AI的医学影像诊断率超过人类医生

  • 时间:
  • 浏览:0
  • 来源:贵州快3网投平台-河北快3投注平台_湖北快3娱乐平台

1895年11月的另另4个晚上,德国物理学家威廉·伦琴正在尝试让电流通过一条装有液体液体液体的玻璃管,观察电流怎么可不还可以通过激发效应使其发光。这位科学家用黑色的硬纸板遮住了管子,但令人惊讶的是,尽管实验室中仍然一片漆黑,他却在身边的一块光化反应屏上看一遍了明亮的光线。

伦琴变慢发现,你四种 来自通电管的神秘射线都都还可不还可以穿透每各人所有的身体,你还可不还可以 在屏幕上看一遍骨骼及其互近亮度更高的肌肉组织。于是他决定用摄影胶片替换光化反应屏幕,并拍摄出了世界上第一张X光片。从此事先 ,医生不时需再进行手术,就都都还可不还可以观察到人体的内部内部结构型态。

现如今,另另4个新的技术正在崛起,有望如当初的X射线一样从病魔身旁解救更多生命,这本来 人工智能的医学影像分析类应用——该应用将有望帮助医生快速筛查从成像素材中下发到的、但往往难以理解的重要数据,进而据此做出诊疗判断——类式 发现X光片中的癌点位置。

哈佛医学院生物医学信息学家Andrew Beam表示:“计算机原因 着攻克了图像识别重大难关。在这方面,深度图学习随便说说做得比普通医生更好。”

>>> 人工智能技术应用的春天

在人工神经网络当中,神经元软件模型会接收到大量数据,并据此以协同最好的办法避免现实什么的什么的问题——类式 发现X光片中的异常之处。神经网络会反复调整其神经元活动,并查看那先 新的行为模式是不是 都都还可不还可以更好地避免什么的什么的问题。随着时间的推移,网络后要发现最适合避免特定任务的模式,并将此作为默认值以模拟人脑当中的学习过程。

随着深度图神经网络的总出 ,人工智能技术应用原因 着迎来新的浪潮。典型的神经网络往往将神经元分为数层,而每一层都专注于避免什么的什么的问题中的某一方面;但深度图神经网络则暗含更多层,层数往往超过60 0个。还可不还可以了一来,其分析繁杂什么的什么的问题的能力也总出 了新的突破。

那先 系统在图形避免单元(GPU)的加持下获得了真正的实用性。与此共同,目前也总出 了不少暗含大量作为深度图神经网络训练素材的医学影像的数据库集合。

深度图神经网络在2012年一亮相便引发了轰动,当时一款名为AlexNet的应用在全球最著名的计算机视觉竞赛ImageNet Classification当中取得了压倒性的胜利。你四种 成果让亲戚亲戚朋友快速关注并投身于对“深度图学习”领域的研究与开发,你四种 主题也刚始于了了在各类重要会议——包括医学影像技术会议——上占据 主导地位。亲戚亲戚朋友期待着深度图神经网络都都还可不还可以帮助医生更好占据 理亲戚亲戚朋友每天都时需面对的大量信息。

>>> 数据的洪流

根据美国放射技术专家学精组阁 的数据,目前美国每年会进行近4亿次医学成像操作。X射线、超声波、核磁共振(MRI)扫描以及很多各类医学成像技术,也为医疗保健行业带来迄今为止规模最大、增长下行带宽 最快的数据源。近几年来,IBM的Watson以及很多多种深度图学习AI方案,原因 着被引入到诸多商业用例当中——类式 预测天气情况汇报、进行税务筹备等等。而根据IBM统计,医学影像的数据总量原因 着占到完整篇 医疗数据中共要九成比例。

然而,目前对医学影像的分析仍然在以人为解释的形式实现,这原因 着人为错误很原因 着对结果产生重大影响。事实证明,从医学影像资料当中正确识别疾病——类式 癌症——是一项繁琐而繁杂的工作,即使对知识及经验都很雄厚的专家而言也同样颇具挑战。这是原因 着都都还可不还可以体现出此类疾病型态的图像异常往往难以发现,原因 着不易判断。《美国医学精杂志》就曾在2015年发表一项研究结果,其中由两位病理学家对乳房组织样本进行分析,并通过协商判断其中是不是 暗含非典型性型态。非典型性型态的总出 ,一般代表着乳房原因 着刚始于了了遭遇病变,且后续发展为乳腺癌的风险很高。事实证明,亲戚亲戚朋友的判断准确率仅为48%。

但会 ,即使是最顶尖的专家,也无法及时避免如今随时生成的大量医学影像。IBM研究人员估计,在很多医院的急诊室中,放射科医生每天甚至原因 着时需避免多达6万张医学影像。

 

▲ 上图展示了一系列皮肤病变,很多为良性,很多则为恶性。借不利于人工智能,将有一套用于皮肤癌检测的深度图神经网络利用数千张图像进行训练,以确保其中的算法都都还可不还可以“学习”并成功识别原因 着的癌症型态。最重要的是,它原因 着会注意到很多人类根本无法发现的特殊模式

一旦在医学影像分析的过程中出错,很原因 着会给人类生命造成重大损失。乳腺癌正是其中的典型案例。美国国家癌症研究所估计,仅2018年一年,完整篇 后要近460 0位男人的女人的女人死于乳腺癌。目前的乳腺癌筛查包括分析乳房X光片或低能级X光片,以识别其中占据 的可疑型态。根据美国癌症学精的介绍,原因 着都都还可不还可以尽早发现乳腺癌,你四种 疾病的早期治愈率接近60 %。

然而,医生也原因 着会漏掉约15%至35%的受筛查男人的女人的女人病例——要么是原因 着亲戚亲戚朋友还可不还可以了注意到癌症迹象,要么是对每各人所有看一遍的图像产生了误解。除了漏报之外,乳腺X光片诊断中还占据 3%至12%的误报比例——即相关人士的X光片看起来非常可疑,活检结果本来 容乐观,但在经历痛苦且昂贵的乳腺摘除手术事先 ,却有90%的组织病变属于良性范畴。

亲戚亲戚朋友原因 着在很多疾病方面也听说过类式 的情况汇报。德国海德堡大学皮肤科医师Holger haenssle表示:“老要村里人 千里迢迢跑到大城市的医院里,但这事先 亲戚亲戚朋友的黑色素瘤原因 着发展到了晚期。亲戚亲戚朋友会想,「原因 着亲戚亲戚朋友能早点来进行诊治,亲戚亲戚朋友完整篇 还可不还可以 挽救一条宝贵的生命」。每四种 皮肤癌完整篇 后要原因 着彻底改变另另俩每各人所有的命运。原因 着都都还可不还可以尽早发现黑色素瘤,病患随便说说还可不还可以 在毫无副作用的情况汇报下得到治愈。但会 ,亲戚亲戚朋友正在努力攻克你四种 难关。”

▲ 皮肤极易患上各类疾病,但其中还可不还可以了一小每项属于恶性病变。你四种 示意图以树状型态展示出其中的几大主要类别,而具体细分病变多达60 0余种

以往改善乳腺癌筛查效果的策略,包括提高筛查频度、定期拍摄乳房X光片以观察变,以及利用新的成像技术凸显潜在的癌症迹象。如今,人工神经网络的总出 有望进一步提升乳腺癌医学成像技术的智能水平与诊断下行带宽 。

>>> 深度图神经网络的惊人表现

去年5月,Haenssle和他的同事们发现深度图神经网络在检测皮肤癌方面的表现原因 着超越了经验雄厚的皮肤过敏产医师。为此,亲戚亲戚朋友首先利用超过6万张图像对神经网络进行了训练,其中包括黑色素瘤你四种 最为致命的皮肤癌类型,也包括大量良性病变的X光片图像。在训练过程中,亲戚亲戚朋友共同告知深度图神经网络每一份图像的正确诊断结果。

接下来,研究人员们利用这套神经网络与来自世界各地的58位皮肤科医生进行了皮肤图像诊断比拼。据统计,皮肤科医生都都还可不还可以以88.9%与75.7%的准确率发现恶性黑色素瘤是不是 癌症病变,相比之下神经网络在这两项诊断中的准确率则分别为95%与82.5%。

Haenssle表示,“其暗含60 位皮肤科专家最初坚信「那先 都逃找不到我的法眼」,但从结果来看却是计算机更胜一筹。这台机器的水平甚至超过了最出色的皮肤科医师。”

▲ 上图比较了深度图神经网络与58位皮肤科医师利用同一组皮肤病变图像识别黑色素瘤的能力。平均而言,算法的诊断效果要比人类医师更好

还可不还可以 看一遍,该算法(卷积神经网络)在训练中曾观察过超过6万张良性与恶性皮肤病变图像,并与来自全球各地的58位皮肤科医师同台竞争,共同分析60 张测试图像(其暗含20%为黑色素瘤图像)。测试结果还统计了“正确诊断”率(即正确发现黑色素瘤的比例)与“误诊”率(即将无害病灶误认为黑色素瘤的比例)两项指标。很明显,正确诊断率越高、误诊率越低,还可不还可以了最终成绩也就更好,在图中更趋近左上角位置。完整篇 58名医师都获得了不错的成绩,绿点代表的本来 亲戚亲戚朋友的平均成绩。(红点、蓝点与橙点则分别代表顶尖专家、普通专家与新人医师。)但从图中的湖蓝色菱形线还可不还可以 看出,神经网络的表现力压人类医师,且每一次都能提供病变原因 着属于恶性肿瘤的具体概率值。顶尖医师都都还可不还可以得出与算法相当接近的诊断准确率曲线,但完整篇 后要不少医师的准确率占据 曲线下方,代表得分较低。极少数医师得到了高于神经网络的诊断准确率,对应图形总出 在曲线的顶端或左方。

那先 发现表明,神经网络随便说说不不利于挽救病患生命。根据疾病控制与预防中心的统计资料,皮肤癌原因 着成为美国最常见的癌症,而通过神经网络进行早期诊断有原因 着对相关人群的存活率产生重大影响。根据美国癌症学精的分析结果,原因 着在发现时黑色素瘤原因 着发展至晚期,则病患的五年生存率仅为15%至20%;但原因 着都都还可不还可以早期发现,则生存率将提高至约97%。

目前,研究人员在乳腺癌、宫颈癌、肺癌、心力衰竭、糖尿病性视网膜病、潜在的肺结节以及前列腺癌等疾病方面,也得出了类式 结论。

>>> 人类医师仍然不可替代

即使神经网络在图像识别能力方面原因 着胜过了人类,很多须代表医师你四种 职业会被彻底取代。Beam指出,一方面,随便说说机器目前随便说说更擅长听觉以及视觉等感知性任务,但在长链推理方面却占据 着明显匮乏——但会 无法选着特定患者应该怎么可不还可以哪四种 最佳治疗最好的办法。他解释称,“亲戚亲戚朋友还可不还可以了过度强调目前所取得的成绩。原因 着距离通用型医疗AI,亲戚亲戚朋友仍有很长的发展道路要走。”

另外,尽管科学家们随便说说都都还可不还可以通过训练得到一套还可不还可以 在诊断特定疾病时优于人类医师的神经网络,但类式 成果还无法通过训练掌握对多种不同异常情况汇报的判断能力。Haenssle指出,“这就像是教计算机下某四种 棋类,那它们随便说说人学变慢、实力也很强。但要想让计算机一口气掌握世界上的所有棋类游戏,那暂时还不现实。”

深度图神经网络的未来发展方向原因 着是与医师开展充分合作者者,而非彻底将其取代。类式 ,2016年哈佛大学的科学家们就开发出一套深度图神经网络,都都还可不还可以以高达92.5%的准确率区分癌细胞与正常乳腺组织细胞。在测试当中,病理学家以96.6%的准确率击败了计算机;但在将深度图神经网络预测结果与病理学家的诊断意见相结合事先 ,得出的准确率快速提升到惊人的99.5%。

X射线好的反义词都都还可不还可以给后世带来深远的影响,很大程度上源自伦琴决定不对每各人所有的发现申请专利。他希望让全世界都能从他的工作成果当中受益。而在今天,也本来 伦琴于1901年获得首届诺贝尔物理学奖的另另另4个世纪事先 ,人工智能同样有望将医学成像技术推向伦琴当初根本无法想象的新深度图。Haenssle表示,“亲戚亲戚朋友对于未来前景充满了期待。”