【AI星球(微信ID:ai_xingqiu)】11月30日报道(编译:杨卟咚)
近日,斯坦福大学的科学家开发了一种全新的人工智能成像软件,能帮助医生诊断肺炎。这款名为 CheXnet 的软件本质上是卷积神经网络,也就是一种能够根据有限参数集处理图像的神经网络。
在该项目中,斯坦福大学副教授吴恩达(Andrew Ng)带领着他的研究小组,使用了 112120 张胸部 X 射线图片来训练神经网络,在这些图片当中,人工标记出的疾病多达 14 种,其中一种就是肺炎。在训练了一个月后,该软件检测肺炎感染的能力超出了先前的计算机检验方法。斯坦福机器学习小组让他们的软件和四位斯坦福放射科医生进行 PK,并给了医生每人 420 张 X 射线图片。下图的蓝色曲线代表了程序的模拟结果,而橙色“×”则反映了放射科医生的表现。
而且有一点很重要,ChexNet 的用户体验比较简单:医生输入肺部的 X 射线,就能自动获取肺炎感染概率数字和整个组织感染程度的彩色图。根据这些结果,医生就能决定如何进行治疗。
该小组希望这项研究不仅适用于医院,还能有益于整个世界。目前,世界上估计有 2/3 的人无法接触到精确的放射诊断工具。在公告中,研究人员希望,这项技术能够改善医疗保健服务,而在放射科医生不足的地区,这项技术也能够深入到医学成像领域中。
正如《科技纵览》(IEEE Spectrum)的编辑缇克拉·S·佩里(Tekla S. Perry)所写的那样,CheXnet 的准确性能够对全世界的急诊室提供巨大的帮助,“无法及时诊断和治疗细菌性肺炎可能会造成很高的发病率和死亡率”。
在文章中佩里写到,她 18 岁的儿子因为“高热和咳嗽”,两次前往斯坦福医疗中心的急诊室,但医生说 X 射线并未显示出肺炎迹象。等到他的 X 射线进行了再评估之后,才有别的医生意识到他可能得了肺炎,结果确实如此。但也有人被误诊了,在 2010 年 10 月的一篇论文中,研究人员发现 72% 的患者在同一家医院复诊时都被误诊为肺炎。希望,下一次去医院的时候,人工智能能够切切实实地提供帮助。