港大研新AI演算法 优化医学图像诊断

(星岛日报报道)人工智能应用于优化医学图像诊断，需要依靠大量人手和时间，成本极高。香港大学工程学院的研究团队，最近开发一种崭新人工智能演算方法，能够从数十万份X射影像报告中，自动获取监督信号来训练预测模型，可大幅减省九成人力成本，预测准确度更超越全由人手标注的数据训练。研究成果已于《自然—机器智能》期刊发表。
预测准确度达九成

港大工程学院研究团队研发的崭新人工智能演算方法，名为REFERS（Reviewing Free-text Reports for Supervision），能直接从文本报告中学习X射特徵表达，自动从文本报告中的每个词获取监督信号，而不用靠人手标注的传统方法。

团队利用公开数据库三十七万份X射影像和文本报告，作为训练模型的基础，当中包含十四种胸肺相关疾病，包括肺不张、心脏肥大、胸腔积液、肺炎和气胸等医疗诊断数据。团队仅使用一千张X射影像作训练，预测准确度已达八成八，比用放射科医生人手标注一万张X射影像，所训练的模型准确度更高，已可作实际临诊断应用；当训练的影像增至一万张时，模型的准确度更达九成。

领导研究团队的计算机科学系教授俞益洲指，由医生撰写的X射影像报告中，抽象而复杂的逻辑推理语句，能够为训练X射影像的视觉特徵提供足够的资讯。

博士研究员、论文第一作者周洪宇亦表示，利用REFERS成功地将数据标注量降低九成，从而降低开发成本，同时提高数据处理量、速度和预测准确度，「这为实现通用医疗人工智能迈出重要的一步。」