导读 专门研究罕见疾病的医生只能在工作中获得有限的学习机会。缺乏用于培训学生的多样化医疗保健数据是这些领域的主要挑战。当你在数据稀缺的环
专门研究罕见疾病的医生只能在工作中获得有限的学习机会。缺乏用于培训学生的多样化医疗保健数据是这些领域的主要挑战。“当你在数据稀缺的环境中工作时，你的表现与经验相关——你看到的图像越多，你就会变得越好，”胸部放射科医生和斯坦福医学与影像人工智能中心 (AIMI) 博士后研究员 Christian Bluethgen 说在过去的七年里，他一直在研究罕见的肺部疾病。
当 Stability AI 在 8 月向公众发布其文本到图像基础模型 Stable Diffusion 时，Bluethgen 有了一个想法：如果您可以将医学的真正需求与通过简单的文本提示轻松创建精美图像相结合，会怎样?如果 Stable Diffusion 可以创建准确描述临床背景的医学图像，它可以缓解训练数据的差距。
Bluethgen 与斯坦福大学计算与数学工程研究所的研究生和 AIMI 的机器学习研究员 Pierre Chambon 合作设计了一项研究，旨在扩展稳定扩散的能力以生成最常见类型的医学图像——胸部 X 光片。
他们共同发现，通过一些额外的训练，通用潜在扩散模型在创建具有可识别异常的人类肺部图像的任务中表现出奇的好。这是一个很有前途的突破，可能会导致更广泛的研究，更好地了解罕见疾病，甚至可能开发新的治疗方案。