人工智能可能会改变图像 诱使放射科医生误诊癌
时间:2020-05-02 17:01

  小编发现不少朋友对于 人工智能可能会改变图像 诱使放射科医生误诊癌症患者 这方面的信息都比较感兴趣,小编就针对 人工智能可能会改变图像 诱使放射科医生误诊癌症患者 整理了一些相关方面的信息 在这里分享给大家。

  根据《欧洲放射学》上发表的最新研究,机器学习(ML)算法可能会受到培训,以改变乳腺摄影的发现,从而诱使放射线医师做出错误的诊断。

  “大多数先进的ML算法从根本上来说都是不透明的,并且不可避免地会进入医学成像设备和临床工作站,我们需要意识到,它们也可能被用于原始数据并启用新的网络方式,主要者和临床影像服务。”主要作者,苏黎世大学医院医学博士安东贝克尔(Anton S. Becker)及其同事写道。

  贝克尔等。从两个公共数据集中选择了680张乳房X线照片,以训练称为生成对抗网络(GAN)的ML算法。目的是在“学习”潜在癌症和阴性结果之间的差异后,使用周期一致的GANs模型(CycleGAN)更改乳房X线张图像用作测试数据集,其中302张图像包括潜在的癌症,其余590张图像用作阴性对照。

  然后,三名放射科医生阅读了一系列图像,其中一些被CycleGAN架构修改,而一些保留在其原始形式上,并使用1到5的比例来表示是否检测到可疑的发现。还要求放射科医生评估图像以某种方式被更改的可能性。该实验进行了两次,一次以较低的分辨率(256 x 256 px),一次以较高的分辨率(512 x 408 px)。

  总体而言,在较低的分辨率下,研究小组发现CycleGAN的修改不会对放射科医生的表现产生负面影响。但是,专家“无法区分原始图像和修改后的图像。” 另一方面,在更高的分辨率下,放射科医生在修改后的图像中的癌症检出率低于未触摸的图像。此外,由于可见度的提高,可以检测图像何时被修改。

  作者解释说,这些发现意味着CycleGAN可能会在患者的成像结果中添加或删除“可疑特征”。他们写道:“该方法是有限的,但仍应进行研究,以未来的设计和软件免受AI介导的。”

  他们写道:“就医学成像而言,我们可以想象出两种类型的:聚焦和广义。” “在有针对性的中,算法将被更改,从而会误诊目标人群(例如候选人或公司高管),以实现某个目标(例如选举或敌对公司的接管)。在一般性中,大量设备会被大多数时间处于休眠状态的恶意算法感染,并随机导致一定数量的误诊,从而给受影响的患者带来致命的后果,整个医疗系统的成本增加, “最终会对医疗保健系统的信任。”