侵權投訴
訂閱
糾錯
加入自媒體

AI的醫學影像診斷率超過人類醫生

2019-10-14 10:07
來源: 科技行者

1895年11月的一個晚上,德國物理學家威廉·倫琴正在嘗試讓電流通過一根裝有氣體的玻璃管,觀察電流如何通過激發效應使其發光。這位科學家用黑色的硬紙板遮住了管子,但令人驚訝的是,盡管實驗室中仍然一片漆黑,他卻在身邊的一塊光化反應屏上看到了明亮的光線。

倫琴很快發現,這種來自通電管的神秘射線能夠穿透自己的身體,讓他在屏幕上看到骨骼及其附近亮度更高的肌肉組織。于是他決定用攝影膠片替換光化反應屏幕,并拍攝出了世界上第一張X光片。從此以后,醫生不需要再進行手術,就能夠觀察到人體的內部結構。

現如今,一個新的技術正在崛起,有望如當初的X射線一樣從病魔手中解救更多生命,這就是人工智能的醫學影像分析類應用——該應用將有望幫助醫生快速篩查從成像素材中收集到的、但往往難以理解的重要數據,進而據此做出診療判斷——例如發現X光片中的癌點位置。

哈佛醫學院生物醫學信息學家Andrew Beam表示:“計算機已經攻克了圖像識別重大難關。在這方面,深度學習確實做得比普通醫生更好。”

人工智能技術應用的春天

在人工神經網絡當中,神經元軟件模型會接收到大量數據,并據此以協同方式解決現實問題——例如發現X光片中的異常之處。神經網絡會反復調整其神經元活動,并查看這些新的行為模式是否能夠更好地解決問題。隨著時間的推移,網絡還會發現最適合處理特定任務的模式,并將此作為默認值以模擬人腦當中的學習過程。

隨著深度神經網絡的出現,人工智能技術應用已經迎來新的浪潮。典型的神經網絡往往將神經元分為數層,而每一層都專注于處理問題中的某一方面;但深度神經網絡則包含更多層,層數往往超過1000個。如此一來,其分析復雜問題的能力也出現了新的突破。

這些系統在圖形處理單元(GPU)的加持下獲得了真正的實用性。與此同時,目前也出現了不少包含大量作為深度神經網絡訓練素材的醫學影像的數據庫集合。

深度神經網絡在2012年一亮相便引發了轟動,當時一款名為AlexNet的應用在全球最著名的計算機視覺競賽ImageNet Classification當中取得了壓倒性的勝利。這一成果讓人們快速關注并投身于對“深度學習”領域的研究與開發,這一主題也開始在各類重要會議——包括醫學影像技術會議——上占據主導地位。人們期待著深度神經網絡能夠幫助醫生更好地處理他們每天都需要面對的大量信息。

數據的洪流

根據美國放射技術專家學會公布的數據,目前美國每年會進行近4億次醫學成像操作。X射線、超聲波、核磁共振(MRI)掃描以及其他各類醫學成像技術,也為醫療保健行業帶來迄今為止規模最大、增長速度最快的數據源。近幾年來,IBM的Watson以及其他多種深度學習AI方案,已經被引入到諸多商業用例當中——例如預測天氣情況、進行稅務籌備等等。而根據IBM統計,醫學影像的數據總量已經占到全部醫療數據中至少九成比例。

然而,目前對醫學影像的分析仍然在以人為解釋的形式實現,這意味著人為錯誤很可能對結果產生重大影響。事實證明,從醫學影像資料當中正確識別疾病——例如癌癥——是一項繁瑣而復雜的工作,即使對知識及經驗都很豐富的專家而言也同樣頗具挑戰。這是因為能夠體現出此類疾病特征的圖像異常往往難以發現,或者不易判斷。《美國醫學會雜志》就曾在2015年發表一項研究結果,其中由兩位病理學家對乳房組織樣本進行分析,并通過協商判斷其中是否包含非典型性特征。非典型性特征的出現,一般代表著乳房已經開始遭遇病變,且后續發展為乳腺癌的風險很高。事實證明,他們的判斷準確率僅為48%。

而且,即使是最頂尖的專家,也無法及時處理如今隨時生成的大量醫學影像。IBM研究人員估計,在某些醫院的急診室中,放射科醫生每天甚至可能需要處理多達10萬張醫學影像。

AI的醫學影像診斷率超過人類醫生

▲ 上圖展示了一系列皮膚病變,有些為良性,有些則為惡性。借助于人工智能,將有一套用于皮膚癌檢測的深度神經網絡利用數千張圖像進行訓練,以確保其中的算法能夠“學習”并成功識別可能的癌癥特征。最重要的是,它可能會注意到某些人類根本無法發現的特殊模式

一旦在醫學影像分析的過程中出錯,很可能會給人類生命造成重大損失。乳腺癌正是其中的典型案例。美國國家癌癥研究所估計,僅2018年一年,就有近41000位女性死于乳腺癌。目前的乳腺癌篩查包括分析乳房X光片或低能級X光片,以識別其中存在的可疑特征。根據美國癌癥協會的介紹,如果能夠盡早發現乳腺癌,這種疾病的早期治愈率接近100%。

然而,醫生也可能會漏掉約15%至35%的受篩查女性病例——要么是因為他們沒有注意到癌癥跡象,要么是對自己看到的圖像產生了誤解。除了漏報之外,乳腺X光片診斷中還存在3%至12%的誤報比例——即相關人士的X光片看起來非常可疑,活檢結果也不容樂觀,但在經歷痛苦且昂貴的乳腺摘除手術之后,卻有90%的組織病變屬于良性范疇。

大家可能在其他疾病方面也聽說過類似的情況。德國海德堡大學皮膚科醫師Holger haenssle表示:“經常有人千里迢迢跑到大城市的醫院里,但這時候他們的黑色素瘤已經發展到了晚期。大家會想,「如果他們能早點來進行診治,我們完全可以挽救一條寶貴的生命」。每一種皮膚癌都有可能徹底改變一個人的命運。如果能夠盡早發現黑色素瘤,病患其實可以在毫無副作用的情況下得到治愈。因此,我們正在努力攻克這一難關。”

AI的醫學影像診斷率超過人類醫生

▲ 皮膚極易患上各類疾病,但其中只有一小部分屬于惡性病變。這一示意圖以樹狀結構展示出其中的幾大主要類別,而具體細分病變多達2000余種

以往改善乳腺癌篩查效果的策略,包括提高篩查頻度、定期拍攝乳房X光片以觀察變,以及利用新的成像技術凸顯潛在的癌癥跡象。如今,人工神經網絡的出現有望進一步提升乳腺癌醫學成像技術的智能水平與診斷效率。

1  2  下一頁>  
聲明: 本文系OFweek根據授權轉載自其它媒體或授權刊載,目的在于信息傳遞,并不代表本站贊同其觀點和對其真實性負責,如有新聞稿件和圖片作品的內容、版權以及其它問題的,請聯系我們。

發表評論

0條評論,0人參與

請輸入評論內容...

請輸入評論/評論長度6~500個字

您提交的評論過于頻繁,請輸入驗證碼繼續

暫無評論

暫無評論

文章糾錯
x
*文字標題:
*糾錯內容:
聯系郵箱:
*驗 證 碼:

粵公網安備 44030502002758號

吉林11选5开奖视频