【人工智能】港大優化人工智能醫學圖像分析技術　料減省人力成本達9成

港大工程研究團隊開發出人工智能新算法，可大幅減省人力成本達9成，其預測的準確度更超越用全由人手標註的數據訓練的人工智能醫學圖像診斷模型。有關研究成果已於《自然-機器智能》期刊發表

醫學圖像能提高各類疾病治療的精確性、可靠性，促進疾病治療的發展，是現代醫療的重要組成部分。人工智能的廣泛使用亦進一步優化圖像分析技術。然而，採用人工智能算法的常規醫學圖像診斷，需依靠大量人手負責標註，為模型訓練提供監督信號，過程耗費大量人力和時間，成本代價極高。

港大工程學院的研究團隊開發出一種嶄新人工智能演算方法REFERS（Reviewing Free-text Reports for Supervision），能夠從數十萬份X射線影像報告中自動獲取監督信號來訓練預測模型，大幅減省人力成本達90%，其預測的準確度更超越用全由人手標註的數據訓練的人工智能醫學圖像診斷模型。

REFERS利用人工智能直接從文本報告中學習X射線特徵表達。與嚴重依賴人手標註的傳統方法相比，REFERS能夠自動從文本報告中的每個詞獲取監督信號，用以訓練人工智能神經網絡精確解讀X射線影像。

研究團隊利用公開數據庫37萬份X射線影像和文本報告作爲訓練模型的基礎，當中包含14種胸肺相關疾病包括肺不張、心臟肥大、胸腔積液、肺炎和氣胸等醫療診斷數據。在訓練預測模型的過程中，團隊僅使用100張X射線影像便已建立了一個初步令人滿意的X射線影像識別模型，其預測準確度達83%。當使用的影像增加到1,000張，模型更展示出驚人的性能，預測準確度達88.2%，超越了用放射科醫生標註的10,000張X射線影像進行訓練的模型（準確度87.6%）。而當用作訓練的影像增加到10,000張，模型的準確度更達到90.1%。而一般來説，預測模型的準確度達85%以上， 已可作實際臨床診斷應用。

領導研究團隊的港大工程學院計算機科學系教授俞益洲表示，由人工智能推動的醫學圖像診斷極具潛力，可以減輕醫學專家的工作量及提高診斷效率和準確性，其中包括節省診斷時間及檢測一些不易察覺的異常跡象。

最新熱門影片：【TOPick診症室】染疫後出現腦霧、濕疹?　中醫拆解治療及調理時間

《香港經濟日報》TOPick新聞「第三屆全港小學生中文作文大賽」立即參加：https://bit.ly/3CrwGul

私家醫院治療新冠病人：https://bit.ly/3icwPZ8

23間醫管局指定門診，預約及關愛專線:https://bit.ly/36kaO80

HKET APP健康台更多都市疾病影片：https://bit.ly/3cNFwr7

hket App已全面升級，TOPick為大家推出一系列親子、健康、娛樂、港聞及休閒生活資訊及Video。立即下載：https://bit.ly/34FTtW9

記者：黃穎津