“ ChexNext”在评估胸部X射线方面优于放射线医生

科学家训练了该算法来检测14种不同的病理：对于10种疾病，该算法和放射科医生的性能和放射科医生一样。对于三个，与放射科医生相比表现不佳。一方面，算法超过了专家。“通常，我们会看到可以检测到脑出血或腕部骨折的AI算法，这是一次性单使用病例的非常狭窄的范围，”放射学助理教授MPH MD，MD MD MD说。“但是在这里，我们谈论的是14种不同的病理，同时分析了，这都是通过一种算法。”

伦格伦（Lungren）说，目标最终是要利用这些算法来可靠，迅速扫描广泛的基于图像的体检，以示为疾病的迹象，而无需专业放射科医生的备份。尽管这听起来可能令人不安，但该技术最终可以作为对世界上资源剥夺地区的高质量数字“咨询”，否则这些地区否则就无法获得放射科医生的专业知识。同样，AI在全面发展的医疗保健系统中也起着重要作用。像ChexNext这样的算法有一天可以加快护理，使初级保健医生能够更快地对X射线诊断做出明智的决定，而不必等待放射线医生。

研究生Pranav Rajpurkar说：“我们正在寻求机会，以在各种环境中对算法进行训练和验证，以探索其优势和盲点。”“该算法迄今已评估了100,000多个X射线，但是现在我们想知道，如果我们展示了一百万X射线射线，而不仅仅是一家医院，还来自世界各地的医院，它将做得如何。”

实践使完美

伦格伦（Lungren）与斯坦福大学计算机科学兼职教授安德鲁·NG（Andrew Ng）一起开发了Chexnext，已有一年多的时间。它基于他们先前的技术迭代的工作，在诊断胸部X射线肺炎时，可以超越放射线医生。现在，他们提高了该算法的能力，以标记14个疾病，包括群众，心脏增大和肺部崩溃。对于14个病理中的11种，该算法具有放射科医生或更高的准确性的诊断。

早在2017年夏天，美国国立卫生研究院发布了数十万X射线。从那时起，就开始了一个疯狂的破折号，用于在人工智能上工作的计算机科学家和放射科医生，以提供最佳的胸部X射线诊断算法。科学家使用约112,000 X射线训练该算法。然后，由三个放射科医生组成的小组对14个病理审查了一组不同的420张X射线。他们的结论是“基础真理” - 专家认为是最准确的评估的诊断 - 每次扫描。该集合最终将用于测试算法在X射线检查中学到了疾病的迹象。它还使研究人员团队可以看到算法与放射科医生相比的表现表现如何。

“我们像学生一样对待算法；NIH数据集是我们用来教学生的材料，420张图像就像期末考试。” Lungren说。为了进一步评估与人类专家相比的算法的性能，科学家要求来自多个机构的另外九位放射科医生也接受相同的“期末考试”。

伦格伦说：“这是提升这项研究的另一个因素。”“我们不仅将其与其他算法进行比较；我们将该模型与执业放射学家进行比较。”更重要的是，要阅读所有420张X射线，放射科医生平均花费了大约三个小时，而该算法在大约90秒内扫描并诊断出所有病理。

下一站：诊所

Lungren说，现在，他的团队正在研究随后的ChexNext，这将使研究人员更接近临床内测试。该算法尚未为此做好准备，但是Lungren希望它最终将帮助加快X射线阅读过程，以诊断出诊断紧急护理或咳嗽的急诊患者的医生。“我可以看到这有几种方式。该算法可以对X射线进行分类，将它们分为优先类别，以供医生进行审查，例如正常，异常或新兴。” Lungren说。他说，否则该算法可能会与初级保健医生坐在床边进行按需咨询。Lungren说，在这种情况下，该算法可以介入以确认或对诊断的怀疑。例如，如果患者的体格检查和实验室结果与肺炎一致，并且该算法诊断出患者的X射线肺炎，那么这是一个相当高的信心诊断，医生可以立即为这种疾病提供护理。重要的是，在这种情况下，无需等待放射科医生。但是，如果该算法提出了不同的诊断，那么初级保健医生可以仔细研究X射线或咨询放射科医生进行最终通话。“我们应该构建与人类专家医生的黄金标准一样好或更好的AI算法。 Now, I’m not expecting AI to replace radiologists any time soon, but we are not truly pushing the limits of this technology if we’re just aiming to enhance existing radiologist workflows,” Lungren said. “Instead, we need to be thinking about how far we can push these AI models to improve the lives of patients anywhere in the world.”