人工智能在乳腺超声报告生成中的应用

目的超声是中国女性乳腺检查的常用方法,提升超声医生临床诊断效率对乳腺筛查的全面普及意义重大。尽管医生目前有自己的模板生成超声报告,但从模板到最终形成报告,还有很多繁琐工作需要医生完成。本文尝试通过人工智能(artificial intelligence,AI)技术,辅助医生完成部分繁琐工作,提高医生完成乳腺超声报告的效率。方法首先基于乳腺影像报告和数据系统的词汇索引以及医生临床经验,归纳出结构化特征描述语句;然后基于卷积神经网络(convolutional neural networks,CNN)+Transformer模型获取患者的良恶性分类信息,基于Unet和冒泡排序模型自动标记、测量病灶最大径和计算纵横比;最后AI综合上述信息生成初步诊断报告,用以辅助医生生成最终报告。结果AI报告特征描述语句准确率达81.52%,病灶最大径相对误差为10.8%,纵横比准确率达到100%,提升医生撰写报告效率达到68.31%。结论该模型在保证准确率的情况下,能够有效减少医生撰写报告时间,为优化乳腺超声检查流程提供了技术基础。

斯坦福大学 AI100 报告: “人工智能 + 医疗”五大场景

2014 年, 斯坦福大学启动了“AI100” 项目, 即 “人工智能百年研究” 。 该项目集结了各领域顶尖的研究人员, 旨在研究并预测人工智能将如何发展, 及其对人类和社会的影响。