目前大多数诊断人工智能（AI）模型都是根据人类标记的扫描进行训练的，但标记是一个耗时的过程。美国哈佛医学院的研究人员利用一份公开可用的数据集，训练其CheXzero模型，该数据集包含多于377000张的胸部X光片和超227000份相应的临床报告。该模型可以从专家用自然语言编写的现有医学报告中自行“学习”，将某些类型的图像与现有的对应报告联系起来，在报告所用术语不同的情况下完成匹配，并进行自主学习，代替手动标记学习模式。相关研究成果发表在《自然 生物医学工程》期刊上。

研究结果显示，与其他自我监督的AI模型相比，该模型在识别肺炎、肺功能衰竭和病变等疾病方面更有效，且在准确性上与人类放射科医师相当。

该模型展示了以高度准确性从一幅给定的X光图像预测多种疾病的能力，有望用于CT扫描图像、核磁共振成像和超声心动图上，以在身体的其他部位帮助检测更大种类范围的疾病。

信息来源：

https://www.technologyreview.com/2022/09/15/1059541/ai-medical-notes-teach-itself-spot-disease-chest-x-rays/