近日，来自加州大学希利眼科研究所的中国科学家张康教授，在顶级学术杂志《细胞》发表了封面文章，介绍了其利用AI诊断眼疾和肺炎方面的研究成果。
该技术的原理是将视网膜光学相干层析成像（OCT）扫描图像或是胸部X光片导入一种卷积神经网络中加以甄别，然后根据图像中生物组织的病变情况来判断黄斑变性、糖尿病性黄斑水肿或是细菌性与病毒性肺炎等病情。
相对于问诊眼科医生，再走繁琐地诊断流程，使用该AI方法仅需30秒时间即可判断病人是否需要转介治疗，且准确率超过95%。
相似技术在年时已有应用，当时谷歌Gulshan团队使用约13万张由54位专家标注过的视网膜眼底图像对深度学习网络进行训练，检测准确率达91%，基本与人类专家相当。
年春，斯坦福大学也曾使用约13万张皮肤病变的图像来训练可以识别皮肤癌的模型，准确率同样高于人类专家，达69.4%。这些例子给与张教授团队们启发，但他们面临的问题是，视网膜OCT图像不难找，胸部X光片的高质量标注图像却相当匮乏。
因而张康教授团队只得另寻它法，求助于可以举一反三的“迁移学习模型”，后者能将已训练好的模型参数迁移到新模型辅助训练，运用旧有知识学习新知识。
于是，科研人员先用10万张准确标注的视网膜OCT图像在开源机器学习平台TensorFlow上训练出诊断眼疾准确性、灵敏度和特异度分别达到96.6%、97.8%和97.4%的InceptionV3模型，再调整层和过滤器的数量，迁移到肺炎诊断模型，经张胸部X光图像训练，诊断肺炎的准确性实测达92.8%，区分细菌性肺炎和病毒性肺炎的准确性为90.7%。
为方便医生确诊，研究后期他们又为诊断程序加入“遮挡测试”功能，在执行诊断的过程中自动用紫红色块遮挡AI认为病变的部位。
张康教授团队邀请了6位人类专家进行对比测试，结果表明：AI诊断准确性比拼3胜3负，高于人均水平，处于中上等，这也就意味着使用AI代替人类专家诊断已经成为可能，更难能可贵的是，AI诊断唯一依赖的数据源是非侵入式的扫描图像，OCT设备和X医院中相当普遍。
而谷歌、IBM等云计算巨头也有现成的计算资源可供选购，一旦商用，医院无须购置额外昂贵的医疗设备即可立即投产，问诊费用低廉而高效。
然而，该诊断方法目前也面临着两大障碍，其一是可诊断的疾病数量偏少，如果要让AI获得诊断更多疾病的能力，还医院获取高质量标注图像，另外这类方法也没有获得医疗监管机构认证，其诊断结果即便精确，也不具备医师诊断的效力。
作为研究主导，毕业于四川大学生物化学专业，后又获得哈佛大学和麻省理工学院医学和遗传学双博士学位，还拥有长江学者及千人计划特聘专家殊荣的张康十分看好该技术的应用前景，因为他们的训练算法能根据输入的学习图像产生自己的过滤器，而迁移学习的特性又令该模型可以在不同的疾病之间方便地切换，应用前景广阔。
目前，他们正在美国和拉丁美洲的眼科诊所进行小规模临床试用，后续将会进一步搜集训练数据以提高诊断准确性和涵盖的疾病种类，待时机成熟后再大规模推广。
长按我们获取更多有趣内容
欢迎大家转发、留言和点赞，有你们我们才会更强大！
王礼宏赞赏
人赞赏
长按向我转账
受苹果公司新规定影响，iOS版的赞赏功能被关闭，可通过转账支持。
国庆告白中科白癜风换肤计北京中科白殿疯转载请注明：http://www.cdxxls999.com/etfyzl/2197.html
