人工智能和放射科醫(yī)生相結(jié)合

一種 n人工智能(AI)工具(在大約一百萬張乳腺X線攝影圖像上進(jìn)行了訓(xùn)練)與放射線醫(yī)師結(jié)合分析時，可以以大約90%的準(zhǔn)確率識別出乳腺癌。

由紐約大學(xué)醫(yī)學(xué)院和紐約大學(xué)數(shù)據(jù)科學(xué)中心的研究人員牽頭，這項(xiàng)研究檢查了一種AI(一種機(jī)器學(xué)習(xí)計(jì)算機(jī)程序)為14位放射科醫(yī)生在審查720條時得出的診斷結(jié)果增加價值的能力。乳房X光照片。

“我們的研究發(fā)現(xiàn)，人工智能可以在放射科醫(yī)生無法識別的數(shù)據(jù)中識別出與癌癥相關(guān)的模式，反之亦然，” 紐約大學(xué)朗格諾大學(xué)放射學(xué)系助理教授Krzysztof J. Geras博士說。

“人工智能檢測到人眼看不見的組織中的像素級變化，而人類則使用了人工智能無法獲得的推理形式，”紐約大學(xué)數(shù)據(jù)科學(xué)中心的附屬教員杰拉斯博士補(bǔ)充道。“我們工作的最終目標(biāo)是增加而不是替代人類放射科醫(yī)生。”

2014年，進(jìn)行了超過3900萬例乳房X線檢查，以篩查女性(無癥狀)乳腺癌，并確定需要進(jìn)一步隨訪的女性。將其檢查結(jié)果顯示出異常的乳房X線檢查結(jié)果的女性進(jìn)行活檢，該活檢是從乳房組織中取出少量樣本進(jìn)行實(shí)驗(yàn)室檢查的過程。

在這項(xiàng)新研究中，研究團(tuán)隊(duì)設(shè)計(jì)了統(tǒng)計(jì)技術(shù)，使他們的程序可以“學(xué)習(xí)”如何更好地完成一項(xiàng)任務(wù)，而無需確切地告訴他們?nèi)绾巫?。這樣的程序會建立數(shù)學(xué)模型，從而能夠根據(jù)輸入的數(shù)據(jù)示例進(jìn)行決策，并且隨著程序查看越來越多的數(shù)據(jù)，該程序?qū)⒆兊?ldquo;更智能”。

受人腦啟發(fā)的現(xiàn)代AI方法使用復(fù)雜的電路來分層處理信息，每一步都將信息饋入下一步驟，并在此過程中或多或少地為每條信息分配重要性。

最近由IEEE Transactions on Medical Imaging雜志在線發(fā)表，目前的研究作者在與過去進(jìn)行的活組織檢查結(jié)果相匹配的許多圖像上訓(xùn)練了他們的AI工具。他們的目標(biāo)是啟用該工具，以幫助放射科醫(yī)生減少向前發(fā)展所需的活檢數(shù)量。Geras博士說，只有通過提高醫(yī)師對篩查檢查的評估準(zhǔn)確性的信心(例如，減少假陽性和假陰性結(jié)果)，才能實(shí)現(xiàn)這一目標(biāo)。

對于當(dāng)前的研究，研究團(tuán)隊(duì)分析了在紐約大學(xué)朗格醫(yī)療中心七年中作為常規(guī)臨床護(hù)理的一部分而收集的圖像，對收集的數(shù)據(jù)進(jìn)行篩選，并將圖像與活檢結(jié)果聯(lián)系起來。這組作者說，這項(xiàng)工作為他們的AI工具創(chuàng)建了一個非常龐大的數(shù)據(jù)集，可以對其進(jìn)行訓(xùn)練，包括229,426次數(shù)字化乳腺X線檢查和1,001,093張圖像。迄今為止，研究中使用的大多數(shù)數(shù)據(jù)庫僅限于10,000張或更少的圖像。