人工智慧的超越

15

Artificial intelligence

近期一則消息傳來，在人工智慧領域，我國的一台人工智慧識別讀圖系統，在腦腫瘤和腦血管影像判讀比賽中戰勝了國內頂尖的醫療讀圖專家團隊，領先專家約20百分點的成績。

具體的比賽是這樣的，一邊是25位神經影像領域的名醫專家，一邊是近半年學習了數萬份影像的國產人工智慧系統，人工智慧在診斷準確率上超過了這些名醫。

當我們到醫院看病的時候，醫生第一步必須對病情做出診斷。只有做出了準確的診斷，才可以有針對性開展下一步的治療。現代醫學發達，醫生們創造出很多治療手段來對付疾病，以前的不治之症現代都有治療方法，病人的治癒率和緩解率大大提高。而這些都離不開對病情的診斷。

診斷是一切治療的開始，但是診斷是一門需要長期積累的需要大量經驗學問，醫院裡的影像科醫生就是為門診醫生提供診斷依據的幕後支持人員。就拿我們在醫院做的最多的B超檢查來說，B超醫生要對適合檢查的身體部位的各種病變有著豐富的知識，他們的診斷結論決定了門診醫生的最終診斷結果，也對日後的治療產生巨大影響。但是怎麼讀圖是需要長期積累的，對於各種不同的病理表現，除了教科書上的知識，還需要在實踐中不斷學習。

其實將人工智慧引入醫學影像診斷早就在國內外開展了研究和實踐，記得有文章介紹說，韓國有科學家將皮膚疾病的診斷進行人工智慧學習和識別，準確率也是超過了專業讀圖醫學專家。人工智慧具有讀圖快速和永不疲勞的特點，如果與專家識別相結合，可極大提高診斷的效率和準確率。

人工智慧讀圖這麼好，但是實現起來也有困難。首先要有合適的演算法來學習讀圖，可以說演算法是整個系統的核心，沒有好的演算法人工智慧系統也就是個「弱智」的系統。其次人工智慧系統學習的時候需要大量的原始材料，而這些原始材料必須符合系統的規範要求，現實中很多已有保存的圖像有些不適合識別學習，就需要大量的篩選工作。篩選工作開始是人工操作，非常費時，現在也有成熟的處理方案，這樣學習效率就大大提高了。

有了人工智慧輔助診斷系統，很多基層醫院可以引進這個不拿工資的專家了。人工智慧診斷系統對醫生來說可以成為聰明且診斷思路準確的助手，在提升醫生工作效率的同時造福更多患者。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！