吳恩達(dá)的斯坦福團(tuán)隊(duì)發(fā)布了一個(gè)X光確診算法，依據(jù)深度神經(jīng)網(wǎng)絡(luò)。

與從前的肺炎檢測(cè)專(zhuān)門(mén)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(lèi)放射科醫(yī)師的體現(xiàn)相當(dāng)，還有一種超越了人類(lèi)。而且，AI的確診速度是人類(lèi)的160倍。

團(tuán)隊(duì)說(shuō)，這樣的算法有希望填補(bǔ)醫(yī)療資源的缺少，也可以用來(lái)削減人類(lèi)醫(yī)師因?yàn)?span style="font-weight: 700;">疲勞而導(dǎo)致的確診錯(cuò)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(lái)練習(xí)的，這是現(xiàn)在最大的X光機(jī)數(shù)據(jù)庫(kù)，有超越11萬(wàn)張正面胸片，來(lái)自3萬(wàn)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(biāo)示，是依據(jù)醫(yī)師的放射學(xué)陳述，用自動(dòng)提取 (Automatic Extaction) 的方法來(lái)標(biāo)示的。

練習(xí)過(guò)程分兩步

算法是由多個(gè)神經(jīng)網(wǎng)絡(luò)調(diào)集而成。

第一步，由所以自動(dòng)標(biāo)示，所以要解決標(biāo)簽部分不正確(Partially Incorrect) 的問(wèn)題。

具體方法是，先讓這些神經(jīng)網(wǎng)絡(luò)，在數(shù)據(jù)集里練習(xí)14種疾病的猜測(cè)。然后用它們做出的猜測(cè)，來(lái)重新標(biāo)示數(shù)據(jù)集。

第二步，再拿一個(gè)新的神經(jīng)網(wǎng)絡(luò)調(diào)集，在新標(biāo)示的數(shù)據(jù)集上練習(xí)。這次練習(xí)完結(jié)，AI就可以去確診疾病了。

那么，AI猜測(cè)過(guò)程中的要點(diǎn)在哪里？

圖上有要點(diǎn)

算法不需要任何額定的監(jiān)督，就可以用胸片來(lái)生成熱圖(Heat Map) ，相當(dāng)于劃要點(diǎn)：

顏色越暖的部分，對(duì)疾病確診越有價(jià)值。

這是依靠類(lèi)激活圖 (Class Activation Mapping，CAM) 來(lái)完結(jié)的。

如此一來(lái)，AI就像人類(lèi)一樣，知道確診某種疾病的時(shí)候，哪里才是該要點(diǎn)關(guān)注的部分。

人機(jī)大賽

練習(xí)好之后，團(tuán)隊(duì)找了9個(gè)人類(lèi)放射科醫(yī)師來(lái)競(jìng)賽。其間：

6位來(lái)自學(xué)術(shù)機(jī)構(gòu)，均勻經(jīng)驗(yàn)超越12年。

3位來(lái)自醫(yī)院，是放射科高級(jí)住院醫(yī)師。

人類(lèi)和AI要識(shí)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(rùn)，腫塊，結(jié)節(jié)，胸膜增厚，肺炎，氣胸。

競(jìng)賽結(jié)果如下：

只有在心臟肥壯，肺氣腫和疝氣這三項(xiàng)確診中，AI顯著不敵人類(lèi)選手的準(zhǔn)確度。

在肺不張的確診中，AI的體現(xiàn)顯著優(yōu)于人類(lèi)。

△正常心臟 (左) vs 肥壯心臟 (右)

其他10項(xiàng)，人類(lèi)與AI不相上下。

總體來(lái)說(shuō)，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(shí)1.5分鐘，人類(lèi)用時(shí)240分鐘。

吳恩達(dá)教師終年尋求的“AI顛覆醫(yī)療”之說(shuō)，仍是在時(shí)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(gè)叫XRay4All的手機(jī)使用，只要給胸片拍個(gè)照，就可以讓AI幫助確診了。

不知那會(huì)是多遠(yuǎn)的未來(lái)，但這次的人機(jī)比賽，AI的體現(xiàn)仍是能看到希望的。