士是斯皮尔斯商学院管理科学与信息系统教授，她敏锐地意识到我们对人工智能的依赖日益增加，以改善我们的生活。从GPS导航系统到音乐流媒体服务，AI技术提供了便利、娱乐和连接。
肖璐博士在加拿大达尔豪斯大学获得计算机科学博士学位，在中国华中科技大学获得同一专业的学士学位。她利用自己的专业知识，思考超越这些日常用途的应用。AI如何改变医疗保健，使我们更长寿？肖璐在加拿大医疗系统工作时开始关注这一大问题，注意到大量未充分利用的患者数据。她不想像把贵重物品放在尘封的阁楼里一样存储电子健康记录，而是希望解锁这些数据的巨大潜力，帮助患者。“我想，也许我应该进入学术界做一些研究，与医生合作，通过利用这些数据来改进医疗系统。”肖璐说，“这是我的第一个动机，这也是我为什么与医疗领域的医生合作。”
俄克拉荷马州立大学的教职员工与印第安纳大学外科教授艾伦·索肖克博士合作，进行了一项名为“开发大型语言模型（LLM）驱动的可解释AI模型，预测无症状颈动脉狭窄（ACS）患者的中风风险”的持续研究。今年夏天，肖璐的提案是七项之一，获得了10,000美元的种子基金，作为斯皮尔斯商学院内部新计划的一部分，旨在催化研究资金。
通过她的开创性研究，肖璐努力使挽救生命的医疗保健更加普及。特别是在农村地区，患者可能无法接触到先进的生物医学成像系统来检测中风风险，但电子健康记录是现成的工具，无需过多成本。患者到达医生办公室后，通常会在候诊室填写表格，然后回答护士关于健康史和习惯的问题。这些看似普通的步骤产生了宝贵的数据点，通过肖璐的模型，这些数据点可以预防中风。
关键在于AI能够创建个性化的风险评估健康档案。许多AI技术之所以受欢迎，是因为它们为个人提供定制化的预测。例如，GPS系统在学习你经常行驶的路线后可以猜测你的目的地，音乐流媒体服务会根据你的听歌习惯创建“为你推荐”播放列表。在基本层面上，肖璐和索肖克的技术并无不同。AI可以综合个体患者的医疗数据，创建独特的预测档案，特别是对于被诊断为ACS（颈动脉狭窄）的患者。这些个性化数据集旨在让医疗保健提供者评估患者的中风风险，权衡多个因素，确定是否需要预防性手术。在临床环境中，患者会签署同意书，同意将其数据输入系统，就像他们已经对电子健康记录所做的那样。
“我们可以分析大量数据，查看数据的变化，查看数据的趋势，并进行个性化分析。”肖璐说。这种决策工具可以保护患者的生活质量，大幅减少医疗费用。根据疾病控制与预防中心的数据，每年在美国有超过795,000人发生中风。此外，2019年至2020年间，与中风相关的费用总计接近562亿美元。
患有ACS的患者可能直到中风发生前都不会出现明显的健康问题。肖璐指出，这些患者经常接受预防中风的手术，但有时这些手术是不必要的。偶尔，手术本身会增加健康风险，尤其是对于老年患者。有时，生活方式的改变就足以降低风险。没有两个个体是相同的，因此医疗保健提供者不能仅依赖通用指南来评估中风的概率。这就是为什么肖璐和索肖克要评估个性化数据的原因。AI模型综合了包括人口统计学、共病、生命体征、用药历史、健康习惯、实验室测试结果等在内的信息。肖璐正在训练AI模型不仅确定患者的中风风险，还要与医生和患者沟通，帮助他们理解计算过程。
“如果AI只产生一个概率，比如患者有90%的中风风险，这并不令人信服，因为医生需要知道原因。”肖璐说，“AI需要解释。你是如何得出这个结论的？我们称之为可解释AI。为了使医生在临床环境中使用这些技术，它必须是可解释的。”为了让机器像人一样沟通，机器需要人类的指导。
为了构建模型，肖璐和索肖克审查了2009年至2022年间印第安纳大学医学院系统中的872名ACS患者的数据，这些患者的身份在研究中未披露。他们与医生实习生和学生合作，注释过去的记录，能够标记患者是否经历了中风。与AI生成的风险评估相比，这些历史结果可以验证AI的准确性，并指导肖璐对其进行微调。70%的初始患者数据用于训练AI，而30%用于测试。
商业分析和数据科学硕士生杰克逊·西尔维协助肖璐完成了初步工作，专注于数据处理和为机器学习设计算法。肖璐一直在创建这个AI模型，利用科学出版物和临床指南，深入了解ACS，基本上建立了一个用于疾病预测和分析的医学百科全书。凭借这一知识基础，AI模型可以提供深入的医疗保健视角，而不仅仅是浅尝辄止。肖璐指出，忙碌的医生通常只有很短的时间与一位患者见面，然后再开始下一个预约，因此他们可能无法全面回顾患者的健康史。
“医生可能只会看最近的实验室测试结果，或与之前的几次结果进行比较。”肖璐说，“而我们可以通过使用人工智能来考虑长期和复杂的医疗历史。”当肖璐努力将来自美国各地电子健康记录系统的临床数据纳入模型时，她意识到其中的困难。虽然AI模型最初是中立的，但它们像孩子的思维一样，会根据教学方式发展偏见。例如，如果样本数据只包括男性患者，那么该模型将不足以指导女性的医疗决策。肖璐仔细考虑了这些因素，确保在初始患者样本中评估男性和女性，并注意可能由生物学性别引起的差异。她表示，研究团队还努力将更多黑人患者和西班牙裔患者加入数据库，这些群体在现有的IU记录中代表性不足。在使用IU患者文件进行初步研究后，肖璐和索肖克打算向美国国立卫生研究院提交提案，将研究扩展到OSU医学和其他医疗机构，覆盖新的群体。
“AI需要消耗大量数据才能做出正确的决策。”肖璐说，“因此，最终在现实世界中使用AI是一个挑战。我们必须有一个无偏见的算法，尽管数据可能存在偏见。”一旦AI模型足够成熟，可以在临床环境中使用，它就不必局限于ACS患者。这项预测技术可以应用于医学的许多领域，包括癌症研究、糖尿病研究等。作为广泛发表的学者，肖璐在AI与医学的交叉领域蓬勃发展，不断寻求提高医疗质量和可及性的新方法。自2023年8月以来，作为斯皮尔斯商学院的教授，她已经展示了学校对教师资助提升的关注所带来的影响。
“我非常感谢获得种子基金，我也为能在提供种子基金以推进研究的学校工作感到自豪。”肖璐说，“这是一个重要的跨机构和跨部门合作项目。”这笔种子基金不仅推进了教师的研究，鼓励了更多的合作，还可以为学生提供机会，让他们在我的实验室进行研究，了解如何利用AI推进人类健康，改善医疗结果。
(全文结束)
