谷歌華人科學家帶來新突破：就算數據信息有限，AI也能準確識別疾病！

葯明康德/報道

我們在之前已經報道過，人工智慧在識別圖像方面已經取得了非常大的突破，有助於為醫生提供新的診斷方式，發現新型療法。然而，大部分人工智慧在圖像領域的應用都藉助了大量注釋完好的數據集，而在實際的臨床環境中，醫生手邊能夠利用的數據有時候會相當有限。在這種情況下，人工智慧也能完美的完成圖像識別任務嗎？

近日，來自谷歌雲計算（Google Cloud）的李佳博士帶領團隊完成了一項研究，旨在探索人工智慧在實際臨床環境中的圖片識別情況。由於胸部X光圖像通常檢查範圍較廣，可以出現多種異常狀況，且這些發生異常的部點陣圖像特徵較為相似，這會導致臨床診斷出現一定的偏差。李佳博士團隊專註於胸部X光圖像的分析，目的是用人工智慧將不同的臨床狀況進行分類，並準確識別出發生異常的部位。

▲這項研究的領導者，Google Cloud研發部門主管李佳博士（圖片來源：LinkedIn）

李佳博士團隊建立了一個人工智慧演算法模型，利用卷積神經網路對圖像進行識別，並獲取疾病的所有信息。然後，研究人員將圖像統一用網格進行分割，並打上是否患有疾病的標籤，從而進行疾病定位。

由於團隊所利用的數據只有一小部分有疾病邊界框標記，李佳博士團隊針對不同類型的數據，採取了不同的處理方式：對於具有邊界框標記的疾病圖像，可以通過每一格是否與邊界框標記重疊來確定疾病所在的具體位置，這時採用監督式學習（supervised learning）的方法對演算法進行訓練；對於沒有注釋的圖像，則採用多示例學習（multiple instance learning）的方式對演算法進行訓練，只有當所有網格中都不包含疾病特徵時，演算法才會判定這一圖像沒有任何疾病。研究結果顯示，儘管使用的數據中具有邊界框標記的數量非常有限，但這一模型仍然可以準確地識別出胸部X光圖像中是否包含疾病，以及疾病的相關位置信息。

▲人工智慧對不同疾病識別及定位的結果。左圖為原始X光圖像，右圖為人工智慧識別出的疾病及其位置。我們可以看出，對於那些擁有邊界框標記的圖像，人工智慧識別出的疾病位置與邊界框標記基本一致（圖片來演：arXiv）

李佳博士表示，這項研究力求將人工智慧應用於實際的臨床環境之中。如今，人工智慧只能幫助醫生完成一小部分的工作，而醫生目前承擔的很多職責人工智慧還無法做到，如了解患者的具體病史、傳達診斷信息、確定正確療法等。並且，醫生也將會在開發正確和有效的機器學習演算法中發揮著關鍵的作用。

看來，人工智慧終究還是無法取代醫生的存在。然而，我們仍然希望人工智慧技術可以繼續快速發展，從而從最大程度上輔助醫生進行正確的診斷和治療。

參考資料：

[1] Thoracic Disease Identification and Localization with Limited Supervision

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！