春節(jié)長假剛過，一則消息就讓人工智能（AI）圈振奮不已。在2月22日最新一期的《細胞》雜志上，廣州市婦女兒童醫(yī)療中心張康團隊的研究榮登雜志封面，他們所帶來的成果是一款能精確診斷眼病和肺炎兩大類疾病的AI系統(tǒng)。
對于以數(shù)據(jù)為基礎(chǔ)食材的AI來說，沒有什么比醫(yī)學(xué)影像數(shù)據(jù)更好“咀嚼”的
在2月23日舉辦的新聞發(fā)布會上，研發(fā)團隊介紹，新一代AI平臺“本領(lǐng)強大”，既能讀X光片和超聲數(shù)據(jù)，又可以閱讀CT（X射線斷層掃描）和MR（磁共振）影像；可在30秒內(nèi)診斷黃斑變性和糖尿病視網(wǎng)膜黃斑水腫這兩種眼科疾病，還可在幾秒內(nèi)對兒童肺炎病原學(xué)類型進行差異性分析和判定，診斷的準確性和靈敏性均達到90％以上。
據(jù)了解，這不僅是中國研究團隊首次在頂級生物醫(yī)學(xué)雜志發(fā)表有關(guān)醫(yī)學(xué)人工智能的研究成果，也是世界范圍內(nèi)首次使用如此龐大的標注好的高質(zhì)量數(shù)據(jù)進行遷移學(xué)習(xí)，并取得高度精確的診斷結(jié)果，實現(xiàn)用AI精確推薦治療手段的突破。
“未來我們將繼續(xù)增加這個系統(tǒng)能夠診斷的視網(wǎng)膜疾病，同時還將加入包括腫瘤等其他系統(tǒng)的疾病?！泵绹又荽髮W(xué)圣地亞哥分校人類基因組醫(yī)學(xué)研究所所長、廣州市婦女兒童醫(yī)療中心基因檢測中心主任張康表示。
舉一反三的遷移學(xué)習(xí)
在眼科治療中，視網(wǎng)膜OCT（光學(xué)相干斷層掃描）成像技術(shù)是最常用的診斷技術(shù)之一，通過獲取視網(wǎng)膜組織的高分辨率圖像，醫(yī)生們能夠精準地對年齡相關(guān)性黃斑變性和糖尿病性黃斑水腫等致盲性眼病作出診斷，并提供治療方案。
基于OCT技術(shù)的普遍性，如果能讓AI技術(shù)來處理這些圖片，無疑將會大大增強診斷的效率和準確度。為此，張康團隊獲取了超過20萬張OCT的圖像，并使用其中來自近5000名患者的10萬張圖像，訓(xùn)練一款深度學(xué)習(xí)算法。在經(jīng)歷了大量迭代訓(xùn)練后，這款算法的準確率達到了目前的最優(yōu)值。
“在學(xué)習(xí)了超過20萬病例的OCT圖像數(shù)據(jù)后，AI平臺診斷黃斑變性、黃斑水腫的準確性達到96．6％，靈敏性達到97．8％，特異性達到97．4％?！睋?jù)張康介紹，新一代AI平臺既能基于OCT數(shù)據(jù)實現(xiàn)常見視網(wǎng)膜疾病的識別和嚴重性定量評估，也能基于胸部X光影像數(shù)據(jù)實現(xiàn)兒童肺炎病原學(xué)類型的差異性分析和快速準確判定。
那么，“學(xué)習(xí)訓(xùn)練”后的AI平臺，診斷水平為什么會得到快速提高？這就是該研究應(yīng)用算法的創(chuàng)新之處——遷移學(xué)習(xí)。
所謂“遷移學(xué)習(xí)”，就是把已訓(xùn)練好的模型參數(shù)遷移到新的模型來幫助新模型訓(xùn)練，也就是運用已有的知識來學(xué)習(xí)新的知識，找到已有知識和新知識之間的相似性。這實際上就相當(dāng)于舉一反三。
“比如你過去沒有見過老虎，但當(dāng)你見了三只老虎之后，再出現(xiàn)第四只你就認識了?！贬t(yī)學(xué)影像人工智能專家、匯醫(yī)慧影CEO柴象飛對《中國科學(xué)報》記者解釋，“當(dāng)我們對一個事物建立了基本認知之后，再去學(xué)習(xí)新的事物就會相對容易，并且只需很少的樣本就可以有一個知識的遷移，這就是遷移學(xué)習(xí)?！?/p>
相較于其他大多數(shù)學(xué)習(xí)模型的“從零開始”，遷移學(xué)習(xí)利用卷積神經(jīng)網(wǎng)絡(luò)（CNN）學(xué)習(xí)基于已有的訓(xùn)練好的源任務(wù)參數(shù)的基礎(chǔ)上學(xué)習(xí)目標任務(wù)輸入數(shù)據(jù)的特點，獲得新的網(wǎng)絡(luò)模型及其參數(shù)。以醫(yī)學(xué)影像學(xué)習(xí)為例，該系統(tǒng)會識別目標系統(tǒng)中圖像的特點，從研究人員導(dǎo)入的源系統(tǒng)的結(jié)構(gòu)和參數(shù)從發(fā)，利用輸入圖像數(shù)據(jù)的相似性訓(xùn)練構(gòu)建新的系統(tǒng)模型和參數(shù)。
華中科技大學(xué)生命科學(xué)與技術(shù)學(xué)院教授薛宇表示，傳統(tǒng)機器學(xué)習(xí)算法訓(xùn)練數(shù)據(jù)集大，特征提取比較困難，這樣造成的結(jié)果是，數(shù)據(jù)集小預(yù)測不準，變大后預(yù)測準確率提高，但數(shù)據(jù)集再大就又不準了。深度學(xué)習(xí)的好處是，數(shù)據(jù)集越大準確性越高，特征提取能力也比傳統(tǒng)機器學(xué)習(xí)算法強得多。
“CNN是深度學(xué)習(xí)算法里的一類方法，處理圖像數(shù)據(jù)比較有優(yōu)勢。這項研究策略是先讓機器學(xué)習(xí)1000類圖片的特征然后建立模型，再針對需要研究的問題進行遷移學(xué)習(xí)，這樣的話，訓(xùn)練集足夠大準確性也高。”薛宇點評道，“理論上訓(xùn)練集不斷增大，準確性可以完全超過任何頂級專家的診斷?！?/p>
首先要克服數(shù)據(jù)困境
對于以數(shù)據(jù)為基礎(chǔ)食材的AI來說，沒有什么比醫(yī)學(xué)影像數(shù)據(jù)更需要“咀嚼”的。在醫(yī)療中，超過80％的數(shù)據(jù)來自于CT、X線、MR、超聲等醫(yī)學(xué)影像，AI可以借助這些海量數(shù)據(jù)生成算法模型，保證模型最大的包容性。
但在柴象飛看來，醫(yī)療領(lǐng)域還有一個顯著特點，就是醫(yī)療數(shù)據(jù)沒有辦法像人臉、指紋、車牌等圖像數(shù)據(jù)一樣有一個豐富的來源。
“實際上，醫(yī)療影像的數(shù)據(jù)是很有限的，尤其單病種，我們每個人平均一年都拍不到一張片子，比如間質(zhì)性肺炎或某一個部位的骨折，全國每年可能只有幾萬個患者，并且還分散在各個地區(qū)及各個醫(yī)院，數(shù)據(jù)獲取十分困難?！辈裣箫w說。
正如影像科醫(yī)師需要閱讀大量的臨床醫(yī)學(xué)圖像一樣，“喂食”病理圖像數(shù)據(jù)也是AI系統(tǒng)最主要的學(xué)習(xí)方式?！拔故场钡牟±韴D像數(shù)據(jù)越充足，AI的分析能力才能越強大。
“能拿到非常好的數(shù)據(jù)，才能知道算法在什么地方存在哪些問題，通過AI反復(fù)計算來達到最好的效果。”張康同樣指出，AI應(yīng)用在醫(yī)療領(lǐng)域，數(shù)據(jù)獲取是一個很大的挑戰(zhàn)?！爸袊t(yī)院有大量病人的數(shù)據(jù)，但是如果沒有經(jīng)過純化、沒有高質(zhì)量標注過，這樣的數(shù)據(jù)直接輸入計算機是不會獲得預(yù)期結(jié)果的?！?/p>
另外，盡管大多數(shù)放射科已經(jīng)完成過數(shù)百萬次的影像檢查，結(jié)構(gòu)化程度也較高，但是大部分都沒有醫(yī)生的標注信息。醫(yī)療影像的專業(yè)性決定了它的特殊性，影像數(shù)據(jù)的標注大部分只能仰賴專業(yè)的、有經(jīng)驗的相關(guān)醫(yī)學(xué)領(lǐng)域從業(yè)人員，很難像語音數(shù)據(jù)、文本數(shù)據(jù)或是自然圖像一樣將標注任務(wù)外包出去。
不僅如此，張康還指出，AI醫(yī)療領(lǐng)域一直是由幾個大的IT公司壟斷，如果形成對數(shù)據(jù)和技術(shù)的封鎖，也會對AI在醫(yī)療行業(yè)的發(fā)展應(yīng)用造成限制。
急需培養(yǎng)醫(yī)工融合人才
目前，影像已然成為AI在醫(yī)療領(lǐng)域落地的主要突破口，然而柴象飛認為，這個口子并不容易突破，AI與醫(yī)療場景的結(jié)合還有很長的路要走，AI開發(fā)人員和工程化人員對醫(yī)療行業(yè)的陌生就是最大的挑戰(zhàn)。
AI醫(yī)學(xué)影像不同于只是單純需要理論型人才或是應(yīng)用型人才的其他領(lǐng)域，它需要的是大量醫(yī)工結(jié)合的復(fù)合型人才。在美國有多年研究經(jīng)歷的柴象飛深刻感受到，國內(nèi)外在該交叉領(lǐng)域的人才培養(yǎng)方面還存在較大差異。
“在美國，工科學(xué)生都有七八年的醫(yī)院工作經(jīng)驗，從事聯(lián)合性開發(fā)，再把成果交給器械廠商做商業(yè)化。但是國內(nèi)有相關(guān)經(jīng)驗的人卻非常少，大量醫(yī)生有興趣和意愿卻往往工科背景不足，還有一部分醫(yī)生很希望做產(chǎn)業(yè)化，但商業(yè)方面經(jīng)驗和能力也相對不足。”柴象飛說。
為了培養(yǎng)更多的復(fù)合型人才，匯醫(yī)慧影啟動了“優(yōu)才計劃”，將國內(nèi)優(yōu)秀的醫(yī)學(xué)及計算機人才輸送到美國斯坦福大學(xué)等全球頂級名校進行學(xué)習(xí)深造，提高我國醫(yī)療領(lǐng)域綜合型人才在全球市場的競爭力。
廣州市婦女兒童醫(yī)療中心主任夏慧敏表示，患者日益增長的優(yōu)質(zhì)醫(yī)療資源需要與專業(yè)醫(yī)療人員培養(yǎng)不足的矛盾，是醫(yī)院面臨的痛點之一。研究更好的技術(shù)手段和平臺，既能在一定程度上解決醫(yī)療服務(wù)能力不足的問題，又能提高健康服務(wù)的公平性和可及性。
對于此番研究團隊開發(fā)的這套AI系統(tǒng)，張康希望，未來能應(yīng)用到包括初級保健、社區(qū)醫(yī)療、家庭醫(yī)生、急診室等領(lǐng)域，形成大范圍的自動化分診系統(tǒng)。（來源：中國科學(xué)報）
（免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關(guān)資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責(zé)任。
任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 ）
