诊断胎儿心脏病的医生受益于解释性人工智能

来自RIKEN高级智能项目中心(AIP)的研究人员及其同事在临床环境中测试了人工智能对胎儿先天性心脏病的增强诊断。当医院住院医生和同事使用图形界面来表示人工智能对胎儿心脏超声筛查视频的分析时，他们都做出了更准确的诊断。这个新系统可以帮助培训医生，并在没有专家的情况下协助诊断。该报告最近发表在该杂志上共同参与．

先天性心脏病占新生儿死亡的近20%。尽管一个早期诊断众所周知，在出生前可以提高生存几率，但这极具挑战性，因为诊断必须完全基于超声视频。特别是，细微的异常可能会被胎儿和探针的运动所掩盖。专家可以很好地筛选图像，但实际上，绝大多数常规超声波只由住院医生或研究员进行筛选。为了解决这个问题，日本理化学研究所(RIKEN AIP)由小松正明(Masaaki Komatsu)领导的研究人员一直在开发人工智能，可以在接触数千张超声波图像后了解正常胎儿心脏的样子。然后，它可以将超声视频分为正常或异常进行诊断。

该系统在实验室中表现良好，但要让它在现实世界中发挥作用，则带来了一系列全新的挑战。正如小松解释的那样，“很难建立信任医学专家人工智能做出的决定发生在一个‘黑盒子’中，无法被理解。”这项新研究测试了一种改进的解释性人工智能系统，允许医生查看代表人工智能决策的图形图表。此外，图表本身是通过另一轮深度学习生成的，这提高了人工智能的性能，并允许医生查看异常是否与心脏、血管或其他特征有关。

专家、研究员和住院医生拿到了相同的超声波视频，并被要求提供两次诊断，一次没有解释性AI，一次有AI决策的图形表示辅助。考官并没有得到实际的人工智能决策，这只是一个数值。研究人员发现，在使用新的基于人工智能的决策图表时，每组医生都做出了更正确的诊断。小松说:“这是第一次证明，具有各种经验的检查人员能够使用可解释的人工智能提高他们筛选胎儿心脏异常超声视频的能力。”

仔细研究结果会发现一些惊人的发现。在人工智能的帮助下，最不熟练的考官——研究员和住院医生——的准确率分别提高了7%和13%。虽然专家和研究人员能够很好地利用人工智能，但居民的准确率仍比单独使用人工智能低12%左右。因此，在临床应用方面，人工智能对研究人员最有用——他们碰巧是通常进行胎儿心脏手术的人超声波在医院做筛查

小松说:“我们的研究表明，即使人工智能辅助得到广泛应用，检查员的专业知识仍将是未来医学检查的关键因素。”“除了未来的临床应用外，我们的研究结果表明，这项技术的最大效益也可以通过将其用作临床研究的一部分来实现居民培训和教育。”