“計算機輔助診斷”這個術語已經被各個制造商用來提供在成像領域使用機器學習的解決方案

　　這個算法目前有多可靠？

　　Remmele：我們目前實現的精度約為75％，這意味著所有圖像數據集中的75％被分配到正確的類別。自2017年夏季以來，目前正在開展工作以進一步提高這一速度，特別是通過更好地預處理這些數據。我們可以實施當前研究的許多方面，但是我們也需要重新改造，因為我們使用的是非常不同的數據集。德國杜塞爾多夫國際醫(yī)療器械展覽會

　　你想如何繼續(xù)處理這個話題？

　　Remmele：我們必須將這些方法適應于我們的問題，以便顯著提高算法的準確性，從而使其適用于日常使用。我們還需要弄清楚我們是否堅持明顯的和不顯眼的發(fā)現之間的二元區(qū)分，或者如果我們指定了像概率那樣的東西。然后，我認為，如果我們不能對數據進行分類，我們可以為放射科醫(yī)生獲得更多的改善和時間節(jié)省，同時也指出數據集中算法發(fā)現異常的地方。

　　當然，我們也希望在放射科IT中實現該算法。為此，我們正在尋找行業(yè)合作伙伴。我們還從城市醫(yī)院和大學醫(yī)院接收更多數據。這些也會給我們現有的數據集帶來更多的異質性，其中我們希望獲得更好的培訓效果。放射科也繼續(xù)支持我們，這是顯著的，因為他們沒有研究任務，如大學醫(yī)院。但是這種承諾在未來將是迫切需要的。如果我們想為私人執(zhí)業(yè)的醫(yī)生開發(fā)解決方案，我們需要他們的數據。

　　機器學習今天在醫(yī)療技術中有多重要？

　　Remmele： “計算機輔助診斷”這個術語已經被各個制造商用來提供在成像領域使用機器學習的解決方案，包括神經病學。同樣在篩查領域，例如乳腺癌和肺癌，也有使用機器學習分類算法的工具。第一種產品還促進深度學習，用于分割圖像。今天，這些產品主要用于專業(yè)中心和大學醫(yī)院，例如腫瘤進展控制。