对比学习在AI医疗影像诊断中的人本应用

人工智能助力医疗影像诊断的人本化方法

即使在COVID-19大流行之前，美国的医疗资源也已紧张，医疗专业人员数量难以满足日益增长的需求。在此背景下，技术犹如双刃剑：既能节省时间，也可能产生难以快速分析的复杂数据。

德克萨斯大学奥斯汀分校教授Ying Ding在2020年某机构研究奖的支持下，正利用人工智能帮助医生充分挖掘放射学数据的价值。她最初在新加坡南洋理工大学接受信息科学家的培训，并非直接从事医疗AI设计。“但我的个性就是喜欢尝试新事物，“她表示。

在印第安纳大学担任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。利用元数据和语义技术，她设计了通过某搜索引擎学术和某机构学术图谱衡量科学家影响力及量化科研合作模式的方法。

在印第安纳期间，她共同创立了Data2Discovery初创公司，旨在挖掘复杂数据集以寻求科学突破。作为首席科学官，她运用语义技术寻找和预测药物、疾病和基因之间的关联，探索大数据在药物靶点预测和药物重定位中的应用。

这项兴趣直接引领她进入德克萨斯大学信息学院担任Bill & Lewis Suit教授职位。院长Eric Meyer建议她专注于AI医疗解决方案。

Ding由此从零开始建立了AI健康实验室。她的团队汇聚了从神经科学到机器学习等领域的学者和学生，共同探索AI在医学中的应用。

在建设实验室的同时，她开始在戴尔医学院开展研究，最初聚焦于医学影像领域。“影像数量不断增加，但放射科医生严重短缺，“现任戴尔医学院人口健康系联合聘教的Ding解释道，“因此这是提出解决方案的理想领域。”

随着该领域人员短缺和工作量增加（更不用说疫情带来的患者负荷），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提供帮助。

她首先与戴尔医学院的放射科工作人员交谈并观察他们的工作。“我观察了放射科医生的日常工作方式以及他们如何处理影像，“她说。她发现AI算法在某些领域已有应用：例如在皮肤癌的诊断影像评估中，现有算法非常有效。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干扰诊断，“Ding说。如果没有找到向医生介绍AI的正确方式，医生更倾向于依靠自身经验而非使用AI。Ding明白，真正有用的协作——AI增强人类能力并辅助人类决策——才是那些繁忙医生和放射科医生所需要的。

在与医生和放射科医生的深入访谈中，Ding意识到某些AI程序未被采纳或更全面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解读扫描影像。自2012年左右起，他们开始在放射组学的辅助下进行这项工作，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，一种监督深度学习。与许多其他深度学习算法不同，该算法在经专家验证和注释的实际胸部X光图像上进行训练。

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30万张影像的医生是检测扫描疾病方面的专家，但机器可以捕捉人类可能无法察觉的更微小细节。

“取人类所知的最佳部分，将其整合以开发出更好的深度学习算法，实际能够实现更好的下游任务，如分类，“Ding说。

在一个简单示例（她已就此发表论文）中，Ding将患病者肺部的胸部X光片以及医生对肺炎的诊断同时输入程序。“我们使用放射组学作为正样本，其他影像作为负样本。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。

在了解了放射科专业人士的真正需求后，Ding开始开发i-RadioDiagno，这是一种基于医学影像生成诊断说明的开源工具。

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

“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。

i-RadioDiagno程序基于某云服务的Amazon SageMaker和Apache MXNet构建。Ding早期并经常与德克萨斯大学的某云服务联系人Sylvia Herrera-Alaniz联系，她在连接项目资源方面发挥了关键作用。

某机构研究奖为Ding提供了70,000某云服务计算积分和20,000美元现金资助。她表示，这笔资助使她在整个疫情期间能够开展这个项目，否则无法实现。

Ding深知AI可以成为医疗保健行业的强大工具——这个比以往任何时候都更需要支持的行业，但前提是必须以人为本。“必须以人为中心，“她说，“通过协作实现效率和准确性，提供更好的护理。”