AI判讀X光影像,放射科職業(yè)壓力將有所緩解

　　史丹佛大學(xué)（Stanford University）計(jì)算機(jī)科學(xué)家團(tuán)隊(duì)開發(fā)的人工智能（AI），在診斷胸部X光片上的肺炎時(shí)比人類放射科醫(yī)生更準(zhǔn)確，不過人工智能并非取代，而是減輕放射科醫(yī)生的工作負(fù)擔(dān)。據(jù)報(bào)導(dǎo)，現(xiàn)在放射科醫(yī)生面臨的問題跟大多數(shù)專業(yè)人員一樣，即數(shù)據(jù)太多。

　　近幾十年來醫(yī)學(xué)圖象數(shù)量急劇增加，以前計(jì)算機(jī)斷層掃描只能拍攝身體的一個(gè)面向，現(xiàn)在可以捕獲所有面向，產(chǎn)生數(shù)百甚至數(shù)千幅高分辨率的圖象。IBM Watson Health估計(jì)，每年在美國進(jìn)行大約8億次的放射科檢查，產(chǎn)生大約600億張圖象，等于每位放射科醫(yī)生每2秒鐘就得拍攝一次，龐大的工作負(fù)荷是為何放射科醫(yī)生盡管薪水高，但仍然短缺的原因。而人工智能可以減輕職業(yè)壓力，對(duì)于缺乏醫(yī)療資源的低度開發(fā)國家而言這項(xiàng)研究也深具意義。機(jī)器學(xué)習(xí)可以篩選人類可能會(huì)錯(cuò)過的數(shù)據(jù)和點(diǎn)狀圖樣，但是至少到目前為止機(jī)器不知道如何處理這些信息。

　　IBM科學(xué)家讓計(jì)算機(jī)讀取上千張已患病的影像來生成一個(gè)模型，分析新的圖象，判斷是否有腫瘤，IBM Watson已經(jīng)能夠以76%的準(zhǔn)確性診斷出皮膚損傷圖象上存在黑素瘤，高于8名皮膚科醫(yī)師的平均71%，IBM希望未來醫(yī)療人員只要將皮膚病變的照片上傳到人工智能應(yīng)用程序，就能知道罹癌的機(jī)率。

　　報(bào)導(dǎo)認(rèn)為，由于人工智能是從人類識(shí)別的模式中學(xué)習(xí)，所以在特定知識(shí)上無法超越人類，這是人工智能的限制，但是在應(yīng)用這些知識(shí)時(shí)，人工智能可以更一致，且不帶偏見。多倫多大學(xué)研究人工智能專家Avi Goldfarb即指出，在現(xiàn)在許多日常人工智能應(yīng)用中，機(jī)器的作用是預(yù)測最相關(guān)選項(xiàng)并對(duì)其進(jìn)行分類，但最后選擇權(quán)仍在人類。