向医生那样的人工智能诊断迈进

人工智能是一项重要的创新诊断因为它可以很快学会识别那些医生也会标记为疾病的异常情况。但是这些系统的工作方式通常是不透明的，医生在作出诊断时确实有一个更好的“整体情况”。在一份新的出版物中，来自Radboudumc的研究人员展示了他们如何让人工智能显示它是如何工作的，以及如何让它像医生一样诊断，从而使人工智能系统与临床实践更相关。

医生与人工智能

近年来,人工智能医学上的诊断一直在上升吗成像．医生可以看一个x射线或活组织检查来识别异常，但这也可以越来越多地由人工智能系统通过“深度学习这样的系统学会了自己做出诊断，在某些情况下，它做得和有经验的医生一样好，甚至更好。

与人类医生相比，人工智能的两个主要区别是，首先，人工智能在分析图像时往往不透明，其次，这些系统相当“懒惰”。人工智能会查看特定诊断所需的内容，然后停止。这意味着即使诊断正确，扫描也不能总是识别出所有的异常。医生，尤其是在考虑治疗方案时，会着眼于大局:我看到了什么?在此期间，哪些异常应予以清除或治疗手术？

我更像医生

为了让人工智能系统对临床实践更有吸引力，Radboudumc的a眼研究和诊断图像分析小组的博士候选人克里斯蒂娜González冈萨洛(Cristina González Gonzalo)开发了一项诊断人工智能的双边创新。她是在眼睛扫描的基础上做的，在扫描中视网膜发生了异常——特别是糖尿病视网膜病变和年龄相关性黄斑变性。这些异常很容易被医生和人工智能识别出来。但它们也是经常在群体中发生的异常现象。典型的人工智能会诊断一个或几个点，然后停止分析。然而，在González Gonzalo开发的过程中，人工智能一遍又一遍地浏览图片，学会忽略它已经经过的地方，从而发现新的地方。此外，人工智能还会显示眼睛扫描的哪些区域被认为可疑，从而使诊断过程透明。

一个迭代的过程

一个基本的人工智能可以根据眼睛扫描的评估得出诊断，由于González Gonzalo的第一个贡献，它可以显示它是如何得出诊断的。这个可视化的解释表明，系统确实在获得了足够的信息进行诊断后延迟停止了分析。这就是为什么她还以一种创新的方式迭代这个过程，迫使人工智能更努力地观察，并创造出放射科医生所拥有的更多“完整的画面”。

系统是如何学会用“新鲜的眼睛”来观察相同的眼睛扫描的?该系统忽略了熟悉的部分，利用异常周围的健康组织数字化地填充了已经发现的异常。然后将所有评估轮的结果加在一起，产生最终诊断。在研究中，该方法提高了检测的灵敏度糖尿病性视网膜病变年龄相关性黄斑变性每张图下降11.2±2.0%。这个项目证明，让一个人工智能系统像医生一样评估图像是有可能的，同时让它的工作方式变得透明。这可能有助于这些系统变得更容易信任，从而被放射科医生采用。