AI自动识别新冠肺炎病例CT胸片
从浙江新闻客户端，笔者看到如下新闻：
达摩院联合阿里云针对新冠肺炎临床诊断研发了一套全新的AI诊断技术，可在20秒内对疑似案例的CT影像进行判读，分析结果准确率达到96%。被称为郑州版“小汤山医院”的郑州岐伯山医院将于2月16日起正式收治新冠肺炎确诊患者，目前已引入该算法辅助临床诊断。
目前，除核酸检测外，CT影像临床诊断结果也可作为新冠肺炎病例判断的标准。据介绍，新冠肺炎患者的CT胸片的影像特征表现为单肺或双肺多发、斑片状或节段性磨玻璃密度影等细微变化。一位新冠肺炎病人的CT影像大概在300张左右，这给医生临床诊断带来巨大压力，医生对一个病例的CT影像肉眼分析耗时大约为5至15分钟。
阿里云方面表示，通过NLP自然语言处理回顾性数据、使用CNN卷积神经网络训练CT影像的识别网络，AI可以快速鉴别新冠肺炎影像与普通病毒性肺炎影像的区别，最终识别准确率达96%。同时，AI诊断技术识别一个病例平均只需耗费不到20秒，可辅助医生减轻诊断压力。此外，这套技术还将计算病灶部位的占比比例，量化、预测病症的轻重程度。
在CT影像识别算法之外，达摩院还与阿里云研发了辅助诊断算法，该算法可以根据患者基本信息、症状、实验室检查结果、流行病学史、影像报告等多维信息，进一步帮助辅助医生制定科学的治疗方案。
阿里云方面透露，除率先落地的郑州岐伯山医院，这套算法还将在湖北、广东、安徽等地近100家医院陆续落地。“新冠肺炎属于新病种，至今仍旧没有公开的数据集，但随着临床数据的积累，AI算法将在新冠肺炎诊断中发挥更大的价值。”达摩院算法专家徐敏丰表示。
AI 诊断技术可以作为“医生助手”的身份有效提高诊断医师的诊断效率和准确率，它的意义在于减少误诊率，在解决医师数量不足的同时督促诊断医师通过不断学习提高自身的诊断水平，居安思危方能持续发展。
医护人员使用AI识别新冠肺炎病例CT影像
根据目前所报道的数据分析，目前机器视觉还只能在特征比较明显的图片上进行处理，而且还需要不断训练微调。
首先从数据方面来看5000多个病例在CT影像分析领域确实属于非常大的数据量了，因为每个病例是一个CT影像的volume的体数据，每个volume包含有300张左右的切片，所以从样本量上来看单帧图像可以达到5000*300=150W，这即便是在自然图像分析领域也是绝对的大样本的数据集了。但是，医学影像中现有AI算法的模式是将新样本与数据库中所有样本一一比对，得出一个相对于数据库中样本中的一个总的相似度，当相似度到达一个阀值之后，就可以得出临床中“确诊”的诊断。医生们感兴趣的疑难的病例数据量往往很少，我们的学习算法往往只能搞得定主流趋势，遗漏掉疑难的，但是在临床上这些疑难的往往是关键的。所以对医生们来讲他们更关心的是误诊的4%里面有没有漏网之鱼，所以准确率指标96%并不是说明这个技术已经达到了先进水平，毕竟在样本极度不均衡的医疗领域准确率这个指标“欺诈性”太强。
另外这个算法的任务目的是鉴别新冠肺炎影像与普通病毒性肺炎影像，那么临床上影像科的医生应该是有自己的判别标准，这个标准将会指导开发人员尝试不同的方法提升自己的模型，否则开发人员都不能根据预测结果分析模型可能出现哪些问题，从这一点来看影像科医生的作用是无可替代的
综上人工识别还不能完全取代。
一是人工识别还需要在一些特征非常不明显的场合发挥作用，有经验的读片医生不可取代。机器视觉在特征不明显的场合，目前算法下容易过拟合，误判会比较高，人类读片不完全是图片识别，还会有一些逻辑推理，还会过滤噪声，这些目前算法很难做的完美。
二是人工识别还需要作为机器学习的监督，一些误判或者漏判情况下，需要人工判断后反馈给机器进行学习。
閱讀更多 雲端修行 的文章
