心脏图像分类比赛上,AI又一次赢过了人类医师

分享到:

这个星球上的人们,或许还没有做好迎接人工智能医生的准备。不过,加州大学旧金山分校(UCSF) 的研究人员培育的AI,已经在心脏图像的分类比赛上,超过了参赛的人类心血管医师。

5abae855e139e-thumb
△ 超声心动图
 
诊断心血管疾病通用的方式是,评估就诊者的超声心动图——那是心脏的动态影像。科学家们让人类和AI,同时把12段影像中提取的“缩水”图片,一张一张张归入15个类别中。AI的正确率在91.7%-97.8%,而人类的正确率在70.2%-83.5%。
 
AI:叫我识图小公主
耀眼的成绩背后,是AI夜以继日的高强度训练。
 
UCSF医学院的助理教授Rima Arnaout (也是一位心血管医生) 和实验室的小伙伴们,利用学校医疗中心2000年至2017年之间267位随机患者 (20-96岁) 的超声心动图,建起了卷积神经网络 (CNN) ,并按照不同视角把223,000多张图像分成15类。

5abae85785072-thumb
△ 用深度学习模型完成的归类
 
在那之后,团队用超过180,000张图像来训练AI对超声心动图中截取的图像进行分类,每张图片的大小在60-80像素。
 
而这场比赛,自然也是以AI熟悉的训练方式进行。与之相比,人类医师日常的诊断过程则有明显的不同。
 
人类:AI怎知何为诊断
人类心脏的结构复杂且不对称,拥有4个腔室 (左右心房+左右心室) 和4片心脏瓣膜,还有负责血液进出的许多血管恣意地排布。正因如此,超声心动图的生成需要从多个角度捕捉动态影像。

5abae85b2e30c-thumb
△ 画心需要教程
 
而当医师准备分析一段影像的时候,首先要做的就是辨别它是从哪个角度拍摄的。之后,医师会在高清影像里,随着成像工具在患者胸腔附近移动,来观察心脏的表现。
 
被AI碾压,并不代表受试医师的专业水准、或是人类的诊断能力受到了质疑。他们只是还不习惯这样的判别方式,一则图像太小,二则没有视频作为依托。

5abae85c3b2b7-thumb
△ 15个类别
 
另外,AI只在分析图像之后得出粗略的分类结果,并不作出诊断。而人类医师需要在几段影像里,观察心脏的20多处结构,整合复杂信息来完成一次具体诊断。而且,AI在诊断后的治疗过程中,也不易发挥更大的能量。
 
AI+医疗的快乐与哀愁
即便这样,计算机在心血管疾病的诊疗中依然有它的优势,其速度或准确度,可能达到人类或传统医学方式难以企及的程度。
 
今年早些时候,谷歌与同属Alphabet的生物科技公司Verily,一同发布表了用眼球数据搭建神经网络,来预测心血管疾病风险的深度学习算法论文。

5abae8606d001-thumb
△ 眼底(左),算法视角(右),绿为对血压预测有用的部分
 
AI用摄像头获取的眼球内膜 (即眼底) 图像,推测人的年龄、性别、血压,甚至是否吸烟,而后依靠这些重要的参数来预测,此人未来被心脏问题缠身的风险。
 
把两个人的眼底图像放在一起,其中一人在图像提取完成的五年后发生了心血管不良事件,另外一人则没有出现心血管异常。算法区分两者的正确率达到70%,与传统验血方式的72%相去无几。不过,AI需要的时间,就不像等待验血结果那样漫长了。
 
“AI在医学诊断中超越人类”的相关消息时常让世界表现出难以抑制的兴奋。不过,神经网络自诞生之日起,便有一个难以弥补的弱点——它们做不到有理有据,即能够得出结论,却无法解释自己是怎样从原始数据的汪洋,游到结论的岸上。
 
就算医生说的听不太懂,也比没说强
 
这或许会是人工智能在医疗领域实现大规模应用之前,需要跨越的一个障碍。如果不能令人对诊断过程感到信服,患者对医疗机构的信任度便可能遭遇危机。
 
前路漫漫,好好训练
 
不过,这类问题的解决,终究要以成熟的技术为根基。
 
目前,UCSF团队的AI胜任的工作,离真正的诊断还有距离。而团队也正在开发一个进阶版本,让AI在原有分类能力的基础上,做出心血管具体疾病的诊断。
 
如果再披上人类的外壳…
 
Arnaout希望有一天,AI可以像人类医师那样,不管遇到任何心脏的任何状况,都能清晰地了解患者到底存在怎样的问题。
 
所以,实验室的大家,还是回去努力训练自己的AI吧。白白。

继续阅读
张召忠:中兴被禁案中,被瞄准软肋的是中国科技产业

张召忠发文对中美贸易战情况进行了分析,认为当代信息化战争实际上就是芯片战争,贸易战首场战役美国率先对中国发起了芯片战。在文中张召忠表达了对中国芯片研发滞后的遗憾,并对之前美国宣扬的“全球产业链分工合作,中国不需要研发芯片”的观点进行了批判。

牛津大学学者声称:人工智能不会抢走人类饭碗

根据经合组织的一份报告,人工智能和机器人技术的自动化对工作岗位的威胁比预想的要小。经合组织是一个由高收入国家组成的政府间组织。这项新研究与牛津大学学者卡尔•弗雷和迈克尔•奥斯本在2013年发表的一篇有影响力的论文形成了对比。后者警告称,美国约47%的就业岗位面临“自动化”的高风险。弗雷和奥斯本的研究为最近关于自动化的争论定下了基调。

机器人与AI发展的3大动力,物联网、低成本与应用模式

机器人与人工智能的日益融合将进一步催生自主机器人的诞生。这些机器人将能够做出各种更高级行为和反应,例如学习经验、解析并进一步生成语言,从而创造一种近似于自主意识下的运行状态。

国内人工智能政策发展,一篇文章带你看懂

当前,我国人工智能正处于发展的政策红利期,从中央到地方各级政府都出台了一系列促进政策与措施,对于人工智能从业者来说,了解政府出台的政策非常必要。

智能医疗步步逼近,美国FDA通过眼科疾病探测AI

  据外媒报道,美国食品和药物管理局(FDA)首次批准了一种人工智能诊断设备,该设备不需要专家医生来解释结果。这个名为IDx-DR的软件程序可以通过观察视网膜的照片来判断患者是否有眼科疾病。

©2018 Microchip Corporation
facebook google plus twitter linkedin youku weibo rss