Google DeepMind 最近在《自然－醫(yī)學(xué)（Nature Medicine）》期刊上發(fā)表研究報告顯示，它迎來一項里程碑式的醫(yī)療成就，它的 AI 在診斷眼疾上與人類醫(yī)生一樣出色。
DeepMind 與倫敦摩爾菲爾茨（Moorfields）眼科醫(yī)院合作，在今年 2 月開發(fā)出能夠通過分析 3D 視網(wǎng)膜掃描影像、識別青光眼和糖尿病視網(wǎng)膜病變等主要眼睛疾病的 AI 技術(shù)。在 997 名患者的掃描影像上進行的測試中，DeepMind 的算法在轉(zhuǎn)診推薦的準確度比摩爾菲爾茨眼科醫(yī)院的 8 名視網(wǎng)膜?？漆t(yī)生表現(xiàn)得更好——DeepMind 算法的錯誤率為 5．5％，而 8 名人類醫(yī)生的錯誤率在 6．7％ 到 24．1％ 之間；如果向人類醫(yī)生提供患者的背景信息，人類醫(yī)生的錯誤率會降低到 5．5％ 到 13．1％ 之間，結(jié)果與 AI 的水平持平或稍差。
DeepMind稱，這套人工智能系統(tǒng)能夠以前所未有的準確率快速解讀常規(guī)臨床實踐的觀察結(jié)果，從而向患者推薦治療方法，水準堪比世界領(lǐng)先醫(yī)療專家，且診斷范圍涵蓋50逾種威脅視力的眼科疾病?！斑@有望徹底改變我們管理人類各種眼科疾病的方式?！?/p>
從長遠角度來講，DeepMind希望這一成果能夠幫助醫(yī)生們快速確定需要緊急醫(yī)治的患者的優(yōu)先順序，以最終提升治療效果。
更為精簡的診斷流程
目前，眼科醫(yī)療專業(yè)人員利用光學(xué)相干斷層掃描（optical coherence tomography，簡稱OCT）幫助診斷眼部狀況。這些3D影像能夠提供關(guān)于眼球體背面的詳細信息，但其解讀難度極高，且通常需要由經(jīng)驗豐富的專家進行分析與解釋。
分析這些掃描影像所需要的時間，再加上醫(yī)療衛(wèi)生專業(yè)人員需要面對的影像數(shù)量（僅在摩爾菲爾茨眼科醫(yī)院，每天就需要進行超過1000次相關(guān)掃描），往往導(dǎo)致掃描與治療之間的時間周期出現(xiàn)嚴重延遲。這意味著，一部分病患可能無法得到必要的緊急處理，而一旦他們出現(xiàn)突發(fā)性狀況，例如眼底出血，此類延誤甚至有可能令患者徹底失明。
DeepMind開發(fā)出的這套系統(tǒng)旨在解決這一挑戰(zhàn)。其不僅能夠在數(shù)秒鐘之內(nèi)自動檢測到眼部疾病的特征，還可以通過提供是否需要轉(zhuǎn)診等建議以優(yōu)先考量急需治療的患者。這種即時性的分類過程能夠大大縮短掃描與治療之間的時間周期，從而幫助患有糖尿病及年齡相關(guān)性黃斑變性的患者避免喪失視力。
具有強大的技術(shù)適應(yīng)性
DeepMind不僅將其視為一種有趣的學(xué)術(shù)性成果，還希望能夠真正利用其進行治療。因此，DeepMind也在論文當中談到了人工智能在臨床實踐中的一大主要障礙，即“黑匣子”問題。對于大多數(shù)人工智能系統(tǒng)而言，我們往往很難準確理解其提出建議的具體依據(jù)。對于需要了解系統(tǒng)推理的臨床醫(yī)生及患者而言，這顯然是種無法接受的情況。換言之，人們不僅需要了解人工智能給出了怎樣的結(jié)論，更需要知道為什么。
DeepMind的系統(tǒng)采用了一種新穎的方法來解決這個問題，即將兩套不同的神經(jīng)網(wǎng)絡(luò)結(jié)合起來，并在二者之間插入一套可輕松解釋的表達機制。
· 第一套神經(jīng)網(wǎng)絡(luò)被稱為拆分網(wǎng)絡(luò)（segmentation network），用于分析OCT掃描以提供不同類型的眼組織圖譜并發(fā)現(xiàn)其中存在的疾病特征，例如出血、病變、不規(guī)則積液或者其它病變跡象。通過這套圖譜，眼科專業(yè)人員將能夠深入理解系統(tǒng)的“思考過程”。
· 第二套網(wǎng)絡(luò)則被稱為分類網(wǎng)絡(luò)（classification network），其負責分析這份圖譜，從而為臨床醫(yī)師提供診斷與推薦建議。最重要的是，該網(wǎng)絡(luò)會以百分比的形式表達建議內(nèi)容，從而幫助臨床醫(yī)生更準確地評估系統(tǒng)對其分析結(jié)論的信心水平。
這一功能至關(guān)重要，因為眼科治療專家一直在為患者決定護理及治療方式方面發(fā)揮著核心作用。因此，確保他們能夠認真核查系統(tǒng)建議亦成為人工智能方案在實踐中實現(xiàn)全面使用的關(guān)鍵所在。
最重要的是，這項技術(shù)還能夠?qū)硬煌愋偷难鄄繏呙鑳x，而非單純支持Moorfields提供的特定設(shè)備類型。這看似無關(guān)緊要，但卻具有深遠的意義，意味著該項技術(shù)可以較為輕松地應(yīng)用于世界各地，從而極大增加由此受益的患者的具體數(shù)量。此外，這也確保了在醫(yī)院及其它臨床場景隨時間推移對自身OCT掃描儀進行升級或更換時，該系統(tǒng)仍能正常發(fā)揮作用。
下階段展望
DeepMind坦言，盡管對目前的進展感到無比自豪，但這項初步研究尚未真正轉(zhuǎn)化為實際產(chǎn)品，并需要在實際應(yīng)用之前經(jīng)受嚴格的臨床試驗與監(jiān)管審批。不過他們相信，這套系統(tǒng)將很快改變眼科疾病的診斷、治療與管理方式。
如果這項技術(shù)順利通過臨床試驗階段并進入一般性使用驗證期，那么摩爾菲爾茨眼科醫(yī)院的臨床醫(yī)生們就會免費將其引入多達30家英國醫(yī)院及社區(qū)診所。這一初步驗證周期為五年，且各醫(yī)院及診所目前每年為3萬名患者提供服務(wù)，每天接受的轉(zhuǎn)診OCT掃描總量超過1000次。因此，在新技術(shù)的加持之下，每家診所都可以借此提高判斷準確率并加快診斷速度。
然而，摩爾菲爾茨眼科醫(yī)院掌握的原始數(shù)據(jù)集適用于臨床使用，但卻不適用于機器學(xué)習(xí)研究。因此，DeepMind在數(shù)據(jù)集的清潔、規(guī)劃與標記方面投入了大量資金，最終為全球眼科研究領(lǐng)域構(gòu)建起最強大的人工智能數(shù)據(jù)庫之一。
這套經(jīng)過改進的數(shù)據(jù)庫將由摩爾菲爾茨眼科醫(yī)院方面作為非商用公共資產(chǎn)持有，且已經(jīng)被醫(yī)院的研究人員們用于九項獨立研究，涵蓋多種具體條件——未來還將有更多項目與之對接。摩爾菲爾茨眼科醫(yī)院也計劃利用DeepMind提供的經(jīng)過訓(xùn)練的人工智能模型進行更多非商業(yè)性研究。
（免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關(guān)資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 ）
