Decode Horos/OsiriX roi_series

記得 R1 剛進來時，科裡有醫師團隊花心力用 OsiriX（一款 macOS 上的 DICOM 管理軟體）繪製大量影像標注資料，但由於 OsiriX 沒有跟上時代趨勢，這些資料使用其專屬格式存成 plist。我從 0 開始學怎麼看懂 obj-C，從開源版 Horos 逆向出內部的多邊體標注與平滑模組，前後測試到成功萃取出資料，約花了六個月。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時，沒有找到這個手工解碼器，它在五分鐘內創建新版本：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 - 以前很多需要大量人工處理的臨床問題，可能很快就能用這些工具解決。因此實際的速率限制步驟只剩資料搜集、清理；寫論文反而最快。