《電子技術(shù)應(yīng)用》
您所在的位置:首頁 > 模擬設(shè)計 > 業(yè)界動態(tài) > 新冠肺炎“識別”戰(zhàn),,AI算法落地有多難,?

新冠肺炎“識別”戰(zhàn),AI算法落地有多難,?

2020-02-23
來源:搜狐科技
關(guān)鍵詞: 新冠肺炎 識別 AI算法

1.jpeg

  作者 | 蔣寶尚

  編輯 | 賈偉

  人工智能從來沒有像現(xiàn)在這么重要過,!

  這段時間的疫情猛烈,,AI每一次在醫(yī)療領(lǐng)域的落地都在幫助白衣天使拯救生命。從疫情預(yù)測到檢測體溫再到藥物開發(fā),,人工智能爭分奪秒,,蓄勢待發(fā),。

  更為準(zhǔn)確的說是醫(yī)療AI公司們站了出來,為醫(yī)護(hù)人員鑄造了一面堅強(qiáng)的后盾,。

  1月28日,,依圖醫(yī)療的第一版新冠肺炎產(chǎn)品在上海公衛(wèi)上線,2月5日在武漢的協(xié)和醫(yī)院,、中南醫(yī)院,、武漢大學(xué)人民醫(yī)院以及荊州市第一人民醫(yī)院完成部署。

  1月31日,,推想科技宣布推出針對新冠肺炎篩查產(chǎn)品,。

  2月15日,阿里巴巴宣布:達(dá)摩院聯(lián)合阿里云針對新冠肺炎臨床診斷研發(fā)了一套全新AI診斷技術(shù),,AI可以在20秒內(nèi)準(zhǔn)確地對新冠疑似案例CT影像做出判讀,,分析結(jié)果準(zhǔn)確率達(dá)到96%。

  .... ...

  相對于巡邏機(jī)器人的檢測體溫,,CT影像的自動檢測才能代表AI在醫(yī)療領(lǐng)域的最高水準(zhǔn),,但也更難大規(guī)模應(yīng)用,這里面不僅包含算法難關(guān),,更存在著不斷迭代的需求,。

  但此技術(shù)又不得不加緊落地!因為在2月5日,,國家衛(wèi)健委發(fā)文表示:在湖北省內(nèi),,CT影像結(jié)果要作為新型冠狀病毒感染“臨床診斷病例”的判定依據(jù)。

  那么AI技術(shù)在從算法到應(yīng)用層面有哪些難點(diǎn)呢,?

  具體算法,,遍地開花

2.jpeg

  在2017年春節(jié)期間,斯坦福大學(xué)工程學(xué)院和醫(yī)學(xué)院合作團(tuán)隊在《自然》上發(fā)布了在皮膚癌診斷領(lǐng)域的最新突破,。他們在谷歌用于識別貓和狗算法的基礎(chǔ)上,,經(jīng)過13萬張皮膚病變的圖像訓(xùn)練后,開發(fā)出了可用于識別皮膚癌的AI系統(tǒng),。

  吳恩達(dá)教授也在2017年發(fā)表相關(guān)研究,,其使用CheXNet算法訓(xùn)練的模型可以診斷14種病癥,尤其在肺炎診斷方面,,比放射科專家單獨(dú)診斷的準(zhǔn)確率更高,。

  2018年Google的Gulshan團(tuán)隊采用近13萬張已由54位美國專家標(biāo)注過的視網(wǎng)膜眼底圖像,對深度學(xué)習(xí)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,,檢測準(zhǔn)確率達(dá)到曲線下面積91%,。

  同年, 國家千人計劃“入選者張康教授率領(lǐng)中國研究團(tuán)隊在頂級期刊《細(xì)胞》上發(fā)表了一篇AI在醫(yī)療領(lǐng)域應(yīng)用,即基于深度學(xué)習(xí)開發(fā)出一個能診斷眼病和肺炎兩大類疾病的AI系統(tǒng),,就準(zhǔn)確性來說能夠匹敵頂尖醫(yī)生,。

  值得一提的是,張康教授的那項研究也是世界范圍內(nèi)首次使用龐大的標(biāo)注好的高質(zhì)量數(shù)據(jù)進(jìn)行遷移學(xué)習(xí),。

  遷移學(xué)習(xí)可以解決訓(xùn)練數(shù)據(jù)不足的局限,。

  那么這么多突破性的研究,這么多表現(xiàn)良好的算法模型為什么卻在實(shí)際應(yīng)用效果不佳呢,。

  首先在胸片上發(fā)現(xiàn)肺炎非常困難,,即使對放射科醫(yī)師來說,他們眼中的胸透圖像的肺炎特征也是模糊的,,容易和許多其他的良性異常相混淆,。

  也就是說人工智能系統(tǒng)對肺部CT影像的片狀陰影不夠敏感,而片狀陰影是新型冠狀病毒肺炎的主要病灶,。

  而要想要鑒別新冠肺炎影像與普通病毒性肺炎影像也并不容易,,臨床上影像科的醫(yī)生有自己的判別標(biāo)準(zhǔn),,擁有這個標(biāo)準(zhǔn)的開發(fā)人員會嘗試不同的方法提升自己的模型,,但是一些算法的訓(xùn)練研究員并不具有放射科的背景,另外這個標(biāo)準(zhǔn)也并不是容易量化,。

  對于訓(xùn)練數(shù)據(jù)來說,,數(shù)據(jù)量的多少不是關(guān)鍵,關(guān)鍵的是有代表性的以及疑難的數(shù)據(jù)有多少,,一個基于學(xué)習(xí)而不是規(guī)則的算法本身需要大量的類似數(shù)據(jù)才能學(xué)習(xí)到正確的知識,。在AI在檢測新冠狀肺炎肺炎的時候,由于缺少“疑難雜癥”樣本數(shù)據(jù),,即使識別了99%的病人,,但是可能真正有威脅的是那沒有識別出了1%。

  目前深度學(xué)習(xí)訓(xùn)練過程中所采用的解釋性的方法基本都是可視化方法,,看哪些部位對患病概率的貢獻(xiàn)比較大,,而這個概率只根據(jù)CT影像獲得的。但是醫(yī)生在具體判斷時候,,還要結(jié)合病史,,遺傳,生活習(xí)慣等等做出推斷,。

  再有,,如果疾病發(fā)生新的變異或變化,那么原來的算法模型還能使用么,?

  考慮到實(shí)際情況,,各地的CT設(shè)備并不是非常統(tǒng)一,也就是說對原算法模型的驗證效果很難都達(dá)標(biāo),,甚至可能非常低,。即使在原模型基礎(chǔ)上進(jìn)行微調(diào),,也可能需要某個型號的CT設(shè)備提供的非常多的數(shù)據(jù)。各地的檢測環(huán)境也不是非常統(tǒng)一,,最差的情況可能會需要對每一臺機(jī)器進(jìn)行微調(diào)來保證準(zhǔn)確率,,但這樣特殊的數(shù)據(jù)真的很好采集嗎?

  參考來源:

  https://www.zhihu.com/question/372335557

  https://mp.weixin.qq.com/s/Q0H0s1aL8V06p7o2rlf2MQ


本站內(nèi)容除特別聲明的原創(chuàng)文章之外,,轉(zhuǎn)載內(nèi)容只為傳遞更多信息,,并不代表本網(wǎng)站贊同其觀點(diǎn)。轉(zhuǎn)載的所有的文章,、圖片,、音/視頻文件等資料的版權(quán)歸版權(quán)所有權(quán)人所有。本站采用的非本站原創(chuàng)文章及圖片等內(nèi)容無法一一聯(lián)系確認(rèn)版權(quán)者,。如涉及作品內(nèi)容,、版權(quán)和其它問題,請及時通過電子郵件或電話通知我們,,以便迅速采取適當(dāng)措施,,避免給雙方造成不必要的經(jīng)濟(jì)損失。聯(lián)系電話:010-82306118,;郵箱:[email protected],。