人工智能根据X光诊断肺部疾病

Skoltech 的研究人员已经训练了一个神经网络来搜索 X 射线图像上的肺部病变，并提出简短的口头描述来伴随它们。此任务目前由医生执行，需要几分钟才能完成。据人工智能解决方案的创建者称，在不需要大量文本修改的情况下，该技术将这一时间缩短至约 30 秒。在大多数情况下，放射科医师只需确认建议的诊断——例如，纤维化、心脏扩大或疑似恶性肿瘤——或是否存在这些诊断。该研究已发表在《科学报告》上。

该解决方案依赖于现代机器视觉和计算机语言学模型，包括 GPT-3 small——通过 ChatGPT 机器人提供的广受欢迎的 GPT-3.5 和 GPT-4 模型的前身。

“常规模型只是分类，但我们的神经网络利用先进的机器视觉和计算机语言学模型自动用文字描述 X 射线图像，”它的创建者之一、Skoltech 研究科学家 Oleg Rogov 评论道。

神经网络在由图像-文本对组成的数据上进行训练。“我们编写了自己的放射学词典，使模型更加准确，特别是在涉及放射学术语及其在文本中的用法的地方。自然地，我们还将一个大型的 X 射线图像集成数据库放在一起用作训练数据，”Rogov 补充说，强调神经网络只“意识到”那些实际上可以在肺部 X 光片上表现出来的诊断。训练集在代表哪些疾病方面是平衡的。

该系统进一步开发的可能性包括将其应用于 MRI 和 CT 扫描，以及结合主动学习。后者指的是模型通过考虑人类评论者所做的编辑来改进他们的预测。该解决方案还可以与另一个神经网络结合使用，后者将以图形方式突出显示标题中提到的感兴趣区域。