以人为中心的AI医疗影像诊断方法

即使在COVID-19大流行之前，美国的医疗资源也已捉襟见肘，医疗专业人员数量无法满足日益增长的需求。德克萨斯大学奥斯汀分校教授Ying Ding在2020年某研究中心研究奖的支持下，正在利用人工智能帮助医生充分利用放射学数据。

从信息科学到医疗AI的跨界之旅

Ding最初在新加坡南洋理工大学接受信息科学家的培训，这条道路并非直接通向医疗AI设计。“但我的个性就是总想尝试新事物，“她说。作为印第安纳大学教授和研究员的十多年间，她研究了学术合作模式，同时开发了该校的在线数据科学项目。她使用元数据和语义学设计了通过某学术搜索引擎和某学术图谱衡量科学家影响力并量化其科学合作模式的方法。

创建AI健康实验室

在德克萨斯大学信息学院任职后，Ding"从零开始"建立了AI健康实验室。该实验室团队汇集了从神经科学到机器学习等领域的学者和学生，探索AI在医学中的应用。实验室建设期间，她开始在戴尔医学院进行研究，最初主要关注医学影像领域。

“我们的影像数量不断增加，但放射科医生严重短缺，“现在在戴尔医学院人口健康系兼任职务的Ding解释说，“因此这是提出解决方案的好领域。”

让AI为放射科医生服务

随着该领域人员短缺和工作量增加（更不用说疫情期间患者负荷增加），放射科医生和医师都承受着巨大压力。Ding思考机器学习和计算机视觉是否能够提供帮助。

她通过与戴尔医学院放射科工作人员交谈并观察他们的工作开始研究。“我观察了放射科医生如何完成日常工作以及他们如何处理图像，“她说。她发现一些领域已经使用AI算法：例如在皮肤癌诊断图像评估中，现有算法可以非常有效。但对于针对其他疾病的AI程序，工作人员的信任度较低。

“他们不希望AI干扰他们的诊断，“Ding说。如果没有找到向医生介绍AI的正确方法，医生就不太可能使用AI，而是依赖他们所知道的知识。Ding知道，真正有用的协作——AI增强人类能力并辅助人类决策——才是那些忙碌的医生和放射科医生所需要的。

对比学习的创新应用

在与医生和放射科医生的深入访谈中，Ding意识到一些AI程序未被采纳或更广泛接受的原因是它们忽略了现有的人类专业知识。许多专业人士已经从事这项工作20年或更长时间，对AI有效诊断疾病的能力持怀疑态度。

放射科医生花费数年时间学习根据光线、纹理和形状的细微差别来解读扫描结果。自2012年左右以来，他们一直在放射组学的协助下完成这项工作，这是一种使用高级数学分析来解析扫描的算法方法。

在设计程序时，Ding从人类生成的放射组学数据（包括扫描及其相关注释）开始。她的目标是：将专家从扫描中诊断疾病的经验与计算机视觉表征比人眼所能看到的更精细细节（更小的像素级别和阴影）的能力相结合。

为实现这一目标，Ding使用了对比学习，这是一种监督深度学习。与许多其他深度学习算法不同，该算法在经过专家验证和注释的实际胸部X光图像上进行训练。

以人为本的AI设计

这就是以人为本的AI设计的发生方式。Ding表示，在真空中进行机器学习会产生一些有用信息——但也会产生大量无用信息，这在医疗保健领域是不可接受的。看过30万张图像的医生是检测扫描疾病的专家，但机器可以捕捉到人类可能无法察觉的更细小细节。

“你获取人类知识的最佳部分，并将其整合以开发出更好的深度学习算法，实际上可以实现更好的下游任务，如分类，“Ding说。

节省时间的诊断工具

在一个简单的例子中（她已就此发表论文），Ding将患病者肺部的胸部X光片以及医生对肺炎的诊断一起输入程序。“我们使用放射组学作为正样本，其他图像作为负样本。我们尝试将这种先验知识整合到其中以开发监督深度学习，“她说。

在努力了解放射学专业人员真正需要什么之后，Ding开始开发i-RadioDiagno，这是一种基于医学图像生成诊断说明的开源工具。

人机协作的诊断流程

放射科医生或医生仍然阅读给定的扫描结果，但该工具首先完成许多更耗时的基本诊断工作。这使得阅读扫描的人可以在部分工作已完成的情况下介入，加速诊断过程，同时仍然将人置于核心位置。

“过去，太多医学影像程序仅依赖AI。通过i-RadioDiagno，放射科医生和AI协同工作，使用反馈循环来提高准确性，“Ding说。该程序仍处于研究阶段，使用知识图谱、自然语言处理和计算机视觉来推导诊断。

技术支持与研究资助

i-RadioDiagno程序基于某云服务的SageMaker和Apache MXNet构建。Ding早期并经常与某云服务在当地的联系人保持联系，该联系人在为她连接项目资源方面发挥了关键作用。

某云服务研究奖为Ding提供了70,000某云服务计算积分和20,000美元现金。她表示，这笔资助使她在整个疫情期间能够开展这个项目，否则她无法做到这一点。

Ding知道AI可以成为医疗保健行业的强大工具，这个行业比以往任何时候都需要支持——但前提是人必须处于该方法的中心。“必须以人为中心，“她说，“通过协作来实现效率和准确性，以提供更好的护理。”