中新網(wǎng)4月12日電 據(jù)香港商報網(wǎng)報道，香港大學工程學院的研究團隊開發(fā)一種新人工智能演算方法，能夠從數(shù)十萬份X射線影像報告中自動獲取監(jiān)督信號來訓練預測模型，大幅減省人力成本達90%，其預測的準確度更超越用全由人手標注的數(shù)據(jù)訓練人工智能醫(yī)學圖像診斷模型。
港大工程學院計算機科學系教授俞益洲指，人工智能推動的醫(yī)學圖像診斷極具潛力，可以減輕醫(yī)學專家的工作量及提高診斷效率和準確性，包括節(jié)省診斷時間及檢測一些不易察覺的異常跡象。
據(jù)了解，該方法利用人工智能直接從文本報告中學習X射線特征表達。它與嚴重依賴人手標注的傳統(tǒng)方法相比可自動從文本報告中的每個詞獲取監(jiān)督信號，用以訓練人工智能神經(jīng)網(wǎng)絡(luò)精確解讀X射線影像。
俞益洲相信醫(yī)生撰寫的X射線影像報告中抽象而復雜的邏輯推理語句，能夠為訓練X射線影像的視覺特征提供足夠信息。
此外，研究團隊利用公開數(shù)據(jù)庫37萬份X射線影像和文本報告作為訓練模型的基礎(chǔ)，涵蓋14種胸肺相關(guān)疾病包括肺不張、心臟肥大、胸腔積液、肺炎和氣胸等醫(yī)療診斷數(shù)據(jù)；團隊僅使用100張X射線影像便建立一個初步令人滿意的X射線影像識別模型，其預測準確度達83%。當使用的影像增加到1000張，模型的預測準確度達88.2%，超越用放射科醫(yī)生標注10000張X射線影像進行訓練的模型(87.6%)。而當訓練影像增加到10000張，模型準確度達到90.1%；預測模型準確度達85%以上已可作實際臨床診斷應用。
論文第一作者周洪宇指研究團隊利用該方法成功地將數(shù)據(jù)標注量降低90%，從而降低開發(fā)成本并同時提高數(shù)據(jù)處理量和速度、預測準確度也有提高，這為實現(xiàn)通用醫(yī)療人工智能邁出重要一步。
