工研院
断链之后
 

避免病理图象诊断误判 人工智能扮演医生专业助手

医疗领域比自驾车更适合运用人工智能辅助,因为医疗不可能落实完全自动化。LPixel

人工智能(AI)技术逐渐成熟,开始改变民众的生活习惯。日经Digital Health报导,对医疗人员来说,人工智能已是不可小觑的存在,要如何善用人工智能,已成相当重要的课题。人工智能在图象诊断领域可望发挥成效,带来X光、计算机断层与核磁共振之后的第四次技术革命。

东京大学发起的人工智能医疗单位LPixel,创办人岛原佑基于2014年设立公司,目前和国立癌症研究中心等医疗机关携手,研发人工智能图象诊断技术系统,用于识别患者是否罹患癌症、脑血管疾病等。搭配放射线图象一同分析,人工智能或将改写图象病理诊断的既有模式。

日本计算机断层设备的数量之多达全球第一,活用人工智能,可望让日本丰富的医疗资源更加活跃。

相较于美国Enlitic等人工智能图象诊断单位,LPixel在布局过程更积极聆听医师意见,实现深度的诊断支持。除了单纯的胸部X光片外,计算机断层和核磁共振等3次元类型的图象也能加以分析。

具体来说,LPixel的人工智能利用深层学习和能动学习功能,从既有的图象处理技术等多种手法选出最适当的模式,再加以组合。岛原指出,许多人瞩目被视为尖端技术的深层学习功能,但其实LPixel并不执著于此,将根据目的选择最恰当的手法。

例如诊断脑动脉瘤,想要观测血管状况时,除了着眼部分外,图象很容易出现杂讯。要如何在三次元领域除去杂讯协助诊断,是非常重要的课题。在事前让人工智能有效学习图象信息,有助于提高诊断准确度。

有人说,想让人工智能经由深层学习熟悉图象诊断,至少需要数十万张图象资料;但LPixel更重视效率学习,以少量图象信息熟悉病状。为此,LPixel让人工智能学习专业医生精选的图象信息,让人工智能记录一流医师的诊断结果。为了落实此策略,LPixel与国立癌症研究中心等约10座医疗机关合作研究。

LPixel最初只针对脑血管疾病和癌症研发人工智能技术,但目前人工智能已能以高准确率判断病状。活用深层学习后,准确度等同医生,甚至高于医生。既有模式难以察知的小型病变,也能以90%以上的准确率正确检测。

此诊断支持系统往后将提供给外部单位,作为临床研究等用途。此外,目前正同步申请作为医疗设备的许可。利用人工智能协助进行图象诊断已非只是纸上谈兵,正进展到克服法律规范的地步。相关部会要如何审查和规范,有待日后进一步议论。

另一方面,病理诊断的模式或将大幅改变。病理图象从二次元材料转为三次元之后,诊断精确度更高。从此来看,往后必须收集三次元的病理标本资料库,以助于日后人工智能实行深层学习。

岛原认为,人工智能医疗落实后,全球医疗可望更加普及。虽然有人觉得人工智能可能抢走医师工作,但就图象诊断领域而言,日本尤其欠缺放射线医师和病理医师,足可说是医疗现场的隐忧。LPixel推行人工智能图象诊断,其实是有备无患的措施。

医疗自动化和自驾车有别,医疗的最终责任归属仍在于医师,因此不可能落实完全自动化。就此而言,其实医疗领域比自驾车更适合人工智能辅助人类。

  •     按赞加入DIGITIMES智能医疗粉丝团
更多关键字报导: 人工智能 智能医疗