相信拍摄X光片对大多数人都不陌生，这是体检中的一项常规检查。尽管现在已经涌现了多种新的医学影像检查手段，X光检查仍然占据了全部影像检查的40%。英国华威大学的研究人员借助了深度学习，成功地将重点患者的诊断时间缩短了1周。
目前在英国，有33万张X光片无法及时处理，一张X光片从拍摄好到出具诊断结果甚至需要超过一个月的时间。为了帮助医务人员处理堆积如山的X光片，英国华威大学的Giovanni Montana博士和研究团队想到了用人工智能来筛选需要紧急处理的X光片。这项研究发表在近期的《Radiology》上。
图片来源：Pexels
研究人员使用了来自合作医院超过47万张X光片和对应的诊断报告来训练AI系统。这项研究使用的是一种被称之为“自然语言处理（NLP）”的算法来处理诊断报告，它可以从报告中抽取出重要的文字信息。在诊断报告中，影像科医师已经为每张X光片标明了可见的异常指标，AI系统将这些文字信息抽出后，就可以学习影像内容和诊断文字的对应关系。
同时，自然语言处理算法还根据诊断报告内容把所有的X光片分为了四种等级：危险、紧急、不紧急、正常。这样，算法不仅可以判断X光片中的影像细节，还能够结合已有的诊断报告和紧急程度对X光片进行分析，提高判断准确度。
▲X光胸片示意图（图片来源：123RF）
47万样本的学习真不是随便说说的，AI在完成训练后的“考试”中交出了高分答卷。模拟演习中，AI判断了1.5万份全新的X光片影像，准确率非常令人满意。AI报告的阴性预测率高达99%，也就是说，AI基本不会漏掉有问题的胸片，并确保这些有问题的胸片优先被医生查看。
同时，在AI系统的帮助下，紧急状况的胸片病例处理时间从11.2天缩短至2.7天，所需时间仅为原来的1/4。医务人员有望在AI的帮助下得到“减负”，不再受到堆积成山的胸片困扰。对于患者而言，AI也大大加快了诊断速度，并能使其更早获得治疗。
Montana博士表示，下一步会针对适用性对AI进行训练，以使AI在面对更广泛人群时有较好的准确性。
参考资料：
[1] AI system prioritizes x-rays by urgency. Retrieved Jan 23, 2019 from https://venturebeat.com/2019/01/22/ai-system-prioritizes-x-rays-by-urgency/
[2] Artificial intelligence can dramatically cut time needed to process abnormal chest X-rays. Retrieved Jan 23, 2019 from https://www.eurekalert.org/pub_releases/2019-01/uow-aic011519.php
[3] Artificial intelligence shows potential for triaging chest X-rays. Retrieved Jan 23, 2019 from https://www.eurekalert.org/pub_releases/2019-01/rson-ais011519.php
