最近，吳恩達(dá)的斯坦福團(tuán)隊(duì)發(fā)布了一個(gè)X光診斷算法，基于深度神經(jīng)網(wǎng)絡(luò)。

與曾經(jīng)的肺炎檢測(cè)專門算法不同，這次的CheXNeXt模型，可以診斷14種疾病，包括肺炎、胸腔積液、肺腫塊等等。

在其中10種疾病的診斷上，AI都與人類放射科醫(yī)生的表現(xiàn)相當(dāng)，還有一種超過(guò)了人類。并且，AI的診斷速度是人類的160倍。

團(tuán)隊(duì)說(shuō)，這樣的算法有希望填補(bǔ)醫(yī)療資源的短缺，也可以用來(lái)減少人類醫(yī)生因?yàn)槠诙鴮?dǎo)致的診斷錯(cuò)誤。

AI醫(yī)生如何煉成

最大的數(shù)據(jù)集

算法是用ChestX-ray14數(shù)據(jù)集來(lái)訓(xùn)練的，這是目前最大的X光數(shù)據(jù)庫(kù)，有超過(guò)11萬(wàn)張正面胸片，來(lái)自3萬(wàn)多位患者。

14，就代表這些胸片里，總共包含了14種肺部疾病。

每一張胸片都要標(biāo)注，是根據(jù)醫(yī)生的放射學(xué)報(bào)告，用自動(dòng)提取 (Automatic Extaction) 的方法來(lái)標(biāo)注的。

訓(xùn)練過(guò)程分兩步

算法是由多個(gè)神經(jīng)網(wǎng)絡(luò)集合而成。

第一步，由于是自動(dòng)標(biāo)注，所以要解決標(biāo)簽部分不正確(Partially Incorrect) 的問題。

具體方法是，先讓這些神經(jīng)網(wǎng)絡(luò)，在數(shù)據(jù)集里訓(xùn)練14種疾病的預(yù)測(cè)。然后用它們做出的預(yù)測(cè)，來(lái)重新標(biāo)注數(shù)據(jù)集。

第二步，再拿一個(gè)新的神經(jīng)網(wǎng)絡(luò)集合，在新標(biāo)注的數(shù)據(jù)集上訓(xùn)練。這次訓(xùn)練完成，AI就可以去診斷疾病了。

那么，AI預(yù)測(cè)過(guò)程中的重點(diǎn)在哪里？

圖上有重點(diǎn)

算法不需要任何額外的監(jiān)督，就可以用胸片來(lái)生成熱圖(Heat Map) ，相當(dāng)于劃重點(diǎn)：

顏色越暖的部分，對(duì)疾病診斷越有價(jià)值。

這是依靠類激活圖 (Class Activation Mapping，CAM) 來(lái)完成的。

如此一來(lái)，AI就像人類一樣，知道診斷某種疾病的時(shí)候，哪里才是該重點(diǎn)關(guān)注的部分。

人機(jī)大賽

訓(xùn)練好之后，團(tuán)隊(duì)找了9個(gè)人類放射科醫(yī)生來(lái)比賽。其中：

6位來(lái)自學(xué)術(shù)機(jī)構(gòu)，平均經(jīng)驗(yàn)超過(guò)12年。

3位來(lái)自醫(yī)院，是放射科高級(jí)住院醫(yī)師。

人類和AI要識(shí)別的，是420張正面胸片，也是包含14種疾病：

肺不張，心臟肥大，鞏固，水腫，積液，肺氣腫，纖維化，疝氣，浸潤(rùn)，腫塊，結(jié)節(jié)，胸膜增厚，肺炎，氣胸。

比賽結(jié)果如下：

只有在心臟肥大，肺氣腫和疝氣這三項(xiàng)診斷中，AI明顯不敵人類選手的準(zhǔn)確度。

在肺不張的診斷中，AI的表現(xiàn)明顯優(yōu)于人類。

△正常心臟 (左) vs 肥大心臟 (右)

其他10項(xiàng)，人類與AI不相上下。

總體來(lái)說(shuō)，算法的診斷能力與與放射科醫(yī)生相近。

所以，還是看一下速度吧。

420張圖，AI用時(shí)1.5分鐘，人類用時(shí)240分鐘。

吳恩達(dá)老師常年追求的“AI顛覆醫(yī)療”之說(shuō)，還是在時(shí)間上體現(xiàn)最顯著。

One More Thing

隨研究成果一同發(fā)布的視頻里，有一個(gè)叫XRay4All的手機(jī)應(yīng)用，只要給胸片拍個(gè)照，就可以讓AI幫忙診斷了。

不知那會(huì)是多遠(yuǎn)的未來(lái)，但這次的人機(jī)較量，AI的表現(xiàn)還是能看到希望的。