首個醫學圖像驗證碼上線
記者昨日獲悉，騰訊聯合深圳大學研發并上線了首批“MedCAPTCHA醫學圖像驗證碼”，有望讓醫療影像的標注和診斷變得更加準確和高效，減少延誤診斷或漏診的情況。
據悉，醫學上90%的臨床診斷需要借助經過標注的醫學影像——病灶和相關器官的有效標注數據，它們能幫助醫生在疾病診斷、評估、發展趨勢預測、治療策略制定等方面提供重要的定量化信息。現階段，醫學圖像的勾畫標注是一項龐大而繁雜的工作。針對單個病人的一組醫學圖像，簡單的需要半小時完成勾畫，復雜的要花上一兩個小時。
過去40年，研究人員研發了大量基于人工智能輔助的半自動甚至全自動的標注算法，這些算法模型，往往需要經過足夠多的標注醫學圖像數據訓練，才能達到普適性更強、準確度更高的分類或診斷效果。因此，快速獲取海量的、具有準確標注的醫學圖像數據，對醫療領域來說相當迫切，僅僅依靠少數專業醫務工作者或醫學研究人員的力量遠遠不夠。
公開數據顯示，全球網民每日累計輸入驗證碼近2億次，我國網民規模超過9.4億。按照這一數據估算，如果借助龐大網民群體的力量，能夠在1小時內勾畫完成4家大型醫院整整一年所需的醫學圖像標注量。
基于這一想法，騰訊安全平臺部防水墻團隊與深圳大學醫學工程學院高毅教授團隊，合作研發了“MedCAPTCHA醫學圖像驗證碼”，并在騰訊防水墻官網灰度上線，供廣大網民自愿體驗及參與標注。
與網民常見的圖片驗證碼不同，MedCAPTCHA醫學圖像驗證碼由清一色的黑白灰圖片構成，驗證中所用到的圖片也全部來自于臨床上真實的脫敏醫學圖像。在自愿體驗的安全驗證環節中，用戶只需要參照給出的圖片示例“照貓畫虎”，移動鼠標在圖片上進行簡單勾畫，就能完成在線驗證，并成功提供一次醫學圖像標注答案。
據介紹，針對嚴肅而細致的醫學研究及診療場景，人機驗證模式讓廣大網民參與到醫學圖像標注的初篩工作中來。而對于收集到的圖像標注信息，專業醫學研究人員會在后臺對收集到的圖像標注信息進行融合和篩選處理，最終將質量最優的數據提供給大數據工作者和醫生群體。人工識別標注的結果，將為公共醫療統計、精準醫療分析提供可靠的、核心的影像特征基礎，還可以作為機器學習的訓練樣本，促進人工智能在醫療領域的更多應用。
目前，已有近萬名用戶體驗了MedCAPTCHA醫學圖像驗證碼，累計貢獻了近2萬條正確標注的醫學圖像數據。（記者袁靜嫻）
