基于AI的新型深度学习模型可支持医学诊断
根据阿尔伯塔大学计算机科学家小组和U衍生公司MEDO的研究小组的最新研究，一种新的深度学习模型可以学会更快，更准确地从医学扫描中识别疾病。突破性模型是科学学院一组研究人员的成果——包括在 PS752 航班中失踪的研究生 Pouneh Gorji 的贡献。
深度学习是机器学习的一种——人工智能的一个子领域;深度学习技术是计算机算法，可在大量数据中找到模式，生成可用于进行预测的模型。这些模型在从数十万甚至数百万个示例中学习时效果最佳。但是医学诊断领域提出了一个独特的挑战，出于隐私原因，研究人员通常只能访问几百张医学扫描图像。
该研究的主要作者、计算科学系研究生罗伯托·维加 (Roberto Vega) 说：“当深度学习模型在如此少的实例中进行训练时，其性能往往会很差。”
“在我们的研究中，我们解决了如何通过很少的训练实例学习有效的医学任务深度学习模型的问题。主要思想是我们可以利用医学文献中的知识来更好地指导学习过程。”
性能的提高来自于对医学图像的算法进行训练，以及医学专家间接提供的相应“概率”诊断。这种方法允许算法学习扫描中表征每种疾病的模式，使其能够预测新患者扫描中显示的疾病或扫描看起来是否健康。
“我们的方法既提高了模型的分类准确性，又为其预测提供了有意义的置信度，从而估计了扫描中存在疾病的概率，”Vega 说。
“通过这项研究，我们希望为放射科医生提供更好的工具，让他们的工作更轻松、更快捷、更有效。我们也面临着医务人员稀缺的问题，这在发展家更加严重。我们希望我们能够开发模型，让我们的医学专家能够做出更好的决定。”
许多人的工作
该研究包括 Pouneh Gorji 的重大贡献，Pouneh Gorji 是计算机科学系的死后毕业生，也是 PS752 航班悲剧的受害者。2020 年 1 月，Gorji 和 Arash Pourzarabi 回到结婚，他们是 PS752 航班遇难的 176 人中科学学院四名成员中的两人。
对于团队来说，这项研究也是一个机会来纪念 Gorji 的遗产和她对项目的重要贡献。Vega 解释说，当研究人员开始该项目时，该算法专门针对髋关节发育不良。Gorji 致力于开发用于识别脂肪肝的机器学习模型，正是她的加入最终导致了算法的重新设计和性能的突破。
“最初的算法不适用于脂肪肝，所以 Pouneh 和我开始合作解决这个问题。几周后，我们发现了原始方法中的一个重要缺陷，我们能够提出一个解决方案——一个涉及处理模型部分的新数学方法，”Vega 说。
“我们共同完成的工作是我们方法成功的关键，也是这项研究最终发表的原因。没有她的贡献，这份出版物就不会存在。”
这项名为“使用概率标签对基于图像的诊断分类器进行样本有效学习”的研究将在国际人工智能和统计会议 (AISTATS '21) 上发表。它也可以通过 arXiv 获得。
标签： 医学诊断