MedCheX:利用人工智慧輔助判讀胸腔X光片在偵測新冠狀肺炎上之應用
介紹:本團隊因應新冠肺炎疫情在全球迅速蔓延,開發一款軟體工具MedCheX作為以胸部X光影像自動偵測肺炎的AI輔助平台。本技術開發初期使用史丹佛大學公開釋出的胸部X光影像,以超過6萬名患者在過去15年來進行胸部X光檢查的結果,作為訓練開發自動偵測肺炎的AI模型的資料集;接著利用美國國家衛生院(NIH)所公開的胸腔X光資料集,從中挑選具有肺炎與無肺炎病徵共3000筆資料,對AI模型進行進一步測試,很可惜辨識的結果並不理想。經過不斷與放射科醫師密集的討論,推斷最可能的原因應是公有資料集之影像品質不佳,資料來源過於複雜,不同等級醫院所拍攝之影像檢視目的、設備不盡相同,標注水平參差不齊,可是類似的問題在過去從來沒有被AI研究人員提出,也導致訓練出來的AI模型不能應用於不同來源的真實測試資料集。
為達辨識技術能在臨床上真實使用,首先加強模型對於細緻特徵的自動擷取,本團隊更改傳統特徵工程策略並重新調整ResNeXt模型網路架構,在對病患影像特徵從粗糙到細緻的計算過程中,更有彈性地保留原始真實資訊。另一方面,本團隊利用「金字塔型特徵萃取法」(Feature Pyramid Network),以階層式的設計來強化模型的感知視野,有效提升模型在大小不同的病徵影像上的識別能力,此一方法對臨床上肺炎的偵測非常有幫助。
在1,300萬名確診病例散布於世界各地,且死亡人數超過55萬人的現在,本團隊為進一步觀察MedCheX的泛用性與準確性,後期使用公共資料庫作為驗證對象,其中涵蓋來自多國(含中國、澳洲、美國、德國及義大利)確診新冠肺炎病患的資料,發現各國患者病徵類似,醫師手動標記之疑似感染區域,與MedChex的判讀結果有非常高的一致性。未來可成為輔助放射科醫師的好幫手,縮短醫師閱片時間,也能有效避免因為人眼疲勞誤判而造成的診斷失誤。
本團隊接受中央健保署邀請,於2020年5月將系統平台部署於健保署大樓,並負責規劃測試全國新冠狀肺炎確診患者及疑似患者。從健保署釋出之內部文件及報告指出,經過三階段之訓練與驗證測試,在1,363張測試影像資料中,達到靈敏度(Sensitivity) 95.5%,特異度(Specificity) 99%,以及準確度(Accuracy)為92.5%,已達到「醫療影像AI國家隊」之水準。目前規劃與健保署合作繼續精進該系統平台,以嘉惠全國之醫療院所更多之放射科醫師使用。