斯坦福大学医学院和Unanimous AI在2018年SIIM医学成像机器智能会议上展示了他们的研究。这项研究让一组经验丰富的放射科医生在胸部x光片中诊断肺炎的存在。这是美国使用最广泛的成像程序之一，每年有超过100万成年人因肺炎住院。但是，尽管如此，准确诊断x射线是高度具有挑战性的显著差异的放射科医师。这既是应用新人工智能技术的最佳任务，也是医学界需要解决的重要问题。
当使用Swarm AI技术进行诊断时，平均错误率比传统的个人诊断降低了33%。这显示了人工智能技术的潜力，它可以在保持人类从业人员直接参与诊断过程的同时，扩大他们的准确性。
广告
广告
人工智能与软件算法
此外，还将蜂群AI技术与不需要人力的软件算法自动诊断技术进行了比较。目前，世界上最好的胸部x射线肺炎自动诊断系统是斯坦福大学的CheXNet系统，该系统使用深度学习衍生算法，显著优于个体医生，在2017年登上了头条。
Swarm AI系统在二进制分类方面比软件CheXNet系统的准确率高出22%。换句话说，人机混合系统能够超越单个人类医生和最先进的深度学习派生算法。斯坦福大学放射学助理教授Matthew Lungren博士表示:“通过胸部x光诊断肺炎等病理是非常困难的，因此它是人工智能技术的理想目标。”“这项研究的结果非常令人兴奋，因为它们指向了医生和人工智能算法可以实时合作的未来，而不是人类从业者被自动算法取代。”
除了提高放射诊断的准确性，Swarm AI技术的潜在好处还包括生成更准确的“地面真相”数据集，用于训练像CheXNet这样的算法系统。因此，将集群技术与深度学习相结合，可能会带来未来的突破。斯坦福大学医学院临床副教授Safwan Halabi博士说:“Ground Truth数据集一直是训练放射学AI系统的一个挑战，因为它们依赖于人类的判断。“这项新技术可能使我们生成更精确的数据集，并提高所有使用机器学习对医疗数据集进行训练的系统的准确性。”
蜂群AI技术将网络化的人类参与者群体连接成实时智能系统，模拟自然界中的蜂群，模仿鸟类、鱼群和蜜蜂的聚集方式，放大它们的集体智能。这项技术建立了一个由人工智能算法调节的网络参与者的“蜂群思维”，将团队的知识、智慧、见解和直觉结合成优化的输出。
“我们已经看到，从财务预测到商业决策，蜂群AI在许多领域增强了智能，但像我们正在与斯坦福大学探索的那种医疗应用可能是最令人兴奋的，”Unanimous AI的首席执行官兼首席科学家Louis Rosenberg博士说。“我们从根本上相信，人类的智慧、知识和经验永远不应该被关键决策完全取代。这项研究有助于证明‘人类在循环中’如何增加真正的价值，即使是在人工智能的世界中。”
来源:一致的人工智能
