港大優化人工智能醫學圖像分析技術　料減省9成人力成本

醫療科技日新月異，醫學圖像作成現代醫療重要一環，可提高各類疾病治療的精確性、可靠性。香港大學工程學院近日開發出人工智能新算法，既可減省9成人力成本，且準確度更高。有關研究成果已於《自然-機器智能》期刊發表。

研究團隊指，現時採用人工智能算法的常規醫學圖像診斷，需依靠大量人手負責標註，為模型訓練提供監督信號，過程耗費大量人力和時間，成本代價極高。相比下，新研發的人工智能演算方法「REFERS」（Reviewing Free-text Reports for Supervision），能夠從數十萬份X射線影像報告中，自動獲取監督信號來訓練預測模型，其預測的準確度更超越人手標註的數據。

是次研究以公開數據庫37萬份X射線影像和文本報告作爲基礎，當中包含14種胸肺相關疾病包括肺不張、心臟肥大、胸腔積液、肺炎和氣胸等數據。透過測試，新的人工智能演算方法使用100張X射線影像便已建立了一個初步令人滿意的X射線影像識別模型，其預測準確度達83%；影像針別增至1000張及1萬張，準確度更達88.2%及90.1%。一般而言，準確度超過85%，已可作實際臨床診斷應用。

港大工程學院計算機科學系教授俞益洲指，由人工智能推動的醫學圖像診斷極具潛力，可以減輕醫學專家的工作量及提高診斷效率和準確性，其中包括節省診斷時間及檢測一些不易察覺的異常跡象。