中国首款AI骨龄读片机投入使用,数秒内读出骨龄
中国首款AI骨龄读片机投入使用,数秒内读出骨龄。近两周,浙江大学医学院附属儿童医院的放射科悄然装备上了一套人工智能软件。数秒钟内,一张儿童左手的X光片就被自动识别,读出骨龄。机器读取的结果和水平较高的医生相比,最大差距在3个月内。
这是中国第一款在医院落地的人工智能骨龄读片机。9月25日,浙江大学医学院附属儿童医院(以下简称“浙江省儿童医院”)和依图科技宣布结成战略合作伙伴。
借助浙江省儿童医院1万余个健康儿童体检的骨龄片数据,依图科技使用深度学习技术,训练出这套骨龄读片机。
浙江大学医学院附属儿童医院院长、党委副书记舒强将此次合作称为“非常规范和正式的人工智能项目”。
据浙江大学医学院附属儿童医院副院长、该项目院方牵头人傅君芬介绍,浙江省儿童医院和依图科技以科研项目的形式进行合作,经过医院伦理委员会等同意后开展。
傅君芬向澎湃新闻(www.thepaper.cn)介绍,目前,这把人工智能测骨龄的“标尺”已经搭建起来,接下来,这把标尺还将在学校等场景的正常人群中进行验证和校正,并期望于将它推广到全国各个医院。
傅君芬团队和依图医疗总裁倪浩还表示了他们的一个野心:“未来制定中国骨龄判读新标准”。
骨龄测定的“两难全”
2000年,傅君芬博士毕业,开始进入儿科内分泌领域。想要改变骨龄测定方式的想法在那时就播种在她心里。
人有生理年龄和骨龄两个尺度,而骨龄因能体现人体生长发育程度,是儿科看诊时最基础的一项工具,可用于诊断和监测儿童内分泌疾病和生长紊乱疾玻
但测定骨龄一直面临一个窘境:速度和准确性是鱼与熊掌的关系。
在临床诊断的第一线,测定骨龄的方式是GP图谱法,看起来很“古老”。医生一侧拿着手骨X光片,另一侧摊着一本上世纪50年代出版的纸质图像册,进行肉眼比对。这套几十年前取样自美国人的图谱,覆盖了手腕骨发育过程中所有共性的骨性指征。经过培训的医生可以快速地给出骨龄。
但缺点也是无法忽视的:主观性太强,临床准确性差。傅君芬说,哪怕是同一个医生看同一张图,前后两次的差距也可能会有3个月;要是不同医生看同一张图,最多可能会相差2岁。这对临床诊断不利。
并不是没有准确性高的方法,比如TW3是科学研究中比较青睐的方法。在TW3法中,第一步,医生会识别出手的20块骨头,将其一一评级,一共8个等级。第二步,评定的等级会经过复杂的数学公式,化作一个数值,再在曲线表中,找到数值对应的骨龄。
这有多繁复呢?如果仅靠一个医生之力,需要1到2小时才能算出一张骨龄片;如果借助计算机软件,取代医生完成第二步的工作,耗时是15分钟到30分钟每张。
能不能既快速,又准确?恰好,这正是人工智能所擅长的。
“喂”出一把标尺
几个月前,自去年开始从安防和金融向医疗进军的依图科技,出现傅君芬视野中。
将人工智能用于骨龄测定,这是近期业内不少人瞄准的应用场景。影像科医生看好,人工智能公司想介入,医院影像归档和通讯系统的厂商也开始布局相关产品。
谁能取胜,某种意义上由谁获得优质数据决定。“对于医疗人工智能甚至整个人工智能领域,优质的标注数据是核心。”负责依图骨龄项目的林强说:“你得‘喂’数据。数据扔给它没有用,需要大量经过标注的数据,标注的数据是非常难获取的。”
倪浩说,很多人可能没想到的是,这是人工智能骨龄读片机中最大的成本。“喂”给算法的早期标注数据尤为重要,“测得准不准就看贴标签”。
“贴标签是人工智能公司所无法完成的,需要放射科和内分泌科的医生反复地去跟踪,贴标签不能贴错了。”傅君芬说,浙江省儿童医院放射科和内分泌科的医生几乎都投入到标注中,提供了小几千张人工标注的高质量骨龄片。
因为涉及到隐私,共计1万多张健康儿童的骨龄片数据经过了浙江省儿童医院信息科的脱敏处理,名字以编码代替,给到依图科技。
在此基础上,机器自学、迭代,训练出模型,然后反馈,人工进行打分,告诉机器是评“嫩”了,还是评“老”了,机器再自我校正。
最终,这把根据健康人骨龄片数据“喂”出的“标尺”诞生。用秒级的速度,机器完成TW3法中的所有步骤,自动找到X光片中的骨骺,进行评级,然后代入公式,用数值比出骨龄。
应用到实际临床中时,骨龄的最后评判仍会有医生把关。从最快15分钟缩短至数秒钟,傅君芬欣喜于医生可以节约不少时间。“中国缺少20万位儿科医生。”她说。
人工智能时代已经来临,人工智能人才非常稀缺,转行高薪职位,人工智能培训,就选光环大数据!
大数据培训、人工智能培训、Python培训、大数据培训机构、大数据培训班、数据分析培训、大数据可视化培训,就选光环大数据!光环大数据,聘请专业的大数据领域知名讲师,确保教学的整体质量与教学水准。讲师团及时掌握时代潮流技术,将前沿技能融入教学中,确保学生所学知识顺应时代所需。通过深入浅出、通俗易懂的教学方式,指导学生更快的掌握技能知识,成就上万个高薪就业学子。 更多问题咨询,欢迎点击------>>>>在线客服!