胸部X光是医疗领域最常用的影像学检查手段，用于诊断肺部问题、心脏疾病、肋骨骨折甚至某些肠道疾病。但有时这些影像难以解读，医生也可能漏诊罕见病与新发疾病，这在新冠疫情暴发第一年尤为明显。一款名为Ark+的新型人工智能工具有望解决这个问题。
由亚利桑那州立大学(Arizona State University, ASU)研究人员开发的这个工具，能帮助医生更精准地解读胸部X光片，从而提升医疗效果。
在一项概念验证研究中，Ark+展现出从常见肺病到罕见及新发疾病领域的卓越诊断能力。其精准度甚至超越了谷歌和微软等行业巨头当前发布的专利软件。
该研究首席作者、亚利桑那州立大学健康解决方案学院教授Jianming Liang表示：“我们的目标是打造一款不仅在研究中表现优异，更能推动技术普惠化的工具，让每个人都能受益。”
Ark+旨在成为真实医疗体系中开放、可靠且实用的工具，最终目标是让人工智能协助医生拯救生命。”这项最新研究成果已发表在权威期刊《自然》上。
尽管医疗保健已是美国经济的主要驱动力，但根据世界银行数据，美国在许多健康指标上仍落后于众多国家，其中人均预期寿命仅排名全球第49位。
患者渴望更健康的生活和更好的治疗效果，医生则希望首次诊断就能准确无误。
这正是人工智能介入医疗场景的契机。
Ark+通过人工智能技术减少失误并加速诊断流程。该工具利用海量数据进行训练，其模型整合了全球多个公开X光数据库中的超过70万张影像。
Ark+关键突破在于融合了人类医学智慧，Liang教授的团队为每张影像添加了详细的医生诊断注释。
“这是让AI向专家学习的过程。”Liang教授解释道。
这些专业注释使Ark+在训练中持续提升准确性。
Liang教授在解释该工具缩写名称的由来时表示：“Ark+正在积累并复用知识，我们就是这样对它进行训练的。而且大体上，我们当时在思考一种新方法，过全监督学习，利用海量数据集来训练人工智能模型。”
“因为在此之前，如果要使用多个数据集训练大型模型，人们通常会采用自监督学习，或者针对疾病模型进行训练，比如对比分析异常与正常的X光影像。这就意味着，人们会从数据集中丢弃最具价值的信息，也就是那些专家标注。我们希望人工智能不仅能从原始数据中学习，还能从专家知识中汲取养分。”Liang教授补充道。
该项目的其他亮点包括：X光基础模型：整合全球多家医疗机构的胸部X光数据，提升各类肺部病变检测能力开放共享：公开代码与预训练模型，供研究人员优化适配基层诊所需求快速学习：仅需少量样本即可识别罕见疾病动态适应：无需完整再训练即可微调识别新型肺部病变稳健公平：在数据不均衡条件下仍保持性能，消除偏见，支持隐私安全部署
该软件可适配CT、MRI等各类医学影像诊断，未来应用前景广阔。
Liang教授的团队希望Ark+成为医疗AI的基础平台，通过医院商业化推广让更多研究者延续其工作。
完全开源的模式旨在帮助各国医生，包括缺乏大数据资源的偏远地区。
他们的终极目标是让医疗AI更安全、更智能、惠泽天下。
“通过完全开放模型，我们邀请全球同行共筑更公平、精准、可及的医疗AI。这终将挽救更多生命。”Liang教授表示。
关闭
