医药每日发布
下载贤集网APP入驻自媒体
目前大多数诊断疾病的AI模型都是在人类标注好的图像基础上进行机器学习训练的，为了使模型以合理的性能预测某种病理，必须在训练期间为该病理提供大量专家标记的训练示例。这种获得某些病理的高质量注释的过程既昂贵又耗时，通常会导致临床工作流程的出现大规模低效的问题。 一个名叫CheXzero的新算法模型诞生了！它可以在现有的医学检查报告中自主“学习”，这些报告是研究人员用自然语言（Natural Language Processing，NLP）撰写的。 研究表明，在涉及医学图像解释的任务中，经过适当训练的机器学习模型通常会超过医学专家的表现。然而，如此高水平的性能通常需要使用专家精心注释的相关数据集来训练模型。研究中展示出模型在无明确注释的胸部X射线图像上自我监督模型执行病理学分类任务，其准确性可与放射科医生相媲美。在胸部X光片的外部验证数据集上，自我监督模型在检测三种病理（共八种）方面优于完全监督模型，并且性能推广到未明确注释模型训练的病理，到多种图像解释任务和来自多个机构的数据集。通过AI模型来理解医学图像这一目的，可以大幅度节省时间和资金成本。
