近日, Nature Medicine 上的一项研究发布了一个能识别各种急性神经系统疾病(如中风、出血和脑积水)的人工智能平台,可以在1.2 秒内识别CT 扫描中的疾病, 比人类诊断更快。该研究提出将深度学习和计算机视觉技术应用于放射成像的方法框架。
“整个处理和解释时间为1.2 秒, 这样的分类系统可以有效帮助医生发现关键问题, 提高诊断效率。”研究人员说: “我们的愿景是开发医学人工智能, 以解决临床问题并改善患者护理。”
该研究是第一项利用人工智能检测各种急性神经系统事件并展示直接临床应用的研究。研究人员使用37 236 分头部CT扫描图训练深度神经网络, 然后在模拟临床环境中的盲法随机对照试验中测试该平台, 并基于严重性对头部CT 扫描图进行分类。研究人员测试了计算机软件识别和提供通知的速度, 以及放射科医师诊断出疾病的时间, 发现计算机算法预处理图像,运行其推理方法, 以及必要时发出警报的平均时间比医生读取图像的时间短150 倍。
研究团队基于自然语言处理方面的专业知识和大型临床数据集使用“弱监督学习方法”, 研究下一阶段将应用增强的计算机标签方法对CT 扫描图进行分类, 并改用“强监督学习方法”和提高数据效率的新技术。研究人员预计, 随着这些变化重新设计系统的目标将在未来两年内完成。
“快速反应对急性神经系统疾病的治疗至关重要, 因此任何减少诊断时间的工具都可以改善患者的治疗效果。”研究人员说, “深度学习和计算机视觉技术在放射成像中的应用是21 世纪医疗保健的明确要求。”
(编译自: https://www.sciencedaily.com/releases/2018/08/180813113315.htm)
(本刊讯)
|