健康

JAAD微课堂(一)丨人工智能否替代皮肤科医生?

字号+ 来源:CSDCMA皮科时讯论坛 2017-09-28 22:06 我要评论

祝福语大全春节祝福语 | 亲人 | 父母 | 同事

1 请输入标题 新媒体排版 新媒体课堂 每天一条原创干货 自从去年AlphaGo在围棋领域战胜了人类选手李世石,人工智能(AI)传遍了大街小巷并持续升温,今年初,《自然》(Nature)杂志

1请输入标题

新媒体排版

新媒体课堂

每天一条原创干货

自从去年AlphaGo在围棋领域战胜了人类选手李世石,人工智能(AI)传遍了大街小巷并持续升温,今年初,《自然》(Nature)杂志报道了斯坦福大学研究团队的最新成果——AI通过分析图片可诊断出数种人类皮肤癌症,各大媒体争相报道,甚至有人说AI将代替皮肤科医生。首期“JAAD线上读书会”选取了该热点话题,针对AI进驻皮科的机遇与挑战展开讨论。

在首次微课堂开课前,JAAD中文版主编郑捷教授发来了对“JAAD线上读书会”的寄语:“‘JAAD线上读书会’的诞生将会使我们的同行更多地了解JAAD这个国际最著名的临床皮肤病杂志最近在说点什么,有什么对我们、对自己有益的启示,从而提升自己的临床能力,扩展自己的学术视野。相信大家都会喜欢它。让我们相聚在‘JAAD线上读书会’的微课堂,开启新的学习旅程!”

JAAD线上读书会(一)

开课时间:9.27日(周三)  20:00-21:00

开讲地点:JAAD线上读书会

讨论主题:人工智能(AI)进驻皮科的机遇与挑战 

 本期嘉宾  

人工智能(AI)进驻皮科的机遇与挑战

主持人:程少为

自AlphaGo打败了围棋世界冠军李世石和柯洁之后,人工智能便成为一个热门话题。作为医务工作者,我们最关心的是人工智能能不能(何时)取代医生。有人调侃,人工智能能够让第一批下岗的专业是影像学、病理学和皮肤科医生。那么,人工智能到底是什么,它对我们的生活以及医学领域有多大的影响呢?

人工智能的发展史

睁开眼,阳光和你都在~

点击查看完整全图

人工智能在医学领域的应用

首先我们看一看上半年在Nature上发表的一篇论文“Dermatologist level classification of skin cancer with deep neural networks”。我给这篇论文起了个名字:《人工智能大战皮肤科医生》 

点击查看完整全图

科学家们让一个“卷积神经网络”(Convolutional Neural Network)分析了将近13万张临床上的皮肤癌图片,这个数字比现在最大的研究高出了2个数量级。在大量的学习资料下,这个神经网络迅速成为了一名皮肤癌的专家。都说实践是检验真理的唯一标准。这个神经网络究竟准不准,也只有靠实践来测试了。与它一同站上擂台的,是21名资深的皮肤科医生。一场医学领域的“人机大战”一触即发。

在第一场挑战中,这个神经网络与医生们一同区分两种不同的皮肤疾病——角质细胞癌与良性脂溢性角化病。这一比较发现,综合灵敏性和特异性来看,这个神经网络的表现比大部分参与研究的皮肤科医生都要好。不服气的人类做了第二项测试,这次他们比较的是恶性黑色素瘤与良性的痣。前者是最具杀伤力的皮肤癌。但在这场比试中,人类也同样败下阵来。

看完这篇文章,许多人可能会感到兴奋,也有一些皮肤科医生会担心,人工智能到底会不会取代皮肤科医生?接下来,请听听技术专家和临床专家的观点。 

深度学习与皮肤智能辅助诊断

讲师:马维民

今年初,《自然》(Nature)杂志以封面文章的形式报道了一个斯坦福大学研究团队将人工智能(AI)和医学诊断相结合的最新成果——AI通过分析图片,可以诊断出数种人类皮肤癌症。这项成果有别于传统的图像识别,科学家训练深度卷积神经网络(convolutional neural networks,CCNs,一种深度学习算法)去识别皮肤损伤。

这项研究使用了皮肤摄像和皮肤镜图片,数量达13万张,进行深度学习,其特异性和敏感性超过了21位医生的判断,并且随着数据量的增加,其效果更好。 

深度学习,在原理上,来自人的视觉系统原理,即信息处理是分级的,高层的特征是低层特征的组合,从低层到高层的特征表达越来越抽象和概念化。换句话说:从原始信号摄入开始(瞳孔摄入像素),接着做初步处理(大脑皮层某些细胞发现边缘和方向),然后抽象(大脑判定眼前物体的形状,比如是椭圆形的),然后进一步抽象(大脑进一步判定该物体是张人脸),最后识别人脸。

深度学习,在技术上,突破于2006年,加拿大多伦多大学教授Geoffrey Hinton对深度学习的提出以及模型训练方法的改进打破了神经网络发展的瓶颈,因为区别于传统神经网络,使用了更多的隐藏层,所以成为“深度”。

深度神经网络算法对于空间性数据,使用卷积神经网络,常用于图像识别;针对时间性数据,使用循环神经网络,常用于语音识别和自然语言处理。

深度学习的基本模式是先得到结果,反向寻找模式,根据训练好的模式,进行预测判断,而训练也就是拟合函数,深度学习神经网络模拟人脑的神经节点,每个节点实际上就是一个函数调节器,无数函数彼此交叉连接起来,通过数学上的矩阵、优化、正则式等各种方法,不断调整每个函数的系数权重,从而能够拟合大部分数据。

《自然》的论文项目使用了监督式学习,监督式学习就是使用大量的标注数据进行训练,而标注需要大量的工作,这是深度学习最大的工作量。

其次,《自然》的论文项目使用迁移学习,在ImageNet上得到一个预训练好的ConvNet网络,删除网络项目的全连接层,然后将ConvNet网络的剩余部分作为新数据集的特征提取层,也就是使用ImageNet提取到的图像特征,为新数据集训练分类器。

《自然》的论文项目首先构建皮肤癌的分类树,涉及2000种疾病,分为非肿瘤,良性和恶性肿瘤,通过深度学习得到概率计算三个分类的可能性。

针对这篇文章,如何落地应用或扩展研究,首先是建立多维影像数据库系统,不断在医疗业务过程中积累数据,并不断根据数据,进行深度学习训练,进行特定疾病的辅助诊断。 

AI进驻皮肤科的挑战和解决路径

嘉宾:崔勇

一、难点与挑战

1、皮肤科作为学科本身存在的挑战。

皮肤病病种达到2000多种,病名和诊断标准本身就存在很多含混和谬误,但是这个问题存在历史局限性,暂时无法跨越。AI目前能识别的,是若干种或一组特定(存在显著差异的)疾病,暂时无法用于所有疾病。

2、如何让AI获取技能是技术瓶颈1。

皮肤病的诊断信息来源包括皮肤表现(肉眼可见的皮损、皮肤影像设备可见的表现、显微镜可见的组织病理)和非皮肤表现(如:各种实验室检查结果),而AI的所长是影像识别、信息整合、综合分析和无限记忆,但是这些“技能”都需要人类对其进行“培训”,而如何“培训”是技术难点。

3、AI识别影像的维度限制是技术瓶颈2。

影像学是黑白二维信息(灰度承载信息),而皮肤科为彩色三维(色彩模式、角度、亮度等承载信息,当然组织病理学为彩色二维),对于AI如何识别并获取完整的三维信息,目前尚无满意解决方案。

4、皮肤影像与皮肤病真实变化之间的关系尚亟需明确,是技术瓶颈3。

二、解决路径

1、理性认识AI的功效,设置AI识别不同级别的场景(初级、中级、高级 )。

2、建立基于中国人群的多维度皮肤影像资源库(CSID),构建高质量的皮肤病影像数据源;开展皮肤影像的相关研究(CSID-ORF),建立不同皮肤影像与皮肤病理之间的连接证据。

3、建立基于皮肤病诊断标准和鉴别诊断的逻辑思维流程,为AI建立和复制可操作的信息处理流程,同时充分利用AI的监督学习和非监督学习,促进AI开发“自我智能”。

4、AI缺乏医学所特有的人文关怀与温度,因此尚不能完全替代面诊,以及面诊过程中的信息沟通与交流。

5、技术的目的:不是替代,而是支持。人与AI携手共进,方能让皮肤影像更精彩,也能进一步促进皮肤科临床水平的提升。

现场医生听众发表观点

*观点1:

目前有关于AI的进步往往导致关于大规模失业的讨论。但是,医生和护士并不需要担心AI抢了他们的工作。Your.MD公司的Berlucchi认为,“医生和护士相比AI和移动医疗助理仍然有多个独特而重要的优势。他们有同情心,他们可以看着你,检查你的身体,听你的呼吸,检查你的耳朵,给你验血,所有这些诊断辅助工具目前都不是初级保健或者自助护理可以提供的。”

另外,临床中的实际情况是千变万化的,这种不确定性正是AI诊断的难点。因此,目前的AI仅仅可以看做是辅助医生的工具,可以提高医生的工作效率,比如放射科,医学影像的识别,但无法替代医生做出最终的诊断决策。不过,一些普通医生可能需要提高警惕了。

人工智能介入医疗之后,医生和护士可以用更广泛的数据来诊断患者。正如在制造业和农业等许多行业发生的自动化一样,我们将看到类似的医疗转型。这将使人类能够有时间执行更高价值的、依赖于情感和判断的任务,而这也正是人类特别擅长的。医学实践将变得更加类似于数据科学,这意味着直接和重复的任务(如采取患者信息,填写报告等)将继续自动化,医生将变得更像数据科学家,需要能够解释这些数据并将其转化为患者病情的改善。

程少为教授点评:这其实是人工智能在医疗领域的另外一个方面的应用,就是除了自动图像识别之外,大数据的智能分析也是人工智能在医疗领域应用的一个重要方面。在过去的十年里,随着电子病历的实施,数字化的实验室幻灯片,高分辨率的放射图像、视频,医疗保健数据量呈指数级增长,整个医疗行业的数据量令人难以置信。绝大多数数据因为处理不及时成为死数据。使用人工智能可能从海量数据中提取出有价值的数据。

*观点2:

事实上,我们对AI在医疗领域方面的应用的理解还是过于局限了。我们过于把焦点集中在AI是否能够代替医生诊断疾病上了。当然这是个吸引眼球的话题,但绝不是AI的全部。AI在医学方面的应用还应该包括:药学(新药的开发、药物的精准治疗),医学教育,远程医疗等方方面面。

本文原创,欢迎个人转发分享,其他任何媒体、网站如需转载或引用,须获得授权且在醒目位置注明出处。

点击“阅读原文”查看JAAD第一期线上读书会,现场专家讲课语音。

1.本站遵循行业规范,任何转载的稿件都会明确标注作者和来源;2.本站的原创文章,请转载时务必注明文章作者和来源,不尊重原创的行为我们将追究责任;3.作者投稿可能会经我们编辑修改或补充。

网友点评
祝福语大全春节祝福语 | 亲人 | 父母 | 同事
你感兴趣的
祝福语大全春节祝福语 | 亲人 | 父母 | 同事