在合成图像时代辨别真假

在有关人工智能对从教育到未来工作本身等方方面面的影响的头条新闻中，圣路易斯华盛顿大学麦凯维工程学院(McKelvey School of engineering)生物医学工程助理教授、医学院放射学助理教授阿比纳夫·贾(Abhinav Jha)和他的合作者开发并评估了两种定量确定合成或计算机生成医学图像真实感的方法。研究结果发表在该杂志上医学与生物学物理学。

“我们生活在一个非凡的时刻，新的人工智能工具正在产生大量的合成内容，一个关键的新问题是如何区分人工制作的内容和人工智能生成的内容，”阿比纳夫·贾说。“例如，像ChatGPT这样的东西，我们需要能够弄清楚哪些文本是人类创作的。图像也是一样，包括医学图像。我们有人工智能生成医学图像，我们需要能够区分真假。”

在论文中，Jha和他的合作者，包括医生、物理学家和计算成像科学家，提出了两种基于观察者研究的方法来评估合成图像的真实感:一种使用理论上的理想观察者，另一种使用在线平台帮助下的专家人类观察者。该工具可通过MIR公开获得，已被医学成像界的国际合作者使用。

“最大的问题是我们如何验证给定图像的准确性?”合作者Barry Siegel博士说，他是医学院和MIR的放射学和医学教授。“我们需要准确区分真假，以确保我们只使用真实图像进行诊断。”

但并非所有假货都是坏的。如果科学家能创造合成医学图像这些图像看起来足够真实，可以用于进行虚拟临床试验。虚拟试验可以帮助成像科学家和医生开发新的成像技术，同时节省时间、金钱和患者暴露。这些试验特别有助于应用于罕见疾病科学家们没有足够的真实案例来对新的成像方法进行可靠的评估。

西格尔说:“我们验证合成图像的方法有助于克服这一挑战，并使我们更接近虚拟成像试验，这将使我们能够探索新的成像方法，而不需要时间、费用和与传统医学试验相关的患者风险。”

“这种方法的另一个应用是在训练人工智能算法的背景下，”Jha说。“使用人工智能进行医学成像很棘手，因为我们通常没有足够的真实图像来训练算法。使用合成图像提供了一种解决这个问题的方法，但研究表明，这样的图像应该是真实的。我们的工具可以用来评估这种现实性。”

Jha指出，基于计算机的试验将需要具有代表性和真实的患者群体、准确的扫描仪模型和真实的“虚拟医生”来阅读和解释图像。他和其他团队正在研究这三个组成部分，以使虚拟医学试验成为现实。