滑铁卢大学教授呼吁:警惕华而不实的新冠AI研究

【导读】我们不克因为封闭隔离而抛却根基的科学原则,人工智能既不是呼吸机,也不是疫苗,更不是药丸。值得注重的是,按照一些大多数由没有临床经验或不具备医学能力的工程师和争论机科学家建立的医学影像小数据集,有些网站甚至供应了关于若何从 X 射线扫描中高精度地检测出 COVID-19 的建议,甚至还有一些未经同业评断的论文,用 “COVID-Net” 如许的夸张名字为他们的解决方案进行 “浸礼”。这类论文往往未经证实,也未经放射科大夫的实验指导,甚至在数据集的建立者还没来得及对其收集数据的过程进行足够解说的情形下,这些研究就仓促公之于众了。

跟着新冠肺炎(COVID-19)疫情的全球爆发,环绕着“病毒从哪来”“病毒若何传布”“中心宿主是什么”“疫苗在哪儿”“若何快速检测患者”等问题,生物医学、计较机科学等各范畴的研究人员开展了普遍的研究,尤其是人工智能(AI)在助力新冠肺炎患者快速检测方面显得备受存眷。 近年来,人工智能在处理医学影像方面取得了实质性的进展,但新冠疫情大爆发时代,似乎涌现了如许一种危险的趋势:一些人急促地使用存在瑕疵的、有问题的数据来练习针对 COVID-19 的人工智能解决方案,这一做法不仅对患者和大夫没有任何接济,并且还会损害人工智能的声誉。 近日,滑铁卢大学工程系传授 Hamid Tizhoosh 发出呼吁,要警戒缺乏科学论证的 COVID-19 人工智能解决方案误导当前的科学研究。

48841588807447415

AI+ 医疗影像:欲速则不达

Tizhoosh 表现,AI 手艺的成长或许在必然水平上辅助大夫进行诊断,但还需理性熟悉其基本,切不行将之 “神话”。 能够必定地说,我们都对 COVID-19 大风行深感担忧。这种新型冠状病毒已经彻底改变了当前的社会,在全球疫景遇势严重的城市中,人们正在履历着面临压力、被限制、被隔离;正在见证包罗科研人员、护理和大夫在内的护理人员英勇牺牲的事迹;有些人正在失去亲人;人们面临着经济难题,以及将来几个月可能将面临的伟大不确定性。 在这种情形下,很多人都在思虑若何以最快的体式,为这场疫情防控供给一些匡助。当然,人工智能范畴的研究人员也不破例。 尽管正在应对一场大风行疾病,然则我们不及摒弃根基的科学原则。数据必需经由医学专家收拾,并执行充实、严厉的验证法式,分外是在社会面临很多不确定性的时候,任何解决方案或提议付诸实施之前,后果都必需颠末同业的审核。 机械进修方式首要依靠于数据,过程对标签数据进行进修,从而对数据进行分类、展望和估量,任何人工智能方式的质量和靠得住性直接取决于所采用的的标签数据的质量和靠得住性。

13501588807447881

在较量机科学中,低质量的输入会发生不成靠的输出,也就是我们所讲的 “输入的是垃圾,输出的也是垃圾 (Garbage In Garbage Out,GIGO)”。格外是,当我们在处理雷同医学影像如许高度复杂的数据形式时,平常需要高度专业化的常识来对数据作出得当的注释,这一点就变得加倍主要。 在人工智能范畴,我们完全依靠数据。只要不是金融、医疗卫生、监控等敏感范畴,我们凡是会使用各类方式来汇集数据集,小到人工采集样本,大到经由高度复杂的收集爬虫来解析互联网和其他公开资源库的数据。 然而,在医学影像学范畴,我们所处理的是一个高度敏感的数据范畴,这每每需要一个漫长的过程来整顿和会见一组标签图像。毫无疑问,数据整顿工作必需在病院内进行,这不仅是因为有专家在场,并且为了遵守隐私划定,需要对图像进行去身份处理。 但有时研究人员会变得不耐心,会在线期刊上手动收集公开数据源,来建立小数据集。

贫乏放射科大夫的“AI+医疗影像”研究

Tizhoosh 透露,值得注重的是,大多数时候医学影像范畴的小数据集是由没有临床经验或不具备医学能力的工程师和争论机科学家建立的,而不是由大夫和医学专家建立的。 Tizhoosh 认为,能够了解的是,当宿世界各地的放射科大夫都很忙。若是你是一个大志勃勃的人工智能研究人员,想要在这个时候供给一些接济,显着今朝不是与放射科大夫合作的最佳时机。 而一些研究人员已经起头收集和建立本身的数据集,为将来的义务做筹办。从网上汇集来的 X 光照片和 CT 图像似乎随处可见,并且跟着创作者赓续添加图像,网上这些图像也在不休增加。 因为这类数据的可获得性,以及根蒂人工智能常识和对象存在的遍及性,很多人工智能快乐者和初创公司已经激动地起头研发从 X 光照片中检测 COVID-19 的解决方案。

43271588807448320

有些网站和博客甚至供应了关于若何从 X 射线扫描中高精度地检测出 COVID-19 的建议,还有一些人给出了从 X 光照片中检测 COVID-19 的教程。 甚至还有一些未经同业评断的论文,更进一步,用 “COVID-Net” 如许的夸张名字为他们的解决方案进行 “浸礼”。这种类型的工作平日缺乏很多实验细节,来注释若何经由少少数患者的医学影像图像知足深度神经收集的需求。 这类论文往往未经证实,也未经放射科大夫的实验指导,甚至在数据集的建立者还没来得及对其收集数据的过程进行足够诠释的情形下,这些研究就仓促公之于众了。 为了战胜数据量小的问题,AI 快乐者和初创公司将他们拥有的为数不多的 COVID-19 图像与其他近似肺炎数据集如许的公共数据集夹杂在一路。这是一个很伶俐的做法,但也会发生一些麻烦的后果,好比 COVID-Nets 会将一到五岁的赤子肺炎当成新冠病例,与成人 COVID-19 患者进行角力。 Tizhoosh 暗示,当我们把放射科大夫清扫在需要专家监视的研究之外时,就会显现这种环境。

连结理性,尊敬科学原则

为什么会有研究人员在使用稠浊的医学影像小数据集、没有放射学大夫支撑、没有验证的情形下,发布错误的人工智能成效呢?他们是真的想匡助 COVID-19 患者吗? 或许,一些初创公司为了争夺融资机会,以及研究可能获得更多曝光率,正在误导科研人员做失足误的研究行为。 我们不克因为封闭隔离而抛却根基的科学原则,人工智能既不是呼吸机,也不是疫苗,更不是药丸。在疫情时代的中国武汉、伊朗库姆或意大利贝加莫,精疲力竭的放射科大夫不太可能仅仅为了获得一个出缺陷的增补性定见,而去下载我们按照不充裕、不得当的数据练习出来的 Python 代码所形成的成效快速撰写成文的论文。 毋庸置疑,各人都想为全球大风行疾病进献力量。然则,请期待病院供应真实的数据,颠末伦理审批和去判定,让我们和放射科大夫一路拟定关于将来胸部问题的解决方案。 不然,我们可能会给人留下如许的印象,那就是我们在做骇人听闻的研究,更多的是在自我推销,而不是为了患者的健康。 为了领会这种病毒在医学影像中的显示,放射科大夫们正在日以继夜地工作,让我们和他们一路尽力,向他们进修,真正释放出人工智能在将来匹敌病毒传染的潜力。

99061588807448410

Hamid R. Tizhoosh 博士自 2001 年起担当滑铁卢大学工程系传授,并向导KIMIA实验室(医学图像剖析常识推理实验室)。自 1993 年以来,他的研究范畴包罗人工智能、较量机视觉和医学成像。他著有两本书,14 个书刊章节,以及 150 多份期刊和会论说文。Tizhoosh 博士拥有雄厚的行业经验,并与很多公司合作过。他也是加拿大多伦多向量研究所的委任传授,以及加拿大滑铁卢大学滑铁卢人工智能研究所的成员。 

原文资料: https://venturebeat.com/2020/04/24/the-surge-of-sensationalist-covid-19-ai-research/ https://www.news-medical.net/health/The-Surge-of-Sensationalist-COVID-19-AI-Research.aspx

上一篇:Lancet Oncol:用于诊断皮肤病变的人工智能
下一篇:陈金雄:医疗数据管理与应用的核心——精准提

网友回应