厲害了吳恩達！AI 識別肺炎診斷準確率超過人類醫生

人類醫生要開始顫抖了嗎？

機器學習領域全球聞名的吳恩達， 近期公佈了一項令人振奮的消息：使用 AI 技術識別胸透照片中肺炎等疾病的準確率已經超越了人類專業醫師。 吳恩達在社交網路中調侃道， 放射科醫生們需要開始擔心他們的工作了嗎？

胸部 X 光檢查一直是診斷肺炎的最佳方式， 而通過 X 光片診斷肺炎則需要依賴放射科醫師來判斷。 而吳恩達團隊發表的論文中， 他們提出的機器學習模型， 可以讓電腦通過胸透照片自動診斷肺炎， 其診斷準確率超過了放射科醫師。

從胸部 X 光檢查照片中檢測肺炎並不是一項簡單任務。

因為肺炎在照片上的表現經常難以識別， 它可能會與其他病症重疊， 也可以與其他很多良性異常類似。 這些原因導致放射科醫師在診斷肺炎時表現差異很大， 但經過測試， CheXNet （此模型名稱）在敏感度與特異性兩個方面均超過了放射科醫師的平均水準。 為了對比 CheXNet 與此前使用 ChestX-ray14 的模型的能力， 研究人員橫向對比了新模型與其他模型在 ChestX-ray14 上對於十四種疾病的診斷準確率， 結果發現新模型的表現在所有方面均超過了前人的結果。

這是一件令人振奮的事情， 我們也期待， 離開了百度的吳恩達， 能在人工智慧領域更多的造福於人類。

參考資料：

論文：CheXNet: Radiologist-Level Pneumonia Detection on Chest X-Rays with Deep Learning

論文連結：https://arxiv.org/abs/1711.05225

摘要：我們開發了一種全新演算法，

能夠從胸透照片裡檢測肺炎， 且水準超越專業放射科醫生。 我們的演算法被稱為 CheXNet， 它是一個 121 層的卷積神經網路。 該網路在目前最大的開放式胸透照片資料集「ChestX-ray14」上進行訓練。 ChestX-ray14 資料集包含 14 種疾病的 10 萬張前視圖 X-ray 圖像。

在實驗中， 4 名專業的放射科學者在測試資料集上進行手動注釋， 並與 CheXNet 的表現進行對比。 我們發現， 在肺炎檢測的敏感性與特異性上， CheXNet 的準確率超越了普通的放射科醫生。 我們把 CheXNet 應用到對 ChestX-ray14 資料集中 14 種疾病的檢測上， 也取得了頂尖的結果。