當(dāng)新型冠狀病毒(COVID-19)疫情開始在世界范圍內(nèi)拉響警報(bào)時(shí)，康耐視的深度學(xué)習(xí)專家開始思考這項(xiàng)技術(shù)是否能夠幫助醫(yī)護(hù)專業(yè)人員進(jìn)行有效的防御。
事實(shí)已經(jīng)證明，這一警報(bào)是有道理的。截至2020年11月下旬，COVID-19已在全球范圍內(nèi)感染超6000萬人，并奪去了逾140萬人的生命。全球各地的臨床醫(yī)生都面臨著類似的挑戰(zhàn)：依靠實(shí)驗(yàn)室檢測來確認(rèn)新冠病例非常耗時(shí)，可能會(huì)延誤診斷和治療。雖然X射線及其他醫(yī)學(xué)成像技術(shù)可以快速確認(rèn)新冠病例診斷，但很容易對這些圖像的含義進(jìn)行錯(cuò)誤解讀。
康耐視的深度學(xué)習(xí)團(tuán)隊(duì)審視了這些挑戰(zhàn)，并意識到他們專為生產(chǎn)線的自動(dòng)化和優(yōu)化而開發(fā)的軟件包可能能夠提供醫(yī)學(xué)成像組件解決方案，用于應(yīng)對本次全球疫情挑戰(zhàn)。
1.將深度學(xué)習(xí)與醫(yī)學(xué)影像相結(jié)合的價(jià)值
X光片等醫(yī)學(xué)圖像對于確認(rèn)COVID-19診斷至關(guān)重要，為醫(yī)生和放射科醫(yī)師提供視覺證據(jù)，證明實(shí)驗(yàn)室檢測是準(zhǔn)確的。此外，深度學(xué)習(xí)軟件可以分析數(shù)以千計(jì)的醫(yī)學(xué)圖像，并識別出推翻或支持診斷的異常情況，從而減輕臨床醫(yī)生的工作量。
但是，這存在一個(gè)障礙：最流行的開源深度學(xué)習(xí)工具難以使用，而且需要大量的編程專業(yè)知識。期望醫(yī)護(hù)人員(包括醫(yī)生、放射科醫(yī)師及其他臨床醫(yī)生)掌握這些工具是不切實(shí)際的。
為了克服這一障礙，康耐視的一個(gè)AI專家團(tuán)隊(duì)開始著手解決一個(gè)基本問題，即：康耐視的工業(yè)自動(dòng)化軟件能否提供一種易于使用并且可以與世界頂級開源深度學(xué)習(xí)工具的性能相匹配的替代工具?
針對這一假設(shè)進(jìn)行的開放測試顯示出巨大的潛力。由康耐視的五名深度學(xué)習(xí)專家組成的團(tuán)隊(duì)進(jìn)行的一項(xiàng)研究表明，康耐視的先進(jìn)機(jī)器視覺軟件的準(zhǔn)確性可以媲美甚至超越世界領(lǐng)先的開源深度學(xué)習(xí)工具。
該研究的標(biāo)題為“使用深度學(xué)習(xí)技術(shù)識別X光片中的新型冠狀病毒(COVID-19)：將康耐視VisionPro Deep Learning 1.0軟件與開源卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行比較”，其已經(jīng)引起了主要研究出版商的注意。共同作者包括Arjun Sarkar、Joerg Vandenhirtz、Jozsef Nagy、David Bacsa和Mitchell Riley，他們都在康耐視生命科學(xué)團(tuán)隊(duì)工作。
“我們驚訝地發(fā)現(xiàn)，該軟件可以輕松對X光片上出現(xiàn)的各種病理形態(tài)進(jìn)行區(qū)分。人類幾乎不可能找出X光片中不同病理形態(tài)之間的差異。對于這類圖像，五名放射科醫(yī)師可能會(huì)給出五種不同的意見。”
——來自康耐視生命科學(xué)團(tuán)隊(duì)的高級AI專家Vandenhirtz表示
Vandenhirtz為這項(xiàng)研究提供了協(xié)調(diào)支持，以幫助將康耐視的先進(jìn)機(jī)器視覺技術(shù)擴(kuò)展到醫(yī)療保健和生命科學(xué)領(lǐng)域。新型冠狀病毒在全球范圍內(nèi)大規(guī)模傳播帶來了緊迫性，而COVIDx(來自COVID-19胸部X光片的大量數(shù)據(jù)集)則為這項(xiàng)研究提供了測試圖像。他聘請了Sarkar進(jìn)行實(shí)驗(yàn)，并在研究報(bào)告中總結(jié)了他的實(shí)驗(yàn)成果。Sarkar目前在位于德國亞琛(Aachen)的應(yīng)用科學(xué)大學(xué)(University of Applied Sciences)攻讀生物醫(yī)學(xué)工程專業(yè)碩士學(xué)位。
Vandenhirtz表示，Sarkar在TensorFlow的使用方面具有強(qiáng)大的背景，TensorFlow是來自谷歌的領(lǐng)先深度學(xué)習(xí)平臺。TensorFlow要求程序員在基于文本的終端界面中構(gòu)建自己的模型。相比之下，VisionPro Deep Learning軟件具有使用方便的圖形用戶界面(GUI)，無需編程經(jīng)驗(yàn)。
2.COVID和深度學(xué)習(xí)技術(shù)研究的基礎(chǔ)
康耐視的研究基于加拿大安大略省滑鐵盧大學(xué)(University of Waterloo)進(jìn)行的一項(xiàng)研究的結(jié)果。該研究的標(biāo)題為：“COVID-Net：專為從胸部X光片中識別COVID-19病例而量身定制的深度卷積神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)”，在一個(gè)名為COVIDx的數(shù)據(jù)集中收集了近14,000張胸部X光片。共同作者包括Linda Wang和Alexander Wong，他們使用開源深度學(xué)習(xí)軟件包構(gòu)建了COVID-Net，這是一個(gè)復(fù)雜的神經(jīng)網(wǎng)絡(luò)，其可以分析X光片，并學(xué)會(huì)識別顯示出COVID-19跡象的肺部。
來自滑鐵盧大學(xué)的一組研究人員成立了一家名為DarwinAI的創(chuàng)業(yè)公司，專門開發(fā)商業(yè)化深度學(xué)習(xí)軟件，以挖掘COVID.Net等資源的價(jià)值，這類軟件資源前景廣闊，但仍然面臨著基本的可用性挑戰(zhàn)。
“目前，這還只是數(shù)據(jù)科學(xué)家可以利用的一種非常技術(shù)性的實(shí)施方式，而放射科醫(yī)師和醫(yī)護(hù)人員肯定無法使用，因此，我們需要將其整合在一個(gè)非常易于使用的適當(dāng)應(yīng)用程序用戶界面中，確保即使不熟悉這項(xiàng)技術(shù)的人員也可以充分加以利用。”
——DarwinAI首席執(zhí)行官Sheldon Fernandez在接受CDNet的采訪時(shí)表示
康耐視研究人員了解這些局限性的含義。VisionPro Deep Learning軟件是康耐視專為制造業(yè)領(lǐng)域的客戶開發(fā)的。該軟件的開發(fā)人員進(jìn)行了專門設(shè)計(jì)，以確保工廠管理人員和技術(shù)人員可以使用深度學(xué)習(xí)技術(shù)來分析其生產(chǎn)線上的圖像，以維持質(zhì)量控制，并及時(shí)識別出有缺陷和損壞的產(chǎn)品，以防止它們流入市場。
舉例來說，在一家汽車工廠中，康耐視的機(jī)器視覺相機(jī)首先采集擋泥板、發(fā)動(dòng)機(jī)缸體等元件的數(shù)字圖像。然后，VisionPro Deep Learning軟件將掃描這些圖像，以識別出劃痕、凹痕及人工檢測員往往遺漏的其他異常情況。及早發(fā)現(xiàn)這些缺陷可以使生產(chǎn)線實(shí)現(xiàn)更高的生產(chǎn)率，并提高產(chǎn)品質(zhì)量。此外，該軟件還可以用于對元件或缺陷進(jìn)行分類、定位元件和驗(yàn)證裝配。這些類型的檢測任務(wù)目前通常仍然由人工檢測員完成，或者無法得到充分執(zhí)行，因?yàn)樗鼈儽举|(zhì)上需要利用人類的判斷力。
3.VisionPro Deep Learning軟件在COVIDx數(shù)據(jù)集分析方面的表現(xiàn)如何
一項(xiàng)稱為F分?jǐn)?shù)的測量對于深度學(xué)習(xí)系統(tǒng)的整體準(zhǔn)確性進(jìn)行了評估，該系統(tǒng)嘗試準(zhǔn)確地預(yù)測數(shù)字圖像上的圖案和異常。康耐視的研究人員分析了COVID-Net數(shù)據(jù)集中的近14,000張X光片圖像。這些圖像被分為以下三種類型：正常、非COVID-19肺炎和COVID-19肺炎。
正如下面的表格中對多個(gè)深度學(xué)習(xí)軟件包進(jìn)行的比較所示，COVID-Net產(chǎn)生了準(zhǔn)確的預(yù)測結(jié)果，正常圖像為92.6%，COVID-19肺炎圖像為94.7%。VisionPro Deep Learning軟件的效果甚至更佳，正常X光片圖像為95.6%，COVID-19肺炎X光片圖片為97.0%。
當(dāng)然，這只是一項(xiàng)研究。盡管康耐視團(tuán)隊(duì)使用行業(yè)標(biāo)準(zhǔn)方法進(jìn)行研究和統(tǒng)計(jì)分析，但其他研究人員是否能夠復(fù)制該結(jié)果仍有待觀察。
Vandenhirtz表示，康耐視短期內(nèi)的主要關(guān)注點(diǎn)是向全球醫(yī)學(xué)界介紹這種軟件的功能，該軟件在計(jì)算機(jī)斷層掃描(CT)領(lǐng)域也顯示出了令人鼓舞的結(jié)果。此外，該軟件在眼科學(xué)(其依賴視網(wǎng)膜圖像)、數(shù)字病理學(xué)(其使用組織學(xué)切片的顯微圖像)等領(lǐng)域也可能被證明是有用的。
Vandenhirtz表示，就其所有功能而言，深度學(xué)習(xí)算法無法完全取代人類臨床醫(yī)生的智慧。但是，跟聽診器或血壓袖帶一樣，該軟件是幫助醫(yī)護(hù)專業(yè)人員高水平執(zhí)行工作的一種有用工具。
在這種背景下，康耐視VisionPro Deep Learning軟件提供了有用的熱圖功能，其突出顯示了圖像中對于分類非常重要的區(qū)域。黃色到紅色區(qū)域很重要，而綠色到藍(lán)色區(qū)域?qū)τ跊Q策算法并不重要。
在現(xiàn)實(shí)世界中，這種熱圖功能使該工具不僅可以為潛在的診斷提供建議(即Covid-19陽性或陰性)，還可以識別出檢測到相應(yīng)疾病癥狀的區(qū)域。這一點(diǎn)很重要，因?yàn)樗梢詭椭派淇漆t(yī)師在圖像的特定區(qū)域進(jìn)行歸零校正，以使他們能夠驗(yàn)證或推翻AI診斷，從而防止該軟件工具因錯(cuò)誤的原因無法做出正確的決策。
“我們認(rèn)為，至少在短期到中期內(nèi)，AI技術(shù)無法進(jìn)行診斷，”他總結(jié)道，“VisionPro Deep Learning軟件可以提出建議，但最終，放射科醫(yī)師仍然必須對圖像的含義作出決定。”
——Vandenhirtz
最后，他補(bǔ)充道，雖然AI技術(shù)不會(huì)取代放射科醫(yī)師，但它將取代不使用AI技術(shù)的放射科醫(yī)師。
