史丹佛演算法診斷肺炎勝放射科醫師!

2018-06-22T11:09:06+08:002017-12-28|最新文章, 健康新知|

瑪莉(化名)13歲的兒子發高燒和咳嗽,送進了史丹佛急診室,他被懷疑為肺炎,所以照了胸腔X光,結果呈現陰性。因此,醫生給他靜脈注射和退燒藥後,就請他回家。一個星期後的半夜,他因發高燒和對藥物沒反應,再次被送進急診室。這次的胸部X光再次被解讀為陰性,並且進行了各項的疾病篩檢,但依然沒有任何結果,他就被再請回家了。直到兩天後,瑪莉接到放射科的電話,週末的X光檢查結果,已經改判為肺炎…..所幸瑪莉的孩子在被診斷為肺炎後,立即施打抗生素,24小時之後已退燒。

上述的故事,已經錯失了兩次診斷醫療的機會,這個問題也凸顯出肺炎診斷的難度。史丹佛大學的研究人員,開發出了一種機器學習算法(Deep learning),可從X光片中診斷出肺炎,且較放射科醫師更準確,而且一個月內就可以訓練完成診斷的準確度!

胸腔X光照片難辨認

每年有100萬的美國民眾,因疑似肺炎就醫,但胸腔X光照片難以辨認,造成診斷醫療困難
。為解決這個問題,史丹佛大學教Andrew Ng所領導的機器學習(deep learning)小組,對美國國立衛生研究院的數據資料庫進行研究。數據資料庫包含了112,120個胸部X射線相片,還標有14種不同的可能診斷結果及初步的演算法。研究人員同時求四名史丹佛放射科醫師,對420張圖像進行註釋,是否有發生肺炎跡象?

CheXnet演算法,判斷肺炎贏醫生

在一個星期內,研究人員開發了叫做CheXnet的演算法,比研究院原始數據資料庫的算法更準確,而且一直比放射科醫生更準確地診斷出肺炎。雖然放射科醫生之中,有人診斷特別精準,但在考察判斷420張X光片是否為肺炎的精準度,CheXnet診斷肺炎病例的正確性和錯誤率,結果比所有醫生好。

史丹佛大學還創建了胸部X射線的熱圖,用顏色標示最有可能發生肺炎的圖像區域,可以大幅幫助放射科醫生判斷,病人是否罹患肺炎?若CheXnet的演算法,通過更多的臨床研究證實其功效,期待可以普遍運用在各國醫院的診斷上,縮短醫療時間,幫助病人及早恢復健康;並盼望該團隊未來能更進一步研發,提升確診肺癌的演算法,幫助肺癌猖獗的國家,病患能在初期確診,早期發現早期治療,降低健保支出,提升肺癌患者存活率!

黃聖筑/綜合報導 林筠/圖