近日，网友 coolwulf 在 V2EX 论坛上分享了自己搭建的深度学习模型，向公众提供了一个完全免费的网站和客户端，用以进行乳腺癌的诊断。
人们可以自己上传自己的乳腺癌 X 光片，然后迅速得到诊断结果，目前这个模型的诊断准确率已经到达 90%。
coolwulf 为了搭建这个深度学习模型，先在本地使用 50 个 Nvidia Geforce GTX 1080 Ti 的显卡作为运算的硬件，接着从欧洲和北美的研究组中获取了乳腺癌影像学的相关数据，用以设计和训练模型。
▲这个模型的硬件组成，图片来自：coolwulf
这个模型在 INBreast 数据库上测试后，准确度达到了 90%。coolwulf 认为这个模型已经可以开放应用，并公布了网址：http://neuralrad.com。
▲ 图片来自：coolwulf
公众只需要在网站上传 JPG 格式的乳腺检查 X 光片，这个 AI 就会直接给出相应的诊断结果。
同时 coolwulf 也公布了一个桌面版本，能够读取和浏览 DICOM 格式的医学影像。
▲ 图片来自：coolwulf
coolwulf 还在帖子中写出了搭建这个模型的初衷。去年，他有一个年仅 34 岁的校友，由于乳腺癌没有获得及时的诊断和治疗去世，留下一个年仅四岁的孩子。在惋惜之余，他决定动手去做些事情，提高乳腺癌的早期检测成功率。
撸起袖子就动手去改变世界，而且还能快速落地应用。简直不要太酷。
在 V2EX 这个帖子的评论区下面，有超过 200 个网友表示佩服和赞许。比如：
mringg：支持！我感觉这才是技术的意义。
WytheHuang：上个星期六，母亲乳房有肿块，检测出四类。对这些不是很懂，不停找资料查看，越看越害怕。尤其是 B 超图片完全看不懂……楼主这个是在太赞了，希望能够帮助更多人。
丁香园的首席架构师少楠在评论区表示，他们可以提供脱敏数据，用以训练这个模型。
▲ 一个名为 Deep Fundus 的团队在帖子中留下他们做的预测模型
在评论区，还有提供眼底影像 AI 诊断的团队放出了自己的产品。
对于 coolwulf 的这个模型，爱范儿（微信：ifanr）询问了一位在广州某三甲医院工作的医生朋友 Sukki，她认为人工智能读医疗 X 光片这件事情，还有待进一步的发展：
我之前也围观过 AI 跟医生比赛读 B 超图片，结果 AI 准确率是挺高的，但是还是不如有经验的医生，我觉得可以做为借鉴和参考，但是起码在可见的未来，我更相信医生。
coolwulf 也有提到，这个模型也正在与国内一些医院联系，尝试合作。但在临床医生的眼里，毫无医学知识的人使用这个网站时，依然需要相信医生的诊断，Sukki 说：
普通人使用这个网站，就类似于在百度上求医，我们经常遇到病人跟我们说百度说什么什么，毕竟同一个表现，病史不同，诊断可能完全不同，我们影像是需要结合病史来考虑诊断的，所以单凭一个读片的网站就出结论，很容易造成医患之间相互不信任的。
我们必须承认，像 coolwulf 这样的技术和应用，会让资源不足的人们拥有了更多，也会成为协助医生诊断的工具。但毫无医学知识基础的朋友，还是需要相信医生。
▲人工智能界泰斗之一迈克尔 · 乔丹
加州伯克利大学教授、被称为“人工智能之父”的迈克尔 · 乔丹，曾在今年的文章《人工智能：革命尚未到来》中，分享了他女儿出生前的一个故事。
他的妻子在 14 年前怀孕做产检的时候，基因专家指着 B 超结果告诉他们，检查结果上的一些白点，显示他们女儿患上唐氏综合征的可能性为 1/20。
他对这个「白点」与唐氏综合征患病率之间的关系产生了怀疑。后来他经过研究发现，当时英国医学界使用 B 超中的白点作为预测唐氏综合征的指标。而当时他妻子产检那家医院所使用的 B 超机器，成像质量已经有了更多的长进，B 超上多出来的白点，其实只是白噪音。
基金专家知道结果后，她的反应是：「怪不得在前几年新机器投入使用以后，我们开始发现越来越多的唐氏综合症患儿。」
总而言之，人工智能的技术依然在快速发展，其在医学上的应用就会为医生的诊断提供强有力的工具，在目前看来，使用这些工具最好的方式，依然是人机协同。
#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。
from 爱范儿 https://ift.tt/2sZOcTE
via IFTTT
没有评论:
发表评论