人工智能（AI）能否改善医疗保健？亚利桑那州立大学（Arizona State University）的研究团队开发了一种强大的新型人工智能工具Ark+，旨在帮助医生更好地解读胸部X光片，从而改善医疗保健成果。
亚利桑那州立大学健康解决方案学院（College of Health Solutions）的教授Jianming "Jimmy" Liang表示："Ark+旨在成为现实世界医疗系统中一个开放、可靠且最终有用的工具。"他是最近发表在《自然》（Nature）杂志上的一项研究的主要作者。
在一项概念验证研究中，这种新的人工智能工具展现了卓越的诊断能力，从常见的肺部疾病到罕见甚至新出现的疾病，如新冠肺炎（COVID-19）或禽流感。它的准确性更高，表现优于谷歌和微软等科技巨头目前发布的专有软件。
Liang表示："我们的目标是构建一个不仅在我们的研究中表现出色，还能帮助将技术民主化，使其掌握在尽可能多的人手中。最终，我们希望人工智能能够帮助医生拯救生命。"
让医疗保健物超所值
人们当然希望医疗保健物超所值。
然而，尽管医疗保健现在是美国经济的主要驱动力，但美国在许多指标上的排名仍低于许多国家，包括世界银行数据显示，美国的人均预期寿命排名第49位，低于古巴和卡塔尔等国家。
患者希望过上更健康的生活并获得更好的治疗效果。医生也希望首次诊断就能正确，以提供更好的患者护理。
这时，人工智能走进了候诊室。
一种新的人工智能医疗保健工具
Liang的研究团队希望利用人工智能帮助解读医学中最常见的X光片类型——胸部X光片。
胸部X光片对医生快速诊断影响胸部的各种状况非常有帮助，包括肺部问题（如肺炎、结核病或山谷热）、心脏问题、肋骨骨折，甚至某些肠道疾病。
但有时，即使是经验丰富的医生也难以解读，或者可能漏诊罕见病症或新出现的疾病，就像在新冠肺炎大流行的第一年所见到的那样。
Ark+工具通过减少错误、加快诊断速度，并通过提供高质量的人工智能医疗工具免费和全球开放获取，使胸部X光片的解读变得更加容易，并促进了技术的公平性。
Liang表示："我们相信开放科学。因此，我们使用公共数据和全球数据集，因为我们认为这将更快地发展人工智能模型。"
Ark+超越了以前的人工智能胸部X光工具
人工智能通过在大型数据集上训练计算机软件来工作，就Ark+模型而言，它总共使用了来自几个公开可用X光数据集的70多万张全球图像。
Ark+的关键区别在于增加了医学的人类艺术价值和专业知识。Liang的团队关键地纳入了为每张图像编制的所有详细医生笔记。
Liang表示："你可以从专家那里学到更多知识。"
这些专家医生的笔记在Ark+的学习过程中至关重要，并在每个数据集上进行训练时使其变得越来越准确。
Liang解释说："Ark+在积累和重复利用知识。这就是我们训练它的方式。我们基本上是在思考一种通过完全监督学习，使用多个数据集训练人工智能模型的新方法。因为在那之前，如果你想使用多个数据集来训练一个大型模型，人们通常使用自监督学习，或者你在一个疾病模型、异常与正常X光片上进行训练。"
像谷歌和微软这样的大型公司一直以这种方式开发人工智能医疗保健模型。
Liang表示："这意味着你没有使用专家的标签。因此，这意味着你丢弃了数据集中最有价值的信息，这些专家的标签。我们希望人工智能能够从专家知识中学习，而不仅仅从原始数据中学习。"
因此，在大卫与歌利亚的较量中，Liang的小而勇敢的研究团队，包括研究生DongAo Ma和Jiaxuan Pang，参与了这个项目。
亚利桑那州立大学的新工具可能正是推动医学所需的弹弓，因为它被证明能够超越巨头们开发的私人和专有软件。
试点项目的其他亮点包括：
- X光基础模型：Ark+在来自全球医院和机构的许多不同胸部X光数据集上进行训练。这使其在检测各种肺部问题方面表现更好。
- 开放且可共享：团队已发布代码和预训练模型。这意味着其他研究人员可以改进或调整它以适应本地诊所。
- 快速学习：即使只有少量示例，Ark+也能识别罕见疾病。
- 适应新任务：Ark+还可以进行微调以发现新的或未见过的肺部问题，而无需完全重新训练。
- 弹性且公平：Ark+即使在数据不均衡的情况下也能很好地工作，并能对抗偏见。它也可以以私密和安全的方式使用。
在与专有公司竞争时，最重要的一点是使Ark+软件开源并免费提供给所有人。
Liang表示："如果我们直接竞争，我们不太可能获胜。但是有了开源软件，我们邀请了许多其他实验室进行合作。我认为，有了所有人的参与，我们比一家公司更强大。"
将人工智能交到医生手中
Liang还指出，该软件可以适用于任何类型的医学影像诊断，包括CT、MRI和其他成像工具，从而在未来扩展其影响力。
Liang和他的研究团队希望Ark+将成为未来医学人工智能工具的基础，无论患者居住在哪里，都能提供更好的护理。
Ark+团队希望进一步将该软件商业化，以便世界各地的研究人员都能使用并在此基础上进行开发。通过一切公开共享，他们希望帮助所有国家的医生，甚至那些没有大数据资源的农村地区。
他们的目标是使医学人工智能对每个人来说更安全、更智能、更有帮助。
Liang补充道："通过让这个模型完全开放，我们邀请其他人加入我们，共同使医学人工智能更加公平、准确和可访问。我们相信这将有助于拯救生命。"
这是每个美国人都愿意接受的美国医疗保健的一剂良药。
【全文结束】
