據國外媒體報道，對于從手術中提取的組織樣本，人類病理學專家通常需要大約30分鐘才能從中診斷出腦瘤。相比之下，一種新的人工智能系統可以在不到150秒的時間內做到這一點，而且比人類同行更準確。

在近期發表在《自然-醫學》（Nature Medicine）雜志上的一項新研究中，科學家描述了一種新的診斷技術，它結合了先進的光學成像技術和人工智能的力量。該系統可以在患者仍在手術臺上的情況下，對腦腫瘤進行實時、快速、準確的診斷。在測試中，人工智能做出的診斷比人類病理學家做出的診斷稍微準確一些，時間也更短一些。令人興奮的是，這個新系統可以在那些無法找到專業神經學家的地方大顯身手，而且還有望幫助診斷其他類型的癌癥。

在癌癥手術中，外科醫生提取一些有潛在問題的組織用于實驗室分析并不罕見。這些術中活檢有助于更準確的診斷，并幫助醫療團隊設計下一步的治療方案，如安排后續手術切除腫瘤。這項新研究稱，美國一年大約有110萬份大腦樣本需要由訓練有素的神經病理學家進行活檢，這個過程是“時間、資源和勞動密集型的”。

事實上，這些診斷涉及十幾個步驟，包括將組織從手術室運輸到實驗室，暫時將其放在低溫冷凍狀態，再對樣品進行解凍和脫水，用二甲苯清潔，最后再放在顯微鏡下分析。最重要的是，執行所有這些步驟都需要組織病理學家，而這正是目前所缺乏的。研究報告稱，“鑒于神經病理學研究人員42%的空缺率，預計還會出現進一步的短缺。”

為了簡化這一過程，紐約大學的神經學家丹尼爾·奧林杰（Daniel Orringer）和同事開發了一種診斷技術，將一種名為“受激拉曼組織學”（stimulated Raman histology ，簡稱SRH）的新型光學成像技術與人工智能深層神經網絡結合起來。SRH使用散射激光來照射標準成像技術中通常看不到的特征。在手術過程中，通過SRH獲得的圖像由人工智能算法進行評估，所需時間不到150秒，而人類神經病理學家往往需要20至30分鐘。

更為神奇的是，人工智能還能探測到肉眼看不到的活檢特征。“作為外科醫生，我們只能根據所見來采取行動；這項技術讓我們能夠看到原本看不見的東西，從而提高手術的速度和準確性，降低誤診的風險，”丹尼爾·奧林杰表示，“有了這種成像技術，癌癥手術比以往任何時候都更安全、更有效。”

為了建立深度神經網絡，科學家利用415名患者的250萬張圖像對系統進行訓練。在訓練結束時，人工智能已經可以將腦組織分為13種常見的腦腫瘤，如惡性膠質瘤、淋巴瘤、轉移性腫瘤、彌漫性星形細胞瘤和腦膜瘤。

隨后，研究人員在三家不同的醫療機構對278名腦瘤和癲癇患者進行了臨床試驗，以測試該系統的有效性。由人類專家和人工智能分別對SRH圖像進行了評估。結果顯示，人工智能識別腫瘤的正確率為94.6%，而人類神經病理學家的正確率為93.9%。有趣的是，人類所犯的錯誤與人工智能所犯的錯誤是不同的，這實際上是一個好消息，因為這表明人工智能的錯誤性質可以在未來得到解釋和糾正，從而獲得一個更準確的系統。

SRH將徹底改變神經病理學領域，因為它改善了手術過程中的決策過程，而且在缺少神經病理學家的醫院里，它可以提供專家級的評估結果。此外，該研究還指出，由于腦瘤的許多組織學特征在其他形式的癌癥中也能看到，因此該系統最終可能用于其他領域，包括皮膚科、婦科、乳腺外科和頭頸外科手術。

可以肯定的是，人工智能正在緩慢地超越人類。例如，谷歌公司開發出了比人類專家更擅長診斷乳腺癌和肺癌的系統。對于超越人類的人工智能，我們有時會感到緊張（這也情有可原），但在醫療這方面，讓人工智能的步子邁得更大一些吧。

檢測乳腺癌的谷歌人工智能

谷歌公司的研究人員已經成功訓練出能夠檢測乳腺癌的人工智能，其準確率甚至比醫生還高在進軍醫療領域的努力中，谷歌公司的研究人員已經成功訓練出能夠檢測乳腺癌的人工智能，其準確率甚至比醫生還高。在谷歌資助的這項研究中，一個由不同醫院和大學的獨立研究人員、谷歌健康部門的研究人員，以及DeepMind（谷歌擁有的英國人工智能公司）的工程師組成的團隊，對來自英國和美國的近29000張乳房X光片進行了分析和比較。研究報告發現，美國和英國的假陰性結果分別減少了9.7%和2.7%，假陽性結果分別減少了5.7%和1.2%。這還是在人工智能處理的信息較少的情況下實現的。在其對照研究中，谷歌從其美國數據集中隨機選擇了500張X光片，并提供了患者的年齡、乳腺癌病史和之前的X光片。

對于調查樣本，谷歌提供的人口統計信息有限，但如果將人工智能用于現實世界中更具多樣性人群里，那人工智能或許就有助于發現隱藏在致密組織背后的癌癥。這篇論文還指出，與美國不同，人工智能還可以減少英國放射科醫生的“工作量”。與美國不同，英國患者通常在每次乳房X光檢查時會得到二次意見。

毫無疑問，隨著谷歌公司將業務擴展到醫療技術領域，未來十年還將會出現更多的發展。谷歌首席執行官桑達·皮采（Sundar Pichai）表示，醫療是人工智能最大的應用領域之一，“在未來10到20年里，它的益處將不斷顯現”。在最新的這項研究之前，谷歌已經在研究通過深度學習檢測乳腺癌的擴散。過去幾年里，谷歌還一直在訓練人工智能來檢測糖尿病眼疾和心臟病，以及分析多發性硬化癥進展的數據。2014年，谷歌曾嘗試推出一款植入微芯片的智能隱形眼鏡，用來檢測血糖水平，但后來發現眼淚量不足以測量血糖，因此停止了這款眼鏡的研發工作。在這種背景下，谷歌收購了Fitbit公司（包括其子公司Fitbit Health Solutions），旨在將健康保險成本與Fitbit的數據結合起來。

不過谷歌公司對用戶數據的挖掘也存在爭議，盡管他們宣稱是為了慈善目的。2017年，英國有關部門指控谷歌非法獲得了160萬人的健康記錄，用于DeepMind所進行的一項腎臟損傷研究。就在幾個月前，谷歌在一項名為“南丁格爾計劃”（Project Nightingale）的研究中，在數百萬美國人不知情的情況下，收集了他們的醫療數據（谷歌認為其數據收集是與健康保險流通與責任法案兼容的）。

埃塔·皮薩諾（Etta Pisano）是貝斯以色列萊赫醫療中心放射科的住院教授，他認為醫療界不用操之過急。皮薩諾提到了早期計算機輔助檢測（CAD）技術的失敗。上世紀九十年代，該技術首次引入，“在實驗檢測中表現出了巨大前景，但未能在現實中獲得成功”。該技術的診斷準確性并沒有強于人類。不過，皮薩諾也寫道，乳腺癌篩查“可能是人工智能在醫學成像領域一個理想的應用”，因為它有大量的數據集可以利用，而且與其他必須考慮多方面因素的診斷相比，乳腺癌檢測更具有二元性。