香港大学工程学院的研究团队开发一种新人工智能演算方法，能够从数十万份X射线影像报告中自动获取监督信号来训练预测模型，大幅减省人力成本达90%，其预测的准确度更超越用全由人手标注的数据训练人工智能医学图像诊断模型。

港大工程学院计算机科学系教授俞益洲指，人工智能推动的医学图像诊断极具潜力，可以减轻医学专家的工作量及提高诊断效率和准确性，包括节省诊断时间及检测一些不易察觉的异常迹象。

据了解，该方法利用人工智能直接从文本报告中学习X射线特征表达。它与严重依赖人手标注的传统方法相比可自动从文本报告中的每个词获取监督信号，用以训练人工智能神经网络精确解读X射线影像。

俞益洲相信医生撰写的X射线影像报告中抽象而复杂的逻辑推理语句，能够为训练X射线影像的视觉特征提供足够信息。

此外，研究团队利用公开数据库37万份X射线影像和文本报告作为训练模型的基础，涵盖14种胸肺相关疾病包括肺不张、心脏肥大、胸腔积液、肺炎和气胸等医疗诊断数据；团队仅使用100张X射线影像便建立一个初步令人满意的X射线影像识别模型，其预测准确度达83%。当使用的影像增加到1000张，模型的预测准确度达88.2%，超越用放射科医生标注10000张X射线影像进行训练的模型(87.6%)。而当训练影像增加到10000张，模型准确度达到90.1%；预测模型准确度达85%以上已可作实际临床诊断应用。

论文第一作者周洪宇指研究团队利用该方法成功地将数据标注量降低90%，从而降低开发成本并同时提高数据处理量和速度、预测准确度也有提高，这为实现通用医疗人工智能迈出重要一步。

来源：中国新闻网