Alibabas forskningsarm har öppnat en artificiell intelligensmodell som kan identifiera nära 150 buktillstånd – inklusive cancer – genom att läsa datortomografi (CT), det senaste steget i den kinesiska teknikgruppens expanderande medicinska AI-program.
Modellen, kallad Damo Radar, har utvecklats av Damo Academy, Alibabas forskningsinstitut, och beskrivs i en studie som publicerades i torsdags i tidskriften Science, enligt South China Morning Post. Institutet tillkännagav frisläppandet av öppen källkod på fredagen. Till skillnad från slutna kommersiella system kan en modell med öppen källkod laddas ner, inspekteras och anpassas av sjukhus och forskare – en distributionsmodell som kan påskynda adoptionen på kliniker som aldrig skulle kunna licensiera ett patentskyddat diagnostiskt verktyg. For more context on this story, see our ongoing AI trends.
En generalistisk modell för medicinsk bildbehandling
Damo Radar är en synspråksmodell utformad för att analysera kontrastförstärkta CT-skanningar som täcker 18 bukorgan och identifiera ett brett spektrum av sjukdomar och andra abnormiteter, inklusive maligna tumörer, sa institutet. Dess skapare beskriver den som "världens första generalistiska medicinska avbildningsmodell på expertnivå" - ett enda system avsett att läsa över många olika resultat snarare än ett smalt verktyg som tränats för att upptäcka en sjukdom.
Den generalistambitionen skiljer den från de flesta medicinska AI-system som hittills har distribuerats, som vanligtvis har byggts och validerats för en enda uppgift, som att upptäcka en typ av tumör. En enda modell som spänner över 146 distinkta kliniska fynd, om den håller utanför labbet, kan förändra ekonomin för att distribuera AI på röntgenavdelningar, där det har visat sig opraktiskt att sy ihop ett dussin ensidiga verktyg.
Modellen tränades på datortomografi parat med kliniska rapporter, ett tillvägagångssätt som lär systemet att koppla det som visas på en bild med språket som läkare använder för att beskriva det. Forskargruppen sa att träningsmetoden så småningom skulle kunna utvidgas till andra typer av medicinsk bildbehandling, enligt Post.
Testad mot arbetande radiologer
Rubrikerna kommer från utvärdering av nästan 40 000 verkliga undersökningar. Genom 146 kliniska fynd uppnådde Damo Radar en genomsnittlig area under kurvan (AUC) på 0,913, ett statistiskt mått på diagnostisk prestanda där 1,0 representerar perfekt noggrannhet, rapporterade studien.
Jämförelsen med mänskliga läsare kommer att dra mest granskning. I en studie som involverade 26 radiologer från flera sjukhus översteg modellens genomsnittliga noggrannhet den för 23 av deltagarna, enligt forskningen. Och när radiologer arbetade med modellens hjälp förbättrade de sin förmåga att förhindra missade diagnoser med 10 procent samtidigt som de minskade tiden som krävs per fall med mer än 30 procent, sa Damo Academy.
Forskningen involverade flera institutioner vid sidan av Alibaba, inklusive ett sjukhus knutet till Zhejiang University. Publicering i Science, en av de mest selektiva vetenskapliga tidskrifterna, ger resultaten en nivå av extern granskning som leverantörssponsrade riktmärken ofta saknar – även om verkliga prestanda alltid beror på skanningar, utrustning och patientpopulationer ett sjukhus faktiskt ser.
Varför öppen källa är viktig
Att släppa vikterna öppet är ett anmärkningsvärt val för medicinskt känslig teknik. Proprietära leverantörer håller vanligtvis medicinska modeller stängda, med hänvisning till reglering och säkerhet. Open release tillåter oberoende forskare att undersöka fellägen, låter sjukhus köra modellen på sin egen infrastruktur utan att skicka patientdata till en extern leverantör, och ger mindre faciliteter tillgång till funktioner som annars är reserverade för stora sjukhussystem.
Det betyder också att Alibaba utövar mindre kontroll över hur modellen används. Öppen tillgänglighet är inte kliniskt godkännande: tillsynsmyndigheter i varje jurisdiktion kommer fortfarande att besluta om och hur modellen kan användas på patienter, och sjukhus kommer att behöva validera den på sin egen utrustning och populationer.
En varning värd att notera: South China Morning Post ägs av Alibaba, ett faktum som tidningen avslöjar i sin egen rapport. Publiceringen av den underliggande studien i Science ger en oberoende bekräftelse av själva forskningen, men inramningen av fredagens tillkännagivande kommer oundvikligen från företagets sida.
Alibabas bredare medicinska AI Push
Damo Radar är inte Alibabas första steg till diagnostisk bildbehandling. Damo Academy har ägnat de senaste åren åt att utveckla AI-screeningsverktyg för att hjälpa läkare att identifiera cancer i bukspottkörteln, magen och kolorektala samt aortadissektioner, enligt Post. I april släppte divisionen en modell som heter Coca, som utvecklats tillsammans med institutioner inklusive Guangdong General Hospital, som företaget sa var känsligare än radiologer när det gäller att upptäcka kolorektal cancer i ett tidigt stadium på datortomografi.
Utvecklingen från screeners för singelsjukdomar mot en generalistmodell speglar en bredare satsning: att stora synspråksmodeller som tränats på parade bilder och rapporter kan absorbera mönsterigenkänningsarbete som för närvarande kräver knapp specialisttid. Brist på radiologer är akut i många hälso- och sjukvårdssystem, och screeningprogram genererar mycket fler skanningar än vad specialister kan läsa med lika stor uppmärksamhet.
Vad kommer härnäst
En version med öppen källkod är en början, inte en distribution. Sjukhus som överväger modellen kommer att behöva lokal validering på sina egna skanningar, och klinisk användning kommer att bero på regulatorisk granskning land för land. Men bevisen som publicerades den här veckan - nästan 40 000 verkliga tentor, en direkt jämförelse med arbetande radiologer och en rapporterad 30-procentig minskning av lästiden med AI-hjälp - ger Damo Radar en starkare grund än de flesta modeller som debuterar som pressmeddelanden. Huruvida generalistiska medicinska avbildningsmodeller blir standardverktyg för sjukhus eller förblir forskningsmilstolpar kommer att bero på hur de presterar i den stökiga miljön i den dagliga kliniska praktiken.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
