弥合人工智能与医疗之间的鸿沟：迈向开发临床相关的 AI 辅助诊断系统
计算机视觉与模式识别
2020-04-07 v2 机器学习
图像与视频处理
摘要
尽管基于卷积神经网络(Convolutional Neural Network)的计算机辅助诊断研究取得了成功，其临床应用仍具挑战性。相应地，开发适配临床环境的医疗人工智能(AI)需要识别并弥合 AI 与医疗之间的鸿沟。由于医学影像领域最大的问题在于数据匮乏，确认经研究验证的图像增强技术对诊断的临床相关性至关重要。因此，我们在日本医学影像专家、医师以及医疗/信息学通才间举办了一场具有临床价值的 AI 展望研讨会。随后，一项面向医师的问卷调查从数据增强和医师训练两方面评估了我们基于病理感知生成对抗网络(GAN)的图像增强项目。研讨会揭示了 AI 与医疗之间的内在鸿沟，以及关于为何(即临床意义/解释)与如何(即数据获取、商业部署及安全/安全感)的解决方案。该分析确认了我们的病理感知 GAN 作为临床决策支持系统和非专家医师训练工具的临床相关性。我们的发现将在连接跨学科研究与临床应用方面发挥关键作用，且不限于日本医疗背景与病理感知 GAN。
引用
@article{arxiv.2001.03923,
title = {Bridging the gap between AI and Healthcare sides: towards developing clinically relevant AI-powered diagnosis systems},
author = {Changhee Han and Leonardo Rundo and Kohei Murao and Takafumi Nemoto and Hideki Nakayama},
journal= {arXiv preprint arXiv:2001.03923},
year = {2020}
}
备注
13 pages, 2 figure, accepted to AIAI 2020