深度学习算法AI看肺癌已超过人类医生

深度学习算法AI看肺癌 已超过人类医生 [标签:url] [标签:科室] 摘要：定性的功能包括： 图像分割，定义异常组织的边界，为之后的诊断和治疗铺路；诊断，对 进行评估和分型，比如良性或恶性；分期，将 按照已有分期标准进行分期，比如按TNM分期。 当地时间9月8日，于西班牙巴塞罗那召开的2019WCLC进入第二天，在今天的重点议程PlenarySession当中，第四位出场的哈佛医学院副教授、荷兰MaastrichtUniversity大学教授HugoAerts给我们带来了《AI在肺癌领域的状况：准备好实现了吗？（ARTIFICIALINTELLIGENCEINLUNGCANCER:READYTOIMPLEMENT?）》，展示了目前深度学习算法AI与我们人类医生还存在和已产生的差距…… HugoAerts教授在会上演讲 我们正处于AI超过人类的交接点 Aerts教授一上来就向我们展示了一张人与AI的发展蓝图，这张蓝图显示，AI从曾经的不如人类到超过人类，而我们目前的时代，正处于AI赶上人类的交接点上—— Aerts教授说，AI并不是什么特别新的东西，我们人类痴迷于AI好几十年了。在这张图上，横坐标代表时间，纵坐标代表表现。人类的表现在过去远胜于AI，而到了当下，在一些精细化分工的任务上，AI已经出现了比肩人类甚至超越人类的表现，比如读唇语、驾车、震撼世界的alphaGO在围棋较量中的表现，当然，还有在医疗中——至少我们已知AI分类皮肤癌的水平已经比肩人类专家。 而经过了当今这个交汇点，AI可能会在更多表现上超越人类——按Aerts教授的说法就是，如果人类本来就能做得比AI更好，还要AI帮什么忙呢？因此，这种超越既是必然的也是有用的，Aerts教授认为，AI会在广义上以及更复杂的工作中超越人类，比如写出畅销小说，以及做手术。 不过，人类也能从超越我们的AI身上更快的学习，表现得比过去更好。从图中的表现曲线来看，在AI超越人类之前，人类自身的表现进步是非常缓慢的，而进入 边的蓝 块之后，人类的表现进步速度明显加快，曲线抬升幅度有了明显的提高。 看来，更好的AI也会让人类变得更好。就像Aerts教授在此点评的那样：“一切都会很好……直到它们杀了我们。（It'sgonnabegreat,untiltheykillus.）” AI 读片快赶上人类专家 不管咋样，在能杀了人类之前，现阶段AI当中最强力的佼佼者深度学习算法还是在老老实实学习怎么给人看病。 在 诊疗领域，目前最适合AI的是影像学。Aerts教授介绍，深度学习算法AI可以自己学习，但需要人类示范给它看怎样正确的判断病情。过去老旧的AI相对机械的使用预存的专业知识+统计倾向+图片分析+ 形态等方式来对 进行选择分类，如今的深度学习算法由于本质上是在用算法模拟人类处理信息的方式，能够自学和分析，诊断的流程性质和结果都已全然不同。 过去的AI和现在的深度学习算法原理对比 在以影像学为基础的 临床应用中，目前深度学习算法AI参与的方向主要有三种：检查、定性以及监控。 在检查中，AI的目的是在组织密度改变或出现非正常状况的前提下发现影像学检查中的异常，并且减少假阳性的发生。 定性的功能包括： 图像分割，定义异常组织的边界，为之后的诊断和治疗铺路；诊断，对 进行评估和分型，比如良性或恶性；分期，将 按照已有分期标准进行分期，比如按TNM分期。 在 监控中，AI主要目标为在患者多次的影像学检查的过程中动态的评估其诊断和治 果。 影像学中的AI影响领域 除此之外，深度学习算法在临床放疗工作中也可参与应用。Aerts教授展示了今年发表在JAMAOncology上的一个放疗案例，在这个案例中，深度学习算法AI和人类专家以及现在已经投入到商业使用中的“自动工具”展开了battle，三方“比赛”在CT上准确判断放疗区域，结果如下—— 上图的右图是battle结果，最左边是作为参照标杆的人类专家标出的放疗区域，中间是现在投入商业使用的自动工具，右边是试验目标AI。可以看到，中间的表现一塌糊涂，与人类专家的判断相去甚远（Aerts教授点评：而我们现在有些医院还真的花了一大笔钱安装了这个东西），而 的表现与人类专家基本一致。 更重要的是，人类专家做出这样的判断需要1-2小时，而AI只需要几秒钟。Aerts教授介绍，下一步的工作将是考虑将它在临床上正式使用，并且将应用范围拓展到更多癌症。