Decode Horos/OsiriX roi_series

記得 R1 剛進來的時候，科裡有醫師團隊花了很多心力用 OsiriX（一款 macOS 上的 DICOM 管理軟體）繪製了很多影像標注資料，但是由於 OsiriX 沒有跟上時代趨勢，這些資料使用了其專屬的格式存成 plist。我花了幾個月時間從 0 開始學怎麼看懂 obj-C，然後從開源版的 Horos 去逆向出他們內部的一整套多邊體標注及平滑模組，前前後後測試加成功萃取出資料，花了我大約六個月時間。對應的腳本還需用另一套 Horos python plugin 去執行。

結果今天 Codex 在幫我整理這批資料的時候，沒有找到這個手工解碼器，它在五分鐘內創建了一個新的版本：辨認出 plist 結構、拉取 Horos 原始碼、迅速找到對應的程式、跟已經跑出來的資料做比對，全部一氣呵成（如下面的截圖），然後事了拂衣去，淡淡地跟我說已搞定、已驗證。真是令人驚異。我 2023 年第一次嘗試 Github Copilot 也是處理同一個研究案，讓 Copilot 協助重寫整個檔案處理流程。經過它的完全重寫，一筆影像所需的處理時間從十分鐘變成三十秒，當時也是讓我冷汗直流。如今 Codex 再次重寫整批處理腳本，速度及準確度都更好。

我的認為對放射科來說，這兩年會有一波新的時代紅利 - 以前很多需要花極大量人工處理的臨床問題可能可以很快地用這些工具解決。因此實際上的速率限制步驟剩下資料搜集、清理。寫論文這事情則是最快的。