medicaltaiwan
活動+
 

避免病理圖像診斷誤判 人工智慧扮演醫生專業助手

醫療領域比自駕車更適合運用人工智慧輔助,因為醫療不可能落實完全自動化。LPixel

人工智慧(AI)技術逐漸成熟,開始改變民眾的生活習慣。日經Digital Health報導,對醫療人員來說,人工智慧已是不可小覷的存在,要如何善用人工智慧,已成相當重要的課題。人工智慧在圖像診斷領域可望發揮成效,帶來X光、電腦斷層與核磁共振之後的第四次技術革命。

東京大學發起的人工智慧醫療單位LPixel,創辦人島原佑基於2014年設立公司,目前和國立癌症研究中心等醫療機關攜手,研發人工智慧圖像診斷技術系統,用於識別患者是否罹患癌症、腦血管疾病等。搭配放射線圖像一同分析,人工智慧或將改寫圖像病理診斷的既有模式。

日本電腦斷層設備的數量之多達全球第一,活用人工智慧,可望讓日本豐富的醫療資源更加活躍。

相較於美國Enlitic等人工智慧圖像診斷單位,LPixel在布局過程更積極聆聽醫師意見,實現深度的診斷支援。除了單純的胸部X光片外,電腦斷層和核磁共振等3次元類型的圖像也能加以分析。

具體來說,LPixel的人工智慧利用深層學習和能動學習功能,從既有的圖像處理技術等多種手法選出最適當的模式,再加以組合。島原指出,許多人矚目被視為尖端技術的深層學習功能,但其實LPixel並不執著於此,將根據目的選擇最恰當的手法。

例如診斷腦動脈瘤,想要觀測血管狀況時,除了著眼部分外,圖像很容易出現雜訊。要如何在三次元領域除去雜訊協助診斷,是非常重要的課題。在事前讓人工智慧有效學習圖像資訊,有助於提高診斷準確度。

有人說,想讓人工智慧經由深層學習熟悉圖像診斷,至少需要數十萬張圖像資料;但LPixel更重視效率學習,以少量圖像資訊熟悉病狀。為此,LPixel讓人工智慧學習專業醫生精選的圖像資訊,讓人工智慧記錄一流醫師的診斷結果。為了落實此策略,LPixel與國立癌症研究中心等約10座醫療機關合作研究。

LPixel最初只針對腦血管疾病和癌症研發人工智慧技術,但目前人工智慧已能以高準確率判斷病狀。活用深層學習後,準確度等同醫生,甚至高於醫生。既有模式難以察知的小型病變,也能以90%以上的準確率正確檢測。

此診斷支援系統往後將提供給外部單位,作為臨床研究等用途。此外,目前正同步申請作為醫療設備的許可。利用人工智慧協助進行圖像診斷已非只是紙上談兵,正進展到克服法律規範的地步。相關部會要如何審查和規範,有待日後進一步議論。

另一方面,病理診斷的模式或將大幅改變。病理圖像從二次元材料轉為三次元之後,診斷精確度更高。從此來看,往後必須收集三次元的病理標本資料庫,以助於日後人工智慧實行深層學習。

島原認為,人工智慧醫療落實後,全球醫療可望更加普及。雖然有人覺得人工智慧可能搶走醫師工作,但就圖像診斷領域而言,日本尤其欠缺放射線醫師和病理醫師,足可說是醫療現場的隱憂。LPixel推行人工智慧圖像診斷,其實是有備無患的措施。

醫療自動化和自駕車有別,醫療的最終責任歸屬仍在於醫師,因此不可能落實完全自動化。就此而言,其實醫療領域比自駕車更適合人工智慧輔助人類。

  •     按讚加入DIGITIMES智慧醫療粉絲團
更多關鍵字報導: 人工智慧 智慧醫療