懸壺濟(jì)世、救死扶傷是每一個(gè)醫(yī)者的心愿，得到準(zhǔn)確的診斷和悉心的治療也是每一位患者的心愿和早日康復(fù)的重要因素。但由于醫(yī)療資源緊張、醫(yī)患比例不均使得很多患者得不到有效的診斷和及時(shí)的救治。同時(shí)醫(yī)院中擁擠冗長(zhǎng)和低效也讓醫(yī)患雙方的訴求得不到滿(mǎn)足。

而人工智能作為下一波技術(shù)浪潮，將新的技術(shù)和生產(chǎn)力帶入到醫(yī)療特別是醫(yī)學(xué)檢測(cè)方面，給滿(mǎn)負(fù)荷運(yùn)轉(zhuǎn)的醫(yī)療系統(tǒng)帶來(lái)了新的動(dòng)力。AI的加入，不僅能將最簡(jiǎn)單的診治技術(shù)帶入到技術(shù)所能觸及的每個(gè)角落為醫(yī)療資源短缺的地區(qū)送來(lái)及時(shí)的技術(shù)補(bǔ)充，同時(shí)也將從繁重的重復(fù)勞動(dòng)中解放醫(yī)生，成為醫(yī)生有力的助手，使得他們可以將智慧和精力投入到疑難診治和疾病研究中去。本文的兩個(gè)案例介紹了基于計(jì)算機(jī)視覺(jué)的方法，檢測(cè)皮膚癌和白內(nèi)障的工作，將醫(yī)生的經(jīng)驗(yàn)轉(zhuǎn)化成AI算法的識(shí)別技術(shù)，更高效準(zhǔn)確的進(jìn)行檢測(cè)。

用AI診斷皮膚癌

斯坦福大學(xué)一個(gè)研究團(tuán)隊(duì)提出了根據(jù)皮膚圖片來(lái)診斷皮膚癌罹患概率的新方法，雖然這并不是第一個(gè)能自動(dòng)識(shí)別皮膚病變的算法，但在深度學(xué)習(xí)的幫助下它卻是目前為止最為穩(wěn)定可靠的方法！

皮膚病研究專(zhuān)家覺(jué)得這是一件十分令人興奮的事情，計(jì)算機(jī)識(shí)別和檢測(cè)能夠達(dá)到人類(lèi)專(zhuān)家的水平，意味著在這在這一細(xì)分領(lǐng)域的檢測(cè)效率能得到大幅的提高。這項(xiàng)研究的目的在于為每一個(gè)擁有智能手機(jī)的人都提供準(zhǔn)確高效的醫(yī)療服務(wù)。參與這項(xiàng)研究的Andre Esteva表示這樣的技術(shù)可以拓展現(xiàn)有的醫(yī)療服務(wù)范圍，減緩醫(yī)療資源緊缺的矛盾。

首先通過(guò)ImageNet的數(shù)據(jù)對(duì)模型進(jìn)行了預(yù)訓(xùn)練。隨后研究人員利用目前最大的皮膚癌分類(lèi)數(shù)據(jù)集（包含2000病歷進(jìn)13萬(wàn)張病變圖片）對(duì)模型進(jìn)行的進(jìn)一步的調(diào)整的改進(jìn)，最后得到了一個(gè)可以檢測(cè)輸入皮膚圖像中是否含有皮膚癌的神經(jīng)網(wǎng)絡(luò)模型。

在對(duì)比研究中，算法和21個(gè)得到認(rèn)證的皮膚科專(zhuān)家的診斷結(jié)果進(jìn)行了一一對(duì)比。他們需要從數(shù)以百計(jì)的從未見(jiàn)過(guò)的皮膚科病例圖像中判斷哪些是需要進(jìn)一步診斷的，哪些是良性的。最終結(jié)果表明，計(jì)算機(jī)和專(zhuān)家的表現(xiàn)難分伯仲，比如，計(jì)算機(jī)同樣和醫(yī)生一樣準(zhǔn)確的也可以分辨出角質(zhì)形成細(xì)胞癌——最常見(jiàn)的人類(lèi)皮膚癌，和稱(chēng)之為脂溢性角化病的皮膚良性增生。但這一項(xiàng)目在真正用于臨床診斷之前還需要經(jīng)受更嚴(yán)峻的考驗(yàn)。研究人員表示，目前還沒(méi)能讓算法區(qū)分出難以分辨的脂溢性角化病和黑色素瘤”。

皮膚科醫(yī)生對(duì)于病情的診斷完全基于視覺(jué)的信息。目前還不清楚計(jì)算機(jī)能否與醫(yī)生在臨床環(huán)境中表現(xiàn)的一樣優(yōu)異，臨床上他們可以通過(guò)對(duì)病變做物理檢查、閱讀病人的病史，同時(shí)還可以通過(guò)觸摸診斷患者的病情。

“如果這個(gè)算法可以被實(shí)踐證明有效，那會(huì)是對(duì)醫(yī)學(xué)界的一個(gè)巨大的顛覆。醫(yī)療系統(tǒng)大多都是不需要醫(yī)生面診的人，如果計(jì)算機(jī)能成功應(yīng)對(duì)這些病例，就可以讓醫(yī)生更迅速高效的面診有需要的病人。”Leachman說(shuō)。

這一技術(shù)還可以集成到手機(jī)APP中，只要擁有智能手機(jī)就可以進(jìn)行方便的皮膚癌檢測(cè)：

真正的將最前沿的技術(shù)帶到了每一個(gè)需要它的人手中

雖然有可能并不是所有皮膚科專(zhuān)家都?xì)g迎人工智能進(jìn)入他們的領(lǐng)域，肯定會(huì)有一些人害怕機(jī)器搶走他們的工作，同時(shí)有很多人對(duì)計(jì)算機(jī)的能力持懷疑態(tài)度，尤其是針對(duì)不夠穩(wěn)定的在線診斷應(yīng)用軟件。但另一方面，也會(huì)有醫(yī)生認(rèn)為新科技的應(yīng)用讓他們有時(shí)間去開(kāi)拓更先進(jìn)的領(lǐng)域，把時(shí)間留給更需要處理的疑難雜癥，把效率留給更多需要幫助和治療的人們。讓我們把時(shí)間和經(jīng)歷花在尚未解決的問(wèn)題上，而把我們已知算法處理的事物留給電腦。

用AI檢測(cè)白內(nèi)障，幫助患者重見(jiàn)光明

既然AI可以用在皮膚癌的診斷上，那么同樣是醫(yī)學(xué)圖像的檢測(cè)是不是也能被AI搞定呢？基于AI的圖像檢測(cè)技術(shù)可以解決那些醫(yī)護(hù)人員短缺地區(qū)的診斷檢查問(wèn)題，研究人員們于是將目光轉(zhuǎn)到了在廣泛存在的白內(nèi)障診斷上。

從前偏遠(yuǎn)地區(qū)的白內(nèi)障（包括兒童的先天性白內(nèi)障，會(huì)導(dǎo)致失明）檢查只能由下鄉(xiāng)的醫(yī)生完成，頻率和覆蓋范圍都不夠，患者往往的不到及時(shí)的診斷遺漏了最佳的治療時(shí)機(jī)。

來(lái)自中山大學(xué)的眼科專(zhuān)家Haotian Lin和同事們希望利用AI 解決這一問(wèn)題，為更多的人送上準(zhǔn)確方便的眼科檢查技術(shù)。但當(dāng)他們?cè)诮鉀Q這一問(wèn)題的時(shí)候他們面臨著一個(gè)需要解決的問(wèn)題——數(shù)據(jù)！

我們都知道數(shù)據(jù)對(duì)于深度學(xué)習(xí)系統(tǒng)十分重要，對(duì)于神經(jīng)網(wǎng)絡(luò)來(lái)說(shuō)就如火箭的燃料般重要。如果數(shù)據(jù)充足算力強(qiáng)勁的情況下，我們很有可能可以通過(guò)訓(xùn)練網(wǎng)絡(luò)來(lái)解決特定的問(wèn)題。但在有限的數(shù)據(jù)條件下，深度學(xué)習(xí)還能取得良好的效果嗎？

一篇DeepMind的研究啟發(fā)了研究人員們的思路，該研究演示了機(jī)器學(xué)習(xí)算法如何在有限的信息(最小化的初始信息)指導(dǎo)下開(kāi)始學(xué)習(xí)，在一系列街機(jī)游戲中擊敗專(zhuān)業(yè)的人類(lèi)玩家。受到這項(xiàng)研究的啟發(fā)，Haotian Lin和他的同事提出一個(gè)新的想法，創(chuàng)造一個(gè)可以自己從臨床數(shù)據(jù)庫(kù)中挖掘兒童的白內(nèi)障數(shù)據(jù)的AI。

通過(guò)和來(lái)自西安電子科技大學(xué)的Xiyang Liu教授團(tuán)隊(duì)合作，他們創(chuàng)建了一個(gè)叫做CC-Cruise的AI項(xiàng)目，它可以診斷先天性白內(nèi)障，預(yù)測(cè)疾病的嚴(yán)重程度，并給出治療建議。CC-Cruise在之前提到的數(shù)據(jù)上進(jìn)行訓(xùn)練。

三種數(shù)據(jù)

訓(xùn)練過(guò)程

研究員做了五次測(cè)試以驗(yàn)證CC-Cruiser的準(zhǔn)確率。第一次，在計(jì)算機(jī)模擬的醫(yī)療條件下，這個(gè)AI項(xiàng)目可以以98.87%的準(zhǔn)確率來(lái)區(qū)分出病人和健康的成人，以93%以上的準(zhǔn)確性估計(jì)疾病嚴(yán)重程度的三項(xiàng)指標(biāo)——晶狀體混濁區(qū)域、密度和位置，以97.56%的準(zhǔn)確率給出相應(yīng)的治療建議。

研究團(tuán)隊(duì)希望這個(gè)平臺(tái)最終能幫助那些沒(méi)有眼科專(zhuān)家的醫(yī)院來(lái)進(jìn)行白內(nèi)障診斷，所以第二次他們和三個(gè)醫(yī)療條件不是很發(fā)達(dá)的醫(yī)院合作，對(duì)來(lái)自中國(guó)兒童的57張眼部圖像進(jìn)行了一項(xiàng)臨床試驗(yàn)。測(cè)試結(jié)果表明CC-Cruiser同樣表現(xiàn)良好：98.25%的識(shí)別準(zhǔn)確率，超過(guò)92%的三項(xiàng)指標(biāo)估計(jì)和92.86%的治療建議的準(zhǔn)確性。

另外，研究人員希望研究低質(zhì)量的眼病圖像對(duì)CC-Cruiser診斷結(jié)果的影響，于是他們進(jìn)行了第三次實(shí)驗(yàn)測(cè)試。他們隨機(jī)從網(wǎng)上下載了53個(gè)眼病圖像，并利用CC-Cruiser進(jìn)行測(cè)試，它仍然達(dá)到了很高的精確度。但是研究人員并沒(méi)有就此停止測(cè)試，第四次他們又進(jìn)行了三次“大海撈針”一樣的測(cè)試，這個(gè)算法每次都能從300例正常眼睛圖像中成功找出三張白內(nèi)障圖像。

最后，為了模擬真實(shí)世界的使用，他們直接讓算法和三位醫(yī)師一起臨床診斷50個(gè)病人，這三位醫(yī)師分別是眼科專(zhuān)家、有經(jīng)驗(yàn)的眼科醫(yī)生和沒(méi)經(jīng)驗(yàn)的眼科醫(yī)生，結(jié)果表明計(jì)算機(jī)和專(zhuān)家的水平不相上下。

在這次測(cè)試中，也許是訓(xùn)練圖像數(shù)量不足的原因，算法確實(shí)出現(xiàn)了很少的幾次誤診，所以林醫(yī)生希望建立一個(gè)更大的數(shù)據(jù)集以改進(jìn)它的性能。他們計(jì)劃建立一個(gè)協(xié)作云平臺(tái)來(lái)實(shí)現(xiàn)這一目標(biāo)，但林強(qiáng)調(diào)，這項(xiàng)技術(shù)并不能保證100%正確率的最佳治療方案，醫(yī)生應(yīng)該充分利用機(jī)器的建議來(lái)補(bǔ)充他們自己的判斷以識(shí)別和防止?jié)撛诘恼`診情況。

自動(dòng)化檢查過(guò)程

所以，CC-Cruiser不可能迅速的取代眼科醫(yī)生。 林說(shuō)，“尤其是在一個(gè)關(guān)鍵技術(shù)上——人與人的交流和有效的互動(dòng)，這是治療中不可或缺的，讓機(jī)器來(lái)模擬人類(lèi)的情感是非常有挑戰(zhàn)性的。醫(yī)生和患者之間面對(duì)面的互動(dòng)將是人類(lèi)智慧的最后堡壘”。研究小組希望，通過(guò)進(jìn)一步的臨床試驗(yàn)，非專(zhuān)科醫(yī)院可以使用這個(gè)算法確定病情后將病人送到專(zhuān)科治療中心。病人也可以選擇先讓算法來(lái)為自己診斷，如果對(duì)診斷結(jié)果存在疑慮的話再去找專(zhuān)家。”林補(bǔ)充說(shuō)：“人工智能的最終目標(biāo)是結(jié)合人類(lèi)的能力利用它，使世界變得更美好。”