威尔士团队利用放射科医生眼动数据开发更智能医疗AI工具

快速阅读: 卡迪夫大学和威尔士大学医院研究显示，放射科医生的眼动追踪数据可指导AI系统提高诊断性能1.5%，有助于应对NHS挑战，减少护理延误。

来自威尔士的一所大学和一家大学医院的研究人员发现，放射科医生的投入和专业知识可以帮助开发更好的医疗人工智能（AI）工具。卡迪夫大学和威尔士大学医院（UHW）的研究通过利用放射科医生的眼动追踪，指导AI系统关注医学影像中最具有临床相关性的区域。研究团队表示，当与其他AI系统结合时，这种方法可将诊断性能提高1.5%，并使机器行为更加接近专家的人类判断。

这项发表在《IEEE神经网络与学习系统汇刊》上的研究成果，有望支持放射科医生的决策过程，并促进医疗AI的普及，以应对NHS面临的一些挑战。研究报告的临床负责人、UHW的顾问放射科医生理查德·怀特博士说：“计算机在识别基于形状和纹理的病灶方面非常出色。然而，了解在影像学检查中应该关注哪些位置是放射学培训的关键部分，有一些特定的审查区域需要始终评估。这项研究旨在将这两方面结合起来，看看计算机能否像受过训练的放射科医生那样评估胸部X光片。这是提高对AI的信任度以及计算机诊断能力的关键步骤。”

研究团队创建了迄今为止最大且最可靠的胸部X射线视觉显著性数据集——基于13名放射科医生对不到200张胸部X射线的超过100,000次眼动追踪。该数据集被用来训练新的AI模型CXRSalNet，帮助其预测X射线中可能对诊断至关重要的区域。

卡迪夫大学计算机科学与信息学院的主要研究人员刘汉涛教授补充说：“目前的AI系统缺乏解释其决策过程的能力，这一点在医疗保健领域至关重要。而放射科医生则能凭借多年的经验和微妙的感知技巧来审查每一张图像。我们的工作捕捉了有经验的放射科医生如何自然地关注胸部X射线的重要部分。我们利用这些眼动追踪数据‘教导’AI识别胸部X射线中的重要特征。”

根据皇家放射科医师学会2024年的普查数据，威尔士存在32%的顾问放射科医生短缺，英国全国的这一数字为29%。与此同时，对影像的需求正在大幅增加。“世界上许多地方都存在类似的问题，”怀特博士解释道，“如果能够将这样的解决方案应用于临床实践，它有可能显著改善放射学的工作流程，并减少因报告积压而导致的护理延误。”

研究团队计划进一步发展他们的方法，探索技术如何适应医学教育和培训，以及临床决策支持工具，以帮助放射科医生更快、更准确地做出诊断。“我们目前的重点是扩展这种方法，使其适用于其他成像模式，如CT和MRI扫描，”刘教授补充说，“特别是，我们有兴趣将这种方法应用于癌症检测，因为在早期识别细微视觉线索方面，这对人类读者和机器来说都是关键且具有挑战性的。”

他们的论文《胸部X射线视觉显著性建模：眼动追踪数据集和显著性预测模型》已发表在《IEEE神经网络与学习系统汇刊》上。

(以上内容均由Ai生成)