直言不讳:深度学习加快儿童成长问题的诊断速度

询问医生,他们会告诉你:儿童身上有实足年龄和骨骼年龄。两者不相符时表明存在问题。过早或过晚成熟的骨骼都不利于儿童的成长。

放射科医生将儿童手掌的 X 光片与该年龄的标准情况进行比较,以便测量骨骼年龄或骨骼成熟度。这项技术超过 75 年未曾发生变化。而经由 GPU 加速的深度学习技术将改变这种局面。

美国麻省总医院新成立的临床数据科学中心的研究人员正在测试他们开发的一种自动化骨龄分析仪。它加快了儿童成长问题的诊断速度,而诊断结果与人类放射科医生一样准确。

骨骼年龄透露出的健康问题

带领这支研究团队的哈佛医学院助理教授 Synho Do 说,开发这套很快就要展开临床测试的自动化分析仪,目的在于协助放射科医生,而非取代他们。

麻省总医院数据科学中心主任 Mark Michalski 说:“儿童的成长情况通常会反映他们的健康状况。”(NVIDIA 是该中心的创立合伙人。)

当儿童的成长速度过慢或过快时,医生可通过骨骼年龄测试得知这是单纯的家庭模式,还是该儿童患有慢性病、内分泌紊乱或者是基因方面的问题。

测量骨骼年龄的人数增加

不过,计算骨骼年龄是一个复杂又耗时的过程,放射科医生必须将数字 X 光片与 1950 年代出版的教科书中的图片进行比较。

Michalski 说:“你需要一边看着使用现代技术拍出来的漂亮数字图像,一边翻着这本老旧的教科书,试着找到印有正确图片的那一页。”

Radiologists calculating children's bone age must use a textbook published 75 years ago to compare with digitized x-rays of a child's hand.
放射科医生现在需要将数字 X 光片与 75 年前的教科书图片进行比较才能计算出儿童骨骼年龄。图片来源:麻省总医院。

对 Do 来说,运用深度学习技术就能轻松解决问题。他和他的研究团队使用麻省总医院病历库中的 7,400 张 X 光片和放射科医生的报告来训练神经网络。Do 说,他使用 cuDNN 版本的 Caffe 深度学习框架和 NVIDIA DIGITS DevBox 深度学习设备(配备有四个 TITAN X GPU 和 DIGITS 深度学习训练软件),缩短了训练神经网络的时间。

“没有 GPU,我将得不到需要的性能,也就无法开发出如此精准的算法,”身为麻省总医院医生团队先进医学技术研发中心助理主任的 Do 说。

Do 期待这套设备未来能有更高的性能。九月初,麻省总医院临床数据科学中心成为获赠功能强大的 NVIDIA 首台人工智能超级计算机 DGX-1 深度学习系统的首批研究机构之一。

更快速、更准确的诊断

如果医院方面能实际应用 Do 的自动化骨龄分析仪,父母们便能更早看到检测结果。

Do 说:“父母们往往必须等上一天或几天才能拿到检测结果,而这种算法在几秒钟内就能给出结果。”

Do 说,深度学习还能让有着不同训练水平和经验的放射科医生得到相同的分析结果,从而提高准确率。他的骨骼年龄人工智能技术能够处理 X 光片,并提供建议的比较结果。放射科医生将从中挑选,再由系统生成结果报告。算法的准确率达 99%,平均误差率是正负一年。

Michalski 说:“这一小步使我们能够为所有患者提供更有效的医疗服务。”

Do 和他的研究团队出席了在弗吉尼亚州亚历山大市举行的医学成像机器智能大会,简要介绍了他们研究儿童成长问题的成果,并计划近日内提交相关报告。

倾听 Synho Do 的发言并了解医疗保健领域人工智能革命的更多信息(GTC 华盛顿场将于 10 26-27 日在华盛顿举行)。立即注册

Similar Stories