斯坦福大学研发AI医疗软件，诊断肺炎竟比医生技高一筹

近日，斯坦福大学的科学家开发了一种全新的人工智能成像软件，能帮助医生诊断肺炎。这款名为 CheXnet 的软件本质上是卷积神经网络，也就是一种能够根据有限参数集处理图像的神经网络。

在该项目中，斯坦福大学副教授吴恩达（Andrew Ng）带领着他的研究小组，使用了 112120 张胸部 X 射线图片来训练神经网络，在这些图片当中，人工标记出的疾病多达 14 种，其中一种就是肺炎。在训练了一个月后，该软件检测肺炎感染的能力超出了先前的计算机检验方法。斯坦福机器学习小组让他们的软件和四位斯坦福放射科医生进行 PK，并给了医生每人 420 张 X 射线图片。下图的蓝色曲线代表了程序的模拟结果，而橙色“×”则反映了放射科医生的表现。

而且有一点很重要，ChexNet 的用户体验比较简单：医生输入肺部的 X 射线，就能自动获取肺炎感染概率数字和整个组织感染程度的彩色图。根据这些结果，医生就能决定如何进行治疗。

该小组希望这项研究不仅适用于医院，还能有益于整个世界。目前，世界上估计有 2/3 的人无法接触到精确的放射诊断工具。在公告中，研究人员希望，这项技术能够改善医疗保健服务，而在放射科医生不足的地区，这项技术也能够深入到医学成像领域中。

正如《科技纵览》（IEEE Spectrum）的编辑缇克拉·S·佩里（Tekla S. Perry）所写的那样，CheXnet 的准确性能够对全世界的急诊室提供巨大的帮助，“无法及时诊断和治疗细菌性肺炎可能会造成很高的发病率和死亡率”。

在文章中佩里写到，她 18 岁的儿子因为“高热和咳嗽”，两次前往斯坦福医疗中心的急诊室，但医生说 X 射线并未显示出肺炎迹象。等到他的 X 射线进行了再评估之后，才有别的医生意识到他可能得了肺炎，结果确实如此。但也有人被误诊了，在 2010 年 10 月的一篇论文中，研究人员发现 72% 的患者在同一家医院复诊时都被误诊为肺炎。希望，下一次去医院的时候，人工智能能够切切实实地提供帮助。