超越人類專家，韓國團隊用深度學習診斷灰指甲

人工智慧在專業醫學領域全面戰勝人類醫生的例子還很少見。不過最近一項深層神經網路演算法在診斷灰指甲方面，成功擊敗了42位皮膚科專家。灰指甲是一種常見的真菌感染，它會讓指甲脫色和脆化，這種疾病每年困擾著大約3500萬美國人。

這項成功很大程度依賴於一個韓國研究團隊的努力，他們收集了大約5萬張指甲趾甲的圖片。大量的訓練數據，是深層神經網路成功識別灰指甲，戰勝人類醫學專家的關鍵所在。

韓國首爾的皮膚科醫生、臨床醫生Seung Seog Han表示，「迄今為止，在很多研究——比如識別糖網、皮膚癌和閱讀胸片等項目中，人工智慧已經接近了人類專家的水平。但這項研究首次表明，人工智慧已經超越了人類專家。」

過去人工智慧和皮膚科醫生之間的較量通常勢均力敵。但在這項研究中，在一個特定場景下的三次實驗里，只有一名皮膚科醫生的表現全部略優於深度神經網路。而且，值得注意的是，對於簡單病例，深層神經網路的優勢更加明顯。

這項研究成果發表在了2018年1月19日的PLOS ONE 雜誌網路版上。參與這項研究的除了Seung Seog Han，還有韓國翰林大學的皮膚病學教授 Gyeong Hun Park，以及韓國蔚山大學的皮膚病學教授 Sung Eun Chang。

作為一名醫生，Han在日常工作中接觸到了各種各樣的皮膚病。同時，他也學習了不少計算機編程語言方面的知識，比如c++和Python。後來，AlphaGo擊敗世界圍棋冠軍李世乭，又激發了Han探索深度學習的興趣。

人類往往難以把握大數據的規律，但深度學習演算法在大數據的模式檢測方面有著獨到的優勢。在這個案例中，韓國的研究人員發現可以用微軟研究院開發的深度學習演算法幫助醫生從數字照片中識別可能的灰指甲感染病例。

但任何深度學習模型都需要基於大量的數據進行訓練。收集灰指甲病例的圖片給研究人員提出了巨大的挑戰，因為這些圖片通常沒有標準和統一的格式。很多圖片是從不同角度拍攝的，裡面既有健康的指甲趾甲，也有受到感染的指甲趾甲。此外，受深度學習演算法的技術限制，所有圖像都要調整到224 x 224像素大小，這樣一來很多圖片就無法識別了。

韓和他的同事們訓練了一種名為Faster R-CNN的目標檢測演算法，對圖像進行識別和裁剪，使圖片中只包含受感染的指甲趾甲，然後再將圖片放大，這樣就得到了一個可以用於訓練深層神經網路的數據集。數據集中的大部分圖片都來自於一個Han 在 2007 年開發的、名為MedicalPhoto的皮膚病臨床照片管理程序。

即便如此，Han還是要手動讀取Faster R-CNN裁剪出來的10萬張照片，並對每張照片進行兩次標記，將不準確或不合適的指甲趾甲照片剔除，以保證訓練數據的準確性。即使Han平均每10秒鐘能處理一張照片，且每天工作數小時，這項工作也需要耗費他大約 550 個小時，合計超過 70 天。

該數據集幫助訓練了用於識別病症的卷積神經網路——微軟的 ResNet-152 和牛津大學的 VGG-19 模型，以執行識別指甲真菌感染可能病例的工作。這種深度學習方法表現優於 42 位皮膚科專家組成的小組——其中包括 16 名教授、18 名臨床醫生和 8 名住院醫師。

研究人員表示，在額外的測試中，深度學習演算法的表現也通常優於5名最好的皮膚科醫生。他們還發現，人工智慧的診斷評估也比一般內科醫生、醫學生、護士和非醫務人員的診斷結果要好。

該研究團隊發布了他們深度學習演算法的早期演示版本，任何人都可以通過網站或下載Android智能手機應用程序進行嘗試。通過在網站和應用程序中收集數據，研究人員希望發現該人工智慧演算法在實際醫療實踐中使用時可能會出現哪些問題。

Han和他的同事們也在嘗試用深度學習診斷皮膚癌等其他皮膚疾病。相關的研究論文發表在了2018年2月8日的《Journal of Investigative Dermatology》網路版上。

這類研究表明，人工智慧依賴於臨床影像來診斷疾病，因此在遠程醫療領域更有用武之地。人類皮膚科醫生在做診斷時還是要結合病人的病史和其他臨床信息，因為對於大多數人來說，僅憑影像就下診斷還是顯得太過草率了。

Han和他的同事們認為，他們的研究對於全科醫生尤其有用，因為病人們經常會向全科醫生反饋自己的指甲和皮膚問題。Han說道：「人工智慧的診斷要比普通臨床診斷更為準確，我認為它對全科醫生確定灰指甲的治療方向有所幫助。」雷鋒網雷鋒網

via spectrum雷鋒網編譯

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！