中新網4月12日電 據香港商報網報道，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據訓練人工智能醫(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網絡精確解讀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據庫37萬份X射線影像和文本報告作為訓練模型的基礎，涵蓋14種胸肺相關疾病包括肺不張、心臟肥大、胸腔積液、肺炎和氣胸等醫(yī)療診斷數據；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據標注量降低90%，從而降低開發(fā)成本并同時提高數據處理量和速度、預測準確度也有提高，這為實現通用醫(yī)療人工智能邁出重要一步。
