AI自動識別新冠肺炎病例CT胸片
從浙江新聞客戶端，筆者看到如下新聞：
達摩院聯合阿里雲針對新冠肺炎臨床診斷研發了一套全新的AI診斷技術，可在20秒內對疑似案例的CT影像進行判讀，分析結果準確率達到96%。被稱為鄭州版“小湯山醫院”的鄭州岐伯山醫院將於2月16日起正式收治新冠肺炎確診患者，目前已引入該算法輔助臨床診斷。
目前，除核酸檢測外，CT影像臨床診斷結果也可作為新冠肺炎病例判斷的標準。據介紹，新冠肺炎患者的CT胸片的影像特徵表現為單肺或雙肺多發、斑片狀或節段性磨玻璃密度影等細微變化。一位新冠肺炎病人的CT影像大概在300張左右，這給醫生臨床診斷帶來巨大壓力，醫生對一個病例的CT影像肉眼分析耗時大約為5至15分鐘。
阿里雲方面表示，通過NLP自然語言處理回顧性數據、使用CNN卷積神經網絡訓練CT影像的識別網絡，AI可以快速鑑別新冠肺炎影像與普通病毒性肺炎影像的區別，最終識別準確率達96%。同時，AI診斷技術識別一個病例平均只需耗費不到20秒，可輔助醫生減輕診斷壓力。此外，這套技術還將計算病灶部位的佔比比例，量化、預測病症的輕重程度。
在CT影像識別算法之外，達摩院還與阿里雲研發了輔助診斷算法，該算法可以根據患者基本信息、症狀、實驗室檢查結果、流行病學史、影像報告等多維信息，進一步幫助輔助醫生制定科學的治療方案。
阿里雲方面透露，除率先落地的鄭州岐伯山醫院，這套算法還將在湖北、廣東、安徽等地近100家醫院陸續落地。“新冠肺炎屬於新病種，至今仍舊沒有公開的數據集，但隨著臨床數據的積累，AI算法將在新冠肺炎診斷中發揮更大的價值。”達摩院算法專家徐敏豐表示。
AI 診斷技術可以作為“醫生助手”的身份有效提高診斷醫師的診斷效率和準確率，它的意義在於減少誤診率，在解決醫師數量不足的同時督促診斷醫師通過不斷學習提高自身的診斷水平，居安思危方能持續發展。
醫護人員使用AI識別新冠肺炎病例CT影像
根據目前所報道的數據分析，目前機器視覺還只能在特徵比較明顯的圖片上進行處理，而且還需要不斷訓練微調。
首先從數據方面來看5000多個病例在CT影像分析領域確實屬於非常大的數據量了，因為每個病例是一個CT影像的volume的體數據，每個volume包含有300張左右的切片，所以從樣本量上來看單幀圖像可以達到5000*300=150W，這即便是在自然圖像分析領域也是絕對的大樣本的數據集了。但是，醫學影像中現有AI算法的模式是將新樣本與數據庫中所有樣本一一比對，得出一個相對於數據庫中樣本中的一個總的相似度，當相似度到達一個閥值之後，就可以得出臨床中“確診”的診斷。醫生們感興趣的疑難的病例數據量往往很少，我們的學習算法往往只能搞得定主流趨勢，遺漏掉疑難的，但是在臨床上這些疑難的往往是關鍵的。所以對醫生們來講他們更關心的是誤診的4%裡面有沒有漏網之魚，所以準確率指標96%並不是說明這個技術已經達到了先進水平，畢竟在樣本極度不均衡的醫療領域準確率這個指標“欺詐性”太強。
另外這個算法的任務目的是鑑別新冠肺炎影像與普通病毒性肺炎影像，那麼臨床上影像科的醫生應該是有自己的判別標準，這個標準將會指導開發人員嘗試不同的方法提升自己的模型，否則開發人員都不能根據預測結果分析模型可能出現哪些問題，從這一點來看影像科醫生的作用是無可替代的
綜上人工識別還不能完全取代。
一是人工識別還需要在一些特徵非常不明顯的場合發揮作用，有經驗的讀片醫生不可取代。機器視覺在特徵不明顯的場合，目前算法下容易過擬合，誤判會比較高，人類讀片不完全是圖片識別，還會有一些邏輯推理，還會過濾噪聲，這些目前算法很難做的完美。
二是人工識別還需要作為機器學習的監督，一些誤判或者漏判情況下，需要人工判斷後反饋給機器進行學習。
閱讀更多 雲端修行 的文章
