智东西（公众号：zhidxcom）
编译 | 剑腾
编辑 | 云鹏

智东西5月31日消息，近日艾伯塔大学（University of Alberta）计算科学家团队及该大学的衍生公司MEDO成功研究出一种医学诊断模型。这种深度学习模型可以从医学病例中学习并识别疾病，帮助医生做出更准确的诊断。

人工智能很早就已经运用于医疗之中，如基于乳腺钼靶影像的病变检测、基于皮肤镜照片的皮肤癌分类诊断、基于数字病理切片的乳腺癌淋巴结转移检测……与它们相比，艾伯塔大学所研究的医学诊断模型在可以识别疾病的同时，还能进一步预测疾病。

一、数据稀缺，深度学习之困

深度学习是机器学习的一种，它是人工智能的一个子领域。深度学习技术需要大量数据，计算机算法会在其中发现固定模式。这些固定模式有助于算法模型的形成，算法模型可以用于预测事件的发生。

当这些模型能够从数十万甚至数百万个病例中学习时，它的预测能力最好。但在医疗诊断领域，获取十万数量级的病例是一个巨大的挑战。出于保护患者隐私的考虑，研究人通常只能获取到数百份病例资料。

该研究的主要作者罗伯托·维加（Roberto Vega）表示，深度学习模型在数据量如此少的情况下训练，其准确性往往难以令人满意。

▲医疗诊断模型研究团队

二、代替实际病例，医学文献指导深度学习

病例以及相关数据的有限，令研究团队十分头疼。“为了解决这一问题，团队讨论了如何在实际病例很少的情况下让模型完成深度学习。最终我们的团队达成一致意见，决定利用医学文献中的信息来代替实际病例，让机器得到更好的学习。”维加说。

对医学文献中海量信息的吸收使算法成功学习到多种疾病的特征与模式，这让它可以判断一个人健康与否，是否患有某种疾病。

维加说，“我们的方法提高了该模型的精度，这让我们对它预测疾病的准确性有了更多的信心。”

三、识别脂肪肝，诊断模型能力得到拓展

维加表示，“当研究人员开始这个项目时，该模型完全专注于髋关节发育不良。当时，研究人员Gorji正在开发能够识别脂肪肝的机器学习模型。她加入我们的团队后，我们的深度学习模型得到重新设计并且在准确性上有巨大的突破。”

“模型最初的算法对脂肪肝不起作用，所以我和Gorji开始合作解决这个难题。几周后，我们发现了原始方法中的一个重要缺陷，并通过新的数学方法对此进行了重大改进。”维加说。

四、能缓解医疗人员短缺的工具

这个医学诊断模型会是放射科医生们更好的工具，它将使医生们的工作变得更容易、迅速、有效。

“在很多发展中国家，乃至部分发达国家中，都存在医疗人员短缺的问题。我们希望我们所开发的模型，能提高医生决策效率，缓解医疗人员短缺的困境。”研究人员表示。

结语：医学诊断模型将拓展到更多领域

医学诊断模型通过深度学习医学文献，具备了一定的疾病判断能力。它将帮助医生更准确高效地工作，缓解医疗人员短缺问题。

未来，医疗诊断模型将拓展到更多领域。具备专业知识的医生配合日渐成熟的医学模型，会更好地解决棘手的医学难题。

来源：Tech Xplore