雷锋网音讯，医学人工智能范畴又有大旧事。在明天出版的最新一期《细胞》上，华人学者张康教授的研讨荣登杂志封面。他们带来的，是一款能准确诊断多种疾病的人工智能工具。
张康教授
“人工智能（AI）具有宏大的潜力，经过少量数据的剖析和分类对疾病的诊断和管理停止反动性的改动，这些数据关于人类专家来说很难、而且迅速做到这一点。”本研讨的通讯作者张康教授，是加州大学圣地亚哥分校（UCSD）的眼科教授，也是眼科遗传学的首席医师（Chief，Ophthalmic Genetics）。研讨协作单位包括广州医科大学、四川大学、大连北海医院、上海第一人民医院、首都医科大学等。
课题组研讨亮点：
开发了一种运用迁移学习技术的人工智能零碎
无效地将图像分类为黄斑变性和糖尿病性视网膜病变
精确地域分出胸部X光片上的细菌性和病毒性肺炎
关于生物医学成像的使用具有普遍的潜力
据理解，该工具的表现接近于专业的眼科医生，并可以在30秒内确定患者能否应该承受医治，精确度到达95％以上；在区分病毒性肺炎和细菌性肺炎上，精确率也超越90％。
这不只是中国研讨团队初次在顶级生物医学杂志宣布有关医学人工智能的研讨效果；也是世界范围内初次运用如此庞大的标注过的高质量数据停止迁移学习，并获得高度准确的诊断后果，到达匹敌甚至逾越人类医生的精确性；还是全世界初次完成用AI准确引荐医治手腕。
AI零碎30秒内确定能否承受医治
在眼科医治中，视网膜OCT（光学相关断层扫描）成像技术是最常被运用的诊断技术之一，每年的运用总数超越3000万次。视网膜OCT运用光来捕捉视网膜的高分辨率体内光学截面，该截面可以构成活体视网膜组织的三维体积图像。
经过获取视网膜组织的高分辨率图像，医生们可以精准地对年龄相关性黄斑变性（AMD）和糖尿病性黄斑水肿等致盲性眼病作出诊断，并提供医治方案。
张教授团队使用一个多层次的前馈DNN概念，将预训练模型Inception-v3架构植入到开源机器学习平台TensorFlow，输出总共约10万张精确标注的视网膜OCT（Optical Coherence Tomography, 光学相关断层成像术）图像，最初开收回可以精确诊断眼疾的AI零碎。
张康教授团队获取了超越20万张OCT的图像，并运用其中来自近5000名患者的10万张图像，训练一款深度学习算法。在阅历了少量迭代训练后，这款算法的精准度到达了峰值。
具有代表性的光学相关断层扫描图和任务流程图
但是，随着人工智能在医学范畴研讨的不时深化，深度学习的优势渐渐凸显出来。此前，Google和斯坦福大学在皮肤癌等病种上出过一系列效果，但是此类效果需求数十万张高质量标注的图像。但是，思索到一些稀有病的数量，每种疾病都搜集数十万张高质量的标注图像简直是不能够完成的。这个成绩不处理，现阶段AI在医疗范畴的使用就很难片面展开。
雷锋网 (大众号：雷锋网) 理解到，张康教授团队采用了一种称为“迁移学习”的技术，就很好的处理了这个成绩。“迁移学习”（Transfer Learning）就是把已训练好的模型参数迁移到新的模型来协助新模型训练，运用已有的知识来学习新的知识，找到已有知识和新知识之间的类似性。
为了验证这个AI零碎在迁移学习的协助下能使用于视网膜疾病之外的其他疾病，在本研讨中，张教授团队在10万张精确标注的视网膜OCT图像训练出来诊断眼疾的AI零碎根底上，只用了5000张胸部X线图像，然后应用迁移学习，就构建出肺炎的AI疾病图像诊断零碎。
研讨人员接上去添加了遮挡测试，在该测试中，计算机辨认每幅图像中最感兴味的区域以及其结论的根底。“机器学习往往就像一个黑箱，我们不晓得究竟发作了什么，”张康教授说。“经过闭塞测试，计算机可以通知我们它在图像中的地位以便诊断，因而我们可以找出零碎为什么会失掉这个后果。这使得该零碎愈加通明，并添加了我们对诊断后果的信任度。“
这个研讨集中在黄斑变性和糖尿病性黄斑水肿中，这是招致不可逆失明的两种罕见病因。但是，假如提早发现这两种状况，便可以停止医治。机器派生的诊断后果与五位反省相反图像的眼科医生的诊断后果停止了比拟。除了停止医学诊断之外，AI平台还发生了以前研讨中没有做过的引荐和医治建议。
头绪膜重生血管、糖尿病黄斑水肿、玻璃疣、正常的多类比拟
“紧急转介”(CNV和DME检测)的接纳机任务特性曲线(ROC)与人类专家功能停止比拟。ROC曲线上面积为99.9%。缩放区域显示，最准确的模型显示了与6位人类专家的表现。
作者指出，经过复杂的培训，该机器的表现相似于训练有素的眼科医生， 并可以在30秒内确定患者能否应该承受医治，并且精确度到达95％以上。
依据张康教授的说法，这种速度和精确性代表了医疗诊断和医治方面向前迈出的一大步，并指出，在以后的医疗流程中，由于患者常常需求从普通医生转诊到专科医生，消耗了工夫和资源，并且能够延误无效医治。张康教授还指出，一个简化和绝对廉价的基于人工智能的工具将是世界上医疗资源，特别是专科医生稀缺的中央和局部地域的福音。
除了眼疾，AI工具还可以区分肺炎
迷信家们并没有把他们的研讨限制在眼科疾病上。他们还测试了他们的AI工具，搜集了 5232 张胸部的 X 光片，用于 AI 零碎的训练。依据对胸部X射线的机器剖析诊断儿童肺炎，这种病是全球5岁以下儿童死亡的次要缘由。
在经过迭代和测试后，这款诊断儿童肺炎的 AI 工具能到达 92.8% 的精确率、93.2% 的灵敏度、90.1% 的特异性、以及 96.8% 的 AUC 值。这些数据标明，AI 足以区分细菌性和病毒性肺炎，精确率到达90％以上。病毒性肺炎次要经过症状性护理来医治，由于身体自然会摆脱病毒。细菌性肺炎往往是一个更严重的安康要挟，需求立刻用抗生素医治。
在训练和验证数据集中运用“TensorBoard”来描画肺炎诊断的表现
上图中（A-F）是肺炎与正常（A）的穿插熵损失对训练步骤（B）的比拟，以及细菌性肺炎和病毒性肺炎之间的比拟（C）和相关的穿插熵损失（D）。为了清楚地察看趋向，绘制曲线的平滑因子为0.6。用于检测肺炎与正常的ROC曲线上面积为96.8％（E）。 检测细菌性和病毒性肺炎的ROC曲线上面积为94.0％（F）。训练数据集：橙色； 验证数据集：蓝色。
张康教授说，研讨后果标明，AI技术有很多潜在的使用，包括能够区分扫描中检测到的良性和恶性病变。迷信家曾经地下宣布了他们的数据和工具，以便其别人可以进一步改良，改良和开展其潜力。
据雷锋网理解，他们的AI零碎曾经在美国和拉丁美洲眼科诊所停止小规模临床试用，获得经历后在停止大规模推行。此外，在后续的研讨中，他们还会进一步添加精确标注的图片数量，同时添加可诊断的疾病品种，并进一步优化零碎等。
“将来是更多的数据，更多的计算才能和更多运用这个零碎的经历，以便我们可以提供最好的病人护理，同时依然具有本钱效益，”张康教授表示。
。
