外媒 | 哈佛、斯坦福开发自我监督AI诊断X光疾病-普瑞纯证

哈佛医学院（HMS）和斯坦福大学的研究人员开发了一种人工智能工具，可以通过自然语言处理（NLP）技术生成的临床报告检测胸部X光片中的疾病，而不是依赖于人类注释来“学习”。虽然使用AI改进医学影像并不是什么新鲜事，但是在这个领域使用AI的许多挑战使其仅限于少数临床应用。其中之一是人类注释的负担。为了“学习”在医学图像中检测疾病或其他异常情况，AI模型必须使用相关的影像数据进行训练。然而，为了知道图像中对于其所分配的任务而言什么是临床上重要的，AI必须使用人类临床医生注释的图像进行训练。模型的开发需要大量的数据和注释，这需要人类的努力。研究人员必须花时间找到愿意注释图像的临床专家，指导他们如何为该研究的目的注释图像，并可能以某种方式对每个注释者进行补偿。这些都是除了实际注释图像之外的障碍，对于注释者来说，注释图像可能是一个繁琐的过程。这些障碍可能会限制或减缓研究人员开发或评估AI影像模型的进展。然而，HMS和斯坦福开发的模型名为CheXzero，已经证明它可以通过依赖于NLP生成的临床报告而不是人类注释来准确检测胸部X光片中的疾病。该模型是自我监督的，意味着它可以自我训练以从另一部分学习输入的一部分。自我监督学习（SSL）算法是一种机器学习（ML）技术，旨在解决对标记数据的过度依赖问题。在许多现实世界的场景中，研究人员很难收集和标记他们需要的高质量数据。SSL提供了一种低成本、可扩展的替代方案。研究负责人Pranav Rajpurkar博士在新闻发布会上表示：“我们正在经历下一代医学AI模型的早期阶段，这些模型能够通过直接从文本中学习来执行灵活的任务。到目前为止，大多数AI模型都依赖于大量数据的手动注释，达到高性能的标准。我们的方法不需要这样的疾病特定注释。”

版权声明 本网站所有注明“来源：普瑞纯证”或“来源：pureFDA”的文字、图片和音视频资料，版权均属于普瑞纯证网站所有。非经授权，任何媒体、网站或个人不得转载，否则将追究法律责任。取得书面授权转载时，须注明“来源：普瑞纯证”。其它来源的文章系转载文章，本网所有转载文章系出于传递更多信息之目的，转载内容不代表本站立场。