據麥姆斯咨詢介紹，人工智能（AI）正在深刻變革醫療診斷。最新的研究成果表明，人工智能軟件可以針對皮膚、眼睛、耳朵、肺、乳房等部位的各種疾病，實現基于圖像的快速、準確的診斷。人工智能技術的發展可以實現自動化診斷和分診，更快地處理以加快轉診過程，尤其是對于急診情況，可以釋放專家資源，在任何地方提供最佳的準確性和更廣泛的適用性。這將是具有深遠影響的開創性發展。毫不意外，很多創新廠商正順勢而為，爭先恐后把握人工智能技術的發展紅利。

英國知名研究機構IDTechEx在本報告中研究了這一趨勢，全面考量了健康醫療領域的數字化和人工智能應用趨勢。本報告概述了針對皮膚、眼睛、心臟、乳房、腦、肺、血液、遺傳疾病等各種病癥的基于人工智能的最新診斷技術。這些診斷技術所使用的數據源非常豐富，包括皮膚鏡圖像、眼底圖像、OCT、CT、CTA、超聲心動圖、心電圖、乳腺造影、病理切片以及低分辨率手機圖像等。本報告還篩選并重點介紹了尋求利用這些技術進步來實現診斷和分診過程自動化的創新廠商。

突破性技術

大量資金正流向開發人工智能工具的初創公司和大公司的研發團隊，以基于從RGB圖像到CT掃描、ECG信號、乳腺造影和病理切片等眾多數據源，加速和/或改善各種疾病的檢測和分診。最新的研究表明，與經過培訓的專家和專業人員相比，人工智能軟件可以更快、更經濟、更準確地完成這些任務。

現在這種趨勢正在不斷升溫，因為，（1）數字化醫療的數據源正在迅速增加，提供了豐富的算法訓練來源，并且，（2）人工智能算法尤其是經過訓練的深度神經網絡技術的進步，使軟件能夠解決過去無法完成的任務。

本報告概述了許多此類進展，并突出介紹了那些正在把握機遇的重點廠商。此外，本報告還特別概述了兩類具體的病例：眼科疾病和皮膚疾病。

眼科疾病

糖尿病視網膜病變是一種影響眼睛的并發癥。來自印度的研究人員近期表明，人工智能軟件可以準確地解讀視網膜眼底成像照片，從而使大規模篩查計劃能夠檢測出糖尿病視網膜病變。這種軟件經過訓練可以進行多種二元分類（binary classifications），為每個患者分配風險等級。其算法基于超過14萬張圖像進行了訓練和調整，使搭載該算法的設備的靈敏度和選擇性，能夠比肩并超越訓練有素的人工專家。該軟件的靈敏度和選擇性分別達到92.1%和95.2%。

顯然，該應用有巨大的商業前景，許多廠商正在尋求該領域的人工智能應用。例如來自美國愛荷華州的IDx，該公司也設計并開發了一款檢測糖尿病視網膜病變的算法。IDx的人工智能系統的靈敏度和特異性分別達到87%和90%。早在2017年，它就在美國的10個不同地區，對900名患者進行了測試。

IDx人工智能診斷系統

光學相干斷層掃描成像（OCT）是眼科診所非常常見且有效的測試方法，它可以生成眼底組織的高分辨率（5 um）3D地圖，但需要專家分析才能解讀。OCT現在是最常見的成像檢查之一，僅在2014年，美國醫療保險人群就進行了535萬次OCT掃描。如此大的檢查數據量在處理和分診時會造成積壓，在緊急情況下可能會導致治療延遲，危及病患。

DeepMind（谷歌）展示了一種基于3D OCT圖像自動進行分診處理的算法。他們的算法設計具有一些獨特的功能。它包括兩個階段：（1）分割網絡和（2）分類網絡。分割網絡輸出標記的組織分割圖。基于分割的圖像，第二網絡輸出50多種眼部疾病的診斷概率，并提供轉診建議。第一部分分割網絡在877張人工分割的圖像上進行了訓練，第二部分分類網絡在14884張確定診斷和轉診決策的訓練組織圖上進行了網絡訓練。該數據庫是目前全球最好的醫療眼科數據庫之一。

DeepMind如何幫助眼科疾病的診斷

這種兩步設計的優勢在于，當OCT設備或圖像清晰度發生變化時，只需要重新訓練第一部分即可。這將有助于提高算法的通用性。而對于端到端的訓練網絡，整個網絡都需要重新訓練。

DeepMind證明，它們的人工智能算法在轉診建議方面的表現達到或超過了視網膜疾病專家的水平。其轉診決策的錯誤率為5.5%，甚至超過或比肩那些除了OCT，還有眼底圖像和患者病歷參考的專家。此外，在轉診急診病例時，其人工智能在選擇性和敏感性方面擊敗了所有視網膜專家和驗光師。顯然這還只是人工智能顯露身手的第一步，卻是真正打開應用大門的重要一步。

皮膚疾病

德國海德堡大學（University of Heidelberg）的研究人員證明，經過訓練的深度神經網絡（該研究基于谷歌Inception v4 CNN架構），可以基于皮膚鏡檢查圖像識別黑色素瘤。他們的研究表明，當靈敏度設置為與人類臨床醫生相當的水平時，該軟件算法的特異性比人類臨床醫生高10%。該軟件算法可在63.8%的特異性下實現95%的高靈敏度。

這是令人鼓舞的結果，表明此類診斷可以利用人工智能算法實現自動化。事實上，多家公司正在皮膚科疾病領域探索。例如，來自荷蘭的SkinVision公司，該公司正嘗試利用相對較低質量的智能手機照片來提供皮膚癌的風險等級。他們利用來自多個國家的3.1萬用戶超過13.1萬張照片進行了算法訓練。訓練圖像的風險等級，由皮膚科醫生標注。研究表明，該算法檢測惡性腫瘤的靈敏度為95.1%，特異性為78.3%。數據結果還不錯，但特異性還有待提高，因為它可能會為部分患者帶來不必要的恐慌。

SkinVision利用人工智能檢測皮膚癌的智能手機APP

當然，商業案例不僅僅局限于癌癥檢測。Haut.AI是一家來自愛沙尼亞的公司，該公司提出利用照片來跟蹤皮膚動態并提供建議。例如，它們的人工智能算法可以僅利用匿名用戶的眼角照片，來提供簡單且準確的生理年齡預測。其深度神經網絡基于8414張標記真實生理年齡的匿名高分辨率眼角照片進行了訓練。對于年齡在20至80歲之間的特定人群，其人工智能算法預測結果的平均絕對誤差為2.3年。

Haut.AI利用眼角照片預測生理年齡

當然，該領域還有更多的初創公司。有些公司專注于健康診斷，而另一些公司則尋求利用人工智能來打造量身定制的護膚方案和產品推薦。每個目標功能的市場路徑以及監管壁壘，自然會有所不同。

本報告概述了人工智能在一系列醫療診斷中的最新技術和應用，還篩選并討論了在該領域尋求商業化的各廠商的最新進展。此外，本報告還全面審視了數字醫療的大趨勢，詳細介紹了相關生態系統，并提供了數字醫療各個方向的關鍵趨勢、機遇和前景，包括：遠程醫療、遠程病患監控、數字治療/醫療器械/軟件即設備、糖尿病管理、消費者基因檢測、護理智能家居以及診斷中的人工智能等。