1月6日，中國(guó)科學(xué)院深圳先進(jìn)技術(shù)研究院醫(yī)學(xué)成像科學(xué)與技術(shù)系統(tǒng)全國(guó)重點(diǎn)實(shí)驗(yàn)室研究員王珊珊團(tuán)隊(duì)聯(lián)合清華大學(xué)助理教授周洪宇、澳門(mén)科技大學(xué)教授張康等合作者在《自然·生物醫(yī)學(xué)工程》發(fā)表最新成果，研究團(tuán)隊(duì)提出了一種名為AFLoc的人工智能模型，該模型不需要醫(yī)生提前標(biāo)注病灶，就能自動(dòng)在醫(yī)學(xué)影像中“找病灶”。
研究團(tuán)隊(duì)介紹，“我們讓AFLoc 模型同時(shí)學(xué)習(xí)兩類(lèi)信息，一類(lèi)是醫(yī)學(xué)影像本身，比如胸片、眼底照片或病理切片，另一類(lèi)是醫(yī)生撰寫(xiě)的臨床報(bào)告。通過(guò)反復(fù)‘對(duì)照學(xué)習(xí)’，AFLoc模型會(huì)逐漸明白，臨床報(bào)告中提到的疾病描述，對(duì)應(yīng)影像中的哪些區(qū)域。久而久之，即使沒(méi)有人工標(biāo)注，它也能在影像中準(zhǔn)確標(biāo)出最可能的病灶位置?！?/p>
據(jù)悉，研究團(tuán)隊(duì)在胸部X光、眼底影像和組織病理圖像三種典型醫(yī)學(xué)影像模態(tài)上對(duì)AFLoc進(jìn)行了系統(tǒng)驗(yàn)證，結(jié)果顯示模型均表現(xiàn)出優(yōu)異性能。
在胸片實(shí)驗(yàn)中，AFLoc在覆蓋肺炎、胸腔積液、氣胸等34種常見(jiàn)胸部疾病、涉及8個(gè)主流公開(kāi)數(shù)據(jù)集的測(cè)試中，在多項(xiàng)病灶定位指標(biāo)上優(yōu)于現(xiàn)有方法，并在多個(gè)病種中達(dá)到了甚至超越人類(lèi)專(zhuān)家的水平。在眼底影像和病理圖像任務(wù)中，AFLoc同樣展現(xiàn)出穩(wěn)定的病灶定位能力，定位精度優(yōu)于當(dāng)前主流模型。
除病灶定位外，AFLoc還展現(xiàn)出強(qiáng)大的疾病診斷能力。在胸部X光、眼底和組織病理圖像的零樣本分類(lèi)任務(wù)中，其整體表現(xiàn)均優(yōu)于現(xiàn)有方法。尤其在眼底視網(wǎng)膜病變?cè)\斷中，AFLoc的零樣本分類(lèi)性能甚至超越了部分依賴(lài)人工標(biāo)注數(shù)據(jù)微調(diào)的模型。
“這一模型有效規(guī)避了傳統(tǒng)深度學(xué)習(xí)方法對(duì)大規(guī)模人工標(biāo)注數(shù)據(jù)的依賴(lài)，顯著提升了醫(yī)學(xué)影像數(shù)據(jù)的利用效率與模型的泛化能力，為臨床影像AI從‘依賴(lài)手工標(biāo)注’邁向‘自監(jiān)督學(xué)習(xí)’提供了可行路徑，也為構(gòu)建更智能、更具通用性的醫(yī)學(xué)人工智能系統(tǒng)提供了新的技術(shù)范式?！蓖跎荷罕硎?。
據(jù)悉，研究團(tuán)隊(duì)未來(lái)還將進(jìn)一步推動(dòng)AFLoc在多中心真實(shí)臨床場(chǎng)景中的驗(yàn)證與應(yīng)用，加速其向臨床輔助診斷系統(tǒng)的轉(zhuǎn)化落地。
編輯：李華山
