Google DeepMind 最近在《自然－醫(yī)學(xué)（Nature Medicine）》期刊上發(fā)表研究報(bào)告顯示，它迎來(lái)一項(xiàng)里程碑式的醫(yī)療成就，它的 AI 在診斷眼疾上與人類(lèi)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(kāi)發(fā)出能夠通過(guò)分析 3D 視網(wǎng)膜掃描影像、識(shí)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(jìn)行的測(cè)試中，DeepMind 的算法在轉(zhuǎn)診推薦的準(zhǔn)確度比摩爾菲爾茨眼科醫(yī)院的 8 名視網(wǎng)膜專(zhuān)科醫(yī)生表現(xiàn)得更好——DeepMind 算法的錯(cuò)誤率為 5．5％，而 8 名人類(lèi)醫(yī)生的錯(cuò)誤率在 6．7％ 到 24．1％ 之間；如果向人類(lèi)醫(yī)生提供患者的背景信息，人類(lèi)醫(yī)生的錯(cuò)誤率會(huì)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(chēng)，這套人工智能系統(tǒng)能夠以前所未有的準(zhǔn)確率快速解讀常規(guī)臨床實(shí)踐的觀察結(jié)果，從而向患者推薦治療方法，水準(zhǔn)堪比世界領(lǐng)先醫(yī)療專(zhuān)家，且診斷范圍涵蓋50逾種威脅視力的眼科疾病。“這有望徹底改變我們管理人類(lèi)各種眼科疾病的方式?！?br />
從長(zhǎng)遠(yuǎn)角度來(lái)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(jiǎn)的診斷流程

目前，眼科醫(yī)療專(zhuān)業(yè)人員利用光學(xué)相干斷層掃描（optical coherence tomography，簡(jiǎn)稱(chēng)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(xì)信息，但其解讀難度極高，且通常需要由經(jīng)驗(yàn)豐富的專(zhuān)家進(jìn)行分析與解釋。

分析這些掃描影像所需要的時(shí)間，再加上醫(yī)療衛(wèi)生專(zhuān)業(yè)人員需要面對(duì)的影像數(shù)量（僅在摩爾菲爾茨眼科醫(yī)院，每天就需要進(jìn)行超過(guò)1000次相關(guān)掃描），往往導(dǎo)致掃描與治療之間的時(shí)間周期出現(xiàn)嚴(yán)重延遲。這意味著，一部分病患可能無(wú)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(lèi)延誤甚至有可能令患者徹底失明。

DeepMind開(kāi)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(dòng)檢測(cè)到眼部疾病的特征，還可以通過(guò)提供是否需要轉(zhuǎn)診等建議以?xún)?yōu)先考量急需治療的患者。這種即時(shí)性的分類(lèi)過(guò)程能夠大大縮短掃描與治療之間的時(shí)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(qiáng)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(jìn)行治療。因此，DeepMind也在論文當(dāng)中談到了人工智能在臨床實(shí)踐中的一大主要障礙，即“黑匣子”問(wèn)題。對(duì)于大多數(shù)人工智能系統(tǒng)而言，我們往往很難準(zhǔn)確理解其提出建議的具體依據(jù)。對(duì)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(wú)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(lái)解決這個(gè)問(wèn)題，即將兩套不同的神經(jīng)網(wǎng)絡(luò)結(jié)合起來(lái)，并在二者之間插入一套可輕松解釋的表達(dá)機(jī)制。

· 第一套神經(jīng)網(wǎng)絡(luò)被稱(chēng)為拆分網(wǎng)絡(luò)（segmentation network），用于分析OCT掃描以提供不同類(lèi)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(guò)這套圖譜，眼科專(zhuān)業(yè)人員將能夠深入理解系統(tǒng)的“思考過(guò)程”。

· 第二套網(wǎng)絡(luò)則被稱(chēng)為分類(lèi)網(wǎng)絡(luò)（classification network），其負(fù)責(zé)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(huì)以百分比的形式表達(dá)建議內(nèi)容，從而幫助臨床醫(yī)生更準(zhǔn)確地評(píng)估系統(tǒng)對(duì)其分析結(jié)論的信心水平。

這一功能至關(guān)重要，因?yàn)檠劭浦委煂?zhuān)家一直在為患者決定護(hù)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(rèn)真核查系統(tǒng)建議亦成為人工智能方案在實(shí)踐中實(shí)現(xiàn)全面使用的關(guān)鍵所在。

最重要的是，這項(xiàng)技術(shù)還能夠?qū)硬煌?lèi)型的眼部掃描儀，而非單純支持Moorfields提供的特定設(shè)備類(lèi)型。這看似無(wú)關(guān)緊要，但卻具有深遠(yuǎn)的意義，意味著該項(xiàng)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(chǎng)景隨時(shí)間推移對(duì)自身OCT掃描儀進(jìn)行升級(jí)或更換時(shí)，該系統(tǒng)仍能正常發(fā)揮作用。

下階段展望

DeepMind坦言，盡管對(duì)目前的進(jìn)展感到無(wú)比自豪，但這項(xiàng)初步研究尚未真正轉(zhuǎn)化為實(shí)際產(chǎn)品，并需要在實(shí)際應(yīng)用之前經(jīng)受?chē)?yán)格的臨床試驗(yàn)與監(jiān)管審批。不過(guò)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(xiàng)技術(shù)順利通過(guò)臨床試驗(yàn)階段并進(jìn)入一般性使用驗(yàn)證期，那么摩爾菲爾茨眼科醫(yī)院的臨床醫(yī)生們就會(huì)免費(fèi)將其引入多達(dá)30家英國(guó)醫(yī)院及社區(qū)診所。這一初步驗(yàn)證周期為五年，且各醫(yī)院及診所目前每年為3萬(wàn)名患者提供服務(wù)，每天接受的轉(zhuǎn)診OCT掃描總量超過(guò)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(zhǔn)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(jī)器學(xué)習(xí)研究。因此，DeepMind在數(shù)據(jù)集的清潔、規(guī)劃與標(biāo)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(qiáng)大的人工智能數(shù)據(jù)庫(kù)之一。

這套經(jīng)過(guò)改進(jìn)的數(shù)據(jù)庫(kù)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(xiàng)獨(dú)立研究，涵蓋多種具體條件——未來(lái)還將有更多項(xiàng)目與之對(duì)接。摩爾菲爾茨眼科醫(yī)院也計(jì)劃利用DeepMind提供的經(jīng)過(guò)訓(xùn)練的人工智能模型進(jìn)行更多非商業(yè)性研究。