安檢機 | X光安檢機 |
新聞資訊
吳恩達的斯坦福團隊發(fā)布了一個X光確診算法，依據(jù)深度神經(jīng)網(wǎng)絡。
與從前的肺炎檢測專門算法不同，這次的CheXNeXt模型，可以確診14種疾病，包括肺炎、胸腔積液、肺腫塊等等。
在其間10種疾病的確診上，AI都與人類放射科醫(yī)師的體現(xiàn)相當，還有一種超越了人類。而且，AI的確診速度是人類的160倍。
團隊說，這樣的算法有希望填補醫(yī)療資源的缺少，也可以用來削減人類醫(yī)師因為疲勞而導致的確診錯誤。
AI醫(yī)師如何煉成 最大的數(shù)據(jù)集
?
算法是用ChestX-ray14數(shù)據(jù)集來練習的，這是現(xiàn)在最大的X光機數(shù)據(jù)庫，有超越11萬張正面胸片，來自3萬多位患者。
14，就代表這些胸片里，總共包括了14種肺部疾病。
每一張胸片都要標示，是依據(jù)醫(yī)師的放射學陳述，用自動提取 (Automatic Extaction) 的方法來標示的。
練習過程分兩步
算法是由多個神經(jīng)網(wǎng)絡調(diào)集而成。
第一步，由所以自動標示，所以要解決標簽部分不正確(Partially Incorrect) 的問題。
具體方法是，先讓這些神經(jīng)網(wǎng)絡，在數(shù)據(jù)集里練習14種疾病的猜測。然后用它們做出的猜測，來重新標示數(shù)據(jù)集。
第二步，再拿一個新的神經(jīng)網(wǎng)絡調(diào)集，在新標示的數(shù)據(jù)集上練習。這次練習完結，AI就可以去確診疾病了。
那么，AI猜測過程中的要點在哪里？
圖上有要點
算法不需要任何額定的監(jiān)督，就可以用胸片來生成熱圖(Heat Map) ，相當于劃要點：
顏色越暖的部分，對疾病確診越有價值。
這是依靠類激活圖 (Class Activation Mapping，CAM) 來完結的。
如此一來，AI就像人類一樣，知道確診某種疾病的時候，哪里才是該要點關注的部分。
人機大賽
練習好之后，團隊找了9個人類放射科醫(yī)師來競賽。其間：
6位來自學術機構，均勻經(jīng)驗超越12年。
3位來自醫(yī)院，是放射科高級住院醫(yī)師。
人類和AI要識別的，是420張正面胸片，也是包括14種疾?。?/p>
肺不張，心臟肥壯，鞏固，水腫，積液，肺氣腫，纖維化，疝氣，滋潤，腫塊，結節(jié)，胸膜增厚，肺炎，氣胸。
競賽結果如下：
只有在心臟肥壯，肺氣腫和疝氣這三項確診中，AI顯著不敵人類選手的準確度。
在肺不張的確診中，AI的體現(xiàn)顯著優(yōu)于人類。
△正常心臟 (左) vs 肥壯心臟 (右)
其他10項，人類與AI不相上下。
總體來說，算法的確診能力與與放射科醫(yī)師附近。
所以，仍是看一下速度吧。
420張圖，AI用時1.5分鐘，人類用時240分鐘。
吳恩達教師終年尋求的“AI顛覆醫(yī)療”之說，仍是在時間上體現(xiàn)最顯著。
One More Thing
隨研究成果一起發(fā)布的視頻里，有一個叫XRay4All的手機使用，只要給胸片拍個照，就可以讓AI幫助確診了。
不知那會是多遠的未來，但這次的人機比賽，AI的體現(xiàn)仍是能看到希望的。
