706
深度丨吳恩達團隊最新論文：用CNN算法識別肺炎影像，準確率超過人類醫生
吳恩達團隊又有新動態！北京時間11月16日，吳恩達連發兩條推文，稱“放射科醫生應該擔心他們會丟掉工作了！最新突破——利用胸部X光片，我們可以用深度學習方法診斷肺炎，在這點上，算法做得比人類醫生好。論文已發布在arXiv上。”
關注大數據文摘微信公眾號，在後台對話框內回複“肺炎”，即可下載這篇論文拜讀啦！
論文中用到了CheXNet算法，它可以診斷14種病症，在肺炎診斷方麵，比放射科專家單獨診斷的準確率更高。
圖：放射科醫生Matthew Lungren（左）與研究生Jeremy Irvin和Pranav Rajpurkar會麵，討論算法檢測結果。 研究人員利用算法開發的工具生成了這些圖像，這些圖像與熱圖類似，並顯示了X光片中可能為肺炎的區域。 （圖片來源：L.A. Cicero）
斯坦福機器學習小組研究生，論文並列第一作者Pranav Rajpurkar說：“通過X光胸片來診斷肺炎等疾病極具挑戰性，不同的放射科醫師得到的結論都可能不一樣。我們的興趣在於開發機器學習算法，從數十萬胸片診斷中學習，並做出準確的診斷。”
這項工作使用了2017年9月26日由美國國立衛生研究院臨床中心首次公布的公開數據集。該數據集包含112,120個正麵胸部X射線圖像，標記有多達14種可能的病理診斷結果。 與它一起發布的還有一個算法，可以成功診斷這14種疾病中的一部分，旨在鼓勵其他人推進這項工作。當斯坦福計算機係的聯合教授吳恩達領導的機器學習小組看到這些資料——他們就知道這是他們的下一個研究方向。
研究人員與放射學助理教授馬修·隆倫（Matthew Lungren）合作，讓四位斯坦福大學的放射科醫師獨立評估了420幅圖像，尋找可能的肺炎跡象。研究人員選擇把重點放在這種疾病上，是因為根據疾病控製和預防中心的數據，每年100萬美國人因肺炎而就醫， 而肺炎特別難以根據X光來診斷。與此同時，機器學習小組團隊開始研究可以自動診斷肺炎的算法。
研究人員在一個星期內就有了一個算法，可以更準確地診斷數據集中標記的10種病變。一個多月後，他們的算法在所有14個識別任務中都達到新高度。此時，CheXNet在診斷肺炎的準確率上也超過了四位斯坦福放射科醫師。
通常，胸部常見但後果嚴重的疾病如肺炎，其治療在很大程度上依賴於醫生如何解讀胸片。但是即使是最好的放射科醫師也很容易誤診，因為要基於胸片鑒別診斷多種疾病實在是太難了。
這項工作背後的動機是通過一個深度學習模型，以協助克服人類的認知和偏倚的內在局限性，並減少錯誤，“該文章的作者之一隆倫解釋說。 “更廣泛地說，我們相信以此為目的的深度學習模型可以改善各種環境下的醫療保健服務。”
經過約一個月的連續迭代，該算法在肺炎診斷中勝過了四名斯坦福放射科醫師。 這意味著CheXNet提供的診斷與放射科醫師的大多數一致，比單個放射科醫師的診斷更準確。該算法也達到了迄今為止NIH胸片數據集所有小組的最高性能。
研究人員還在他們的arXiv論文中詳細介紹了他們開發的一種基於計算機的工具，可以生成看起來像是胸片的熱圖，但是這些圖的顏色並不代表溫度，而是代表算法判定可能為肺炎的區域 。這個工具可以幫助減少肺炎的漏診，並顯著加快放射科醫師的工作流程，通過向他們展示重點可疑部位，從而加快重症患者的診斷。
研究人員希望CheXNet能夠幫助世界上那些不容易接觸到放射科醫生的人們，同時該研究小組正在做其他的工作，包括心律不齊的診斷和電子病曆數據分析。
該小組的研究生，論文的並列第一作者Jeremy Irvin表示：”我們計劃繼續建立和改進能夠自動檢測異常的醫學算法，我們希望建立並公布高質量、匿名的醫學數據集供所有人就類似問題開展工作。機器學習有很大的潛力來改善當前的醫療保健係統，我們希望繼續在這一領域處於創新的領先地位。”
@小石頭-醫療影像創業者：
學術上的創新除了膜拜就隻能膜拜了……應用意義上，一方麵，目前胸片檢查主要用於基層醫院和體檢早篩上，這兩個場景麵臨最大的問題就是診斷醫生水平的參差不齊，或者說高水平醫生的極度稀缺。所以人工智能技術可以在胸片肺部疾病的篩查準確率上達到甚至超過放射科醫生水平，確實給緩解醫生稀缺現狀的燃眉之急提供了可行方向。但另一個方麵也需要注意到，胸片檢查受製成像原理，分辨率有限，高輻射不能忽視，正麵臨被低劑量ct取代的問題。所以不那麼嚴謹的想象，也許還沒有等到人工智能解決胸片應用目前的問題，胸片檢查本身就被大幅淘汰了。談及取代放射科醫生工作的問題，期待未來很多進展的佐證。
@Michelle-基因檢測從業者：
胸片的成本與ct相比還是低很多，市場應該一段時間內還是存在的。斯坦福的文章倒也沒說放射科醫生失業，隻是說提供更好的醫療服務。不過有了這個，很多基層醫院對低層次放射科醫生的需求從數量上來說真的要少很多了，一個放射科技師拍完片子，加上電腦的自動診斷，臨床醫生再看看也就可以了。不過在中國，放射科醫生的診斷本來就僅供參考，他們不像美國的放射科醫生那麼有發言權。
作為一個醫學院畢業的人，經常會遇到有親戚朋友把病曆發給我，讓我幫忙“看看”。其實很多時候挺發怵的，沒有把握的隻好到處找同學老師問。有了這個，我這種人可以失業了。其實在美國，很多人在拿到醫生的診斷後，如果是重大疾病或者不那麼著急治療的病，或者比較疑難的病，都會要再找其它醫生看看，得到一個second opinion。吳大大的這種專家係統也可以滿足這種需要。
本文來自雲棲社區合作夥伴“大數據文摘”，了解相關信息可以關注“大數據文摘
最後更新：2017-11-17 14:34:20