【AI人工智能】深度學習改善醫學診斷

| 鍾案平 | 04-12-2017 02:49 | |

【e-zone 專訊】醫治隨時是爭分奪秒,但往往很多時診斷時會延誤,原因之一是每種病徵可以代表很多疾病,即使從清晰的醫學掃描影像,亦未必能快速診斷是何種急性或慢性病。機器學習(Machine Learning)可在此幫上大忙 - 雖則相關應用仍不算很成熟。

Google 在東京舉行「Made with AI」傳媒活動,總結了該公司在人工智能(AI)、機器學習與深度學習(Deep Learning)的進展。其中深度學習已廣泛應用在多個領域,特別需建基在影像分析的醫療保健範疇。

【相關報道】Google Assistant 好玩但未支援廣東話

【精選連結】善用機器學習 為企業引入智能

Google Research 產品經理、醫療成像團隊負責人彭浩怡(Lily Peng)解釋, Google 的深度學習技術協助醫療機構診斷疾病,她主要研究範圍是醫療影像檢測,如:視網膜成像、糖尿病和乳腺癌。她在會上特別提到「糖尿上眼」,即糖尿病引起的視網膜病變(Diabetic Retinopathy)。因糖尿病引致的視網膜病變是成人三大致盲原因之一,全球有 4 億 1,500 萬人受此病困擾,一半患者更因為及時檢查致盲-原因是醫生不足(特別是發展中國家)以及難從檢查眼底圖像中立即判斷出來,到確診時是已是太遲。

及時兼準確診斷,是防治視網膜病變的黃金法則。

彭浩怡表示,其團隊在視網膜病變肆虐的印度聘請 54 名眼科醫生,收集閱讀並超過 13 萬張視網膜影像,並進行了 88 萬次診斷,以訓練深度神經網(DNN),提高圖像辨識能力。結果發現機器學習系統的表現(識別準確程度)已稍勝專業眼科醫生。這對醫生不足和專業影像診斷設備的地區尤其重要,因可盡快判別疾病。不過彭浩怡強調,機器學習工具協助醫生工作而非取代他們,醫學界也歡迎機器學習的成果。

事實上,愈多應用例子(圖像),深度學習演算工具便會愈準確,但多少數量才是「足夠」呢?彭浩怡認為以她研究經驗,大概 5,000 張影像應可對疾病作出合理估算,這也是跟數據「規模經濟效益」有關。除了癌症等慢性病診斷,會迅速惡化、死亡率高但又難以立即診斷出來的急症(如:敗血症),機器學習工具亦可幫上忙。

彭浩怡在加州大學三藩市分校及柏克萊分校獲得生物工程學的醫學博士及研究博士學位,是非執業醫生。

彭浩怡透露,Google 正跟印度及醫療機關和美國 FDA(食品藥品監督管理局)溝通,以及尼康(Nikon)等光學儀器商洽談,提高辨識成果,推廣應用範圍,但估計要把機器學習實際廣泛應用在醫療儀器起碼需要多年時間,且還要通過醫療和數據處理等方面的監管機構審查。

Source:ezone.hk

相關文章

Page 1 of 21