港大研新AI演算法 優化醫學圖像診斷

(星島日報報道)人工智能應用於優化醫學圖像診斷，需要依靠大量人手和時間，成本極高。香港大學工程學院的研究團隊，最近開發一種嶄新人工智能演算方法，能夠從數十萬份X射影像報告中，自動獲取監督信號來訓練預測模型，可大幅減省九成人力成本，預測準確度更超越全由人手標註的數據訓練。研究成果已於《自然—機器智能》期刊發表。
預測準確度達九成

港大工程學院研究團隊研發的嶄新人工智能演算方法，名為REFERS（Reviewing Free-text Reports for Supervision），能直接從文本報告中學習X射特徵表達，自動從文本報告中的每個詞獲取監督信號，而不用靠人手標註的傳統方法。

團隊利用公開數據庫三十七萬份X射影像和文本報告，作為訓練模型的基礎，當中包含十四種胸肺相關疾病，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。團隊僅使用一千張X射影像作訓練，預測準確度已達八成八，比用放射科醫生人手標註一萬張X射影像，所訓練的模型準確度更高，已可作實際臨診斷應用；當訓練的影像增至一萬張時，模型的準確度更達九成。

領導研究團隊的計算機科學系教授俞益洲指，由醫生撰寫的X射影像報告中，抽象而複雜的邏輯推理語句，能夠為訓練X射影像的視覺特徵提供足夠的資訊。

博士研究員、論文第一作者周洪宇亦表示，利用REFERS成功地將數據標註量降低九成，從而降低開發成本，同時提高數據處理量、速度和預測準確度，「這為實現通用醫療人工智能邁出重要的一步。」