雷鋒網(wǎng)按：據(jù) VentureBeat 報道，Google AI 利用人工智能系統(tǒng)，借助數(shù)千個帶有高質(zhì)量標(biāo)簽的數(shù)據(jù)庫，精準(zhǔn)解讀胸部 X 射線圖像。論文已發(fā)表在《自然》雜志。

【圖片來源：VentureBeat 所有者：VentureBeat】

近年來，Google AI 不斷將目光投向醫(yī)療領(lǐng)域。去年，紐約大學(xué)利用 Google 的 Inception v3 機(jī)器學(xué)習(xí)模型檢測出肺癌。今年 5 月，Google AI 和美國西北大學(xué)醫(yī)學(xué)院的科學(xué)家們創(chuàng)建模型，通過篩查檢測出肺癌，水平超過了有 8 年經(jīng)驗(yàn)的放射科醫(yī)生。

此外，Google AI 曾通過眼部掃描，診斷糖尿病視網(wǎng)膜病變的進(jìn)展；Alphabet 子公司 DeepMind 的 AI 曾為 50 種眼部疾病推薦合適的治療方案，準(zhǔn)確率高達(dá) 94%。

那么，胸部 X 射線圖像解讀是否也可以與人工智能相結(jié)合？

實(shí)際上，用機(jī)器學(xué)習(xí)算法分析胸部 X 射線圖像，說起來容易做起來難。這是由于在通常情況下，訓(xùn)練算法所需的臨床標(biāo)簽，是通過基于規(guī)則的自然語言處理或人工注釋獲得的，兩者往往不一致，且錯誤較多。同時，僅以圖像為依據(jù)，很難收集包含大量病例的數(shù)據(jù)庫，并建立一致的、具有臨床意義的標(biāo)簽。

近日，為推進(jìn) X 射線圖像分類的目標(biāo)，Google 的研究人員發(fā)現(xiàn)，利用人工智能模型分析胸部 X 射線圖像，可檢測四項指標(biāo)：氣胸（肺萎陷）、結(jié)節(jié)和腫塊、骨折和氣腔模糊（樹芽征）。在一篇發(fā)表在《自然》（Nature）雜志的論文中，研究小組稱，經(jīng)專家獨(dú)立審查，這一模型已達(dá)到放射科醫(yī)生的水平。

這項最新研究，利用了來自兩個反識別數(shù)據(jù)庫的 60 多萬張圖像。其一是與印度阿波羅醫(yī)院合作開發(fā)的數(shù)據(jù)庫，包含多年來從各地收集到的 X 射線。其二是由美國國立衛(wèi)生研究院發(fā)布的 ChestX-ray14 公開圖像庫，該圖像庫曾為人工智能研究提供支持，但在準(zhǔn)確性方面存在不足。

縱觀整個研究，首先，研究人員開發(fā)了一個基于文本的系統(tǒng)，提取每張 X 光片的放射學(xué)報告并加以運(yùn)用，為阿波羅醫(yī)院數(shù)據(jù)庫中超過 56 萬幅圖像提供標(biāo)簽。為了減少基于文本的標(biāo)簽提取過程中可能出現(xiàn)的錯誤，并為若干 ChestX-ray14 圖像提供相關(guān)標(biāo)簽，他們專門招募放射科醫(yī)生，檢查這兩個數(shù)據(jù)庫中的約 3.7 萬幅圖像。

下一步是生成用于模型評估的高質(zhì)量參考標(biāo)簽。三名放射科醫(yī)生通過小組合作的形式，審查所有結(jié)果，測試數(shù)據(jù)庫圖像，并在線討論解決相互之間的分歧。這項研究的合著者也表示，通過這種方式，原先只能通過放射科醫(yī)生檢測到的結(jié)果，也能被準(zhǔn)確地識別并記錄下來。

Google 指出，盡管這些模型的準(zhǔn)確性總體上達(dá)到了專家水平，但各個數(shù)據(jù)庫的結(jié)果卻各不相同。例如，對于 ChestX-ray14 圖像，同一放射科醫(yī)生檢測氣胸的靈敏度約為 79%，但對于其他數(shù)據(jù)庫，檢測氣胸的靈敏度僅有 52%。

Google 科學(xué)家 David Steiner 博士和 Google Health 技術(shù)負(fù)責(zé)人 Shravya Shetty 均為該論文做了貢獻(xiàn)，兩人在一篇博客中提到：

數(shù)據(jù)庫之間的差異，證明了建立具有明確參考指標(biāo)的標(biāo)準(zhǔn)化評估圖像庫的必要性，方便在不同研究之間進(jìn)行比較。但同時，將人工智能和放射科醫(yī)生各自的優(yōu)勢相結(jié)合，很可能是人工智能應(yīng)用于醫(yī)學(xué)圖像解讀的最佳方式。

研究小組已經(jīng)在開源中創(chuàng)建了 ChestX-ray14 數(shù)據(jù)庫，數(shù)據(jù)庫包含 2412 個訓(xùn)練、驗(yàn)證集圖像，1962 個測試集圖像，總共 4374 個圖像。David Steiner 和 Shravya Shetty 表示，他們希望通過 ChestX-ray14 數(shù)據(jù)庫的判定標(biāo)簽，為以后的機(jī)器學(xué)習(xí)奠定基礎(chǔ)，并推動機(jī)器學(xué)習(xí)模型之間的比較，從而更精準(zhǔn)地解讀胸部 X 射線圖像。

雷鋒網(wǎng)年度評選——尋找19大行業(yè)的最佳AI落地實(shí)踐

創(chuàng)立于2017年的「AI最佳掘金案例年度榜單」，是業(yè)內(nèi)首個人工智能商業(yè)案例評選活動。雷鋒網(wǎng)從商用維度出發(fā)，尋找人工智能在各個行業(yè)的最佳落地實(shí)踐。

第三屆評選已正式啟動，關(guān)注微信公眾號“雷鋒網(wǎng)”，回復(fù)關(guān)鍵詞“榜單”參與報名。詳情可咨詢微信號：xqxq_xq

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。