人工智慧診斷癌症、眼疾準確率超過90%，怎麼做到的

更多精彩內容，關注烏鎮智庫微信公眾號（WUZHEN-INSTITUTE）

對人工智慧而言，醫療領域一直被視為很有前景的應用領域。目前主要的應用包括臨床決策支持、病人監控、醫療系統管理等多方面。

基於大型海量的資料庫，AI 系統可以通過各種複雜的計算模型和機器學習技術，提煉出種種重要的信息，實現對部分病症的診斷，提高診斷準確率，比如在對皮膚癌症、白內障等疾病的診斷上，就已經有了不錯的結果。

人工智慧演算法診斷癌症，不比人類醫生差

斯坦福大學的研究人員開發了一種基於深度學習的演算法，以便直觀地診斷潛在的癌症。

「我們意識到這是可行的，而且可以做得像人類皮膚科醫生一樣好。」斯坦福人工智慧實驗室的副教授 Sebastian Thrun 說，「就在那時，我們的想法改變了。也就在那時，我們說，『看吶，這不僅僅是一個學生的課程，這是一個機會，為人類做出偉大貢獻的機會。』」

研究人員與斯坦福醫學院研究人員運用了 CUDA，TITAN X GPU 和 cuDNN進行深度學習工作，同時，他們用了代表超過2000種不同皮膚疾病的13000張的圖像，來訓練他們的深卷積神經網路。

圖像深卷積神經網路——數據流從左到右

「我們沒有足夠大的皮膚癌數據集可以訓練我們的演算法，所以我們不得不做我們自己的數據。」 Brett Kuprel —— Thrun 實驗室的畢業生，也是此篇論文的合著者這樣說，「我們從互聯網上收集圖像，並與醫學院合作創建了一個分類法。搜集到的數據非常混亂，游標簽就有多種語言，包括德語，阿拉伯語和拉丁語。」

在測試中，AI 演算法匹配了21個不同專業的皮膚科醫生。合格測試通過三個關鍵的診斷任務進行評估：角化細胞惡性腫瘤分類，黑素瘤分類，以及使用皮膚鏡觀察時的黑素瘤分類。該團隊希望這個演算法與智能手機有朝一日得以兼容。但他們也承認在此之前，系統還需要在臨床環境上進行更多的測試。

除了診斷癌症，放射診斷也能用人工智慧

類似的工作並不只是斯坦福大學的研究員在做，來自中國、美國其它機構組織的科學家和研究員也在嘗試類似的研究。

美國國家衛生研究院（NIH）的科學家 Le Lu 和他的團隊同樣藉助深度學習技術，用近百萬患者病例訓練他們的模型。這有助於他們建立更好的醫療圖像理解工具和成像的生物標誌物，從而更精確地檢查癌症治療工作的進展。

同樣來自 NIH 的高級研究員 Ronald Summers 則分享了不同的研究方向，即如何通過先進的計算機技術提高放射診斷的準確度，以此來改善患者護理。

他的研究小組利用深度學習幫助醫生做出更準確的診斷，減少錯誤的幾率，同時還能幫助醫療條件薄弱，得不到先進的放射科服務的人群。

Ronald Summers 說：「通過深度學習和 GPU 加速，我們對這些計算機程序的性能都進行了大幅度改進，使程序的性能越來越接近普通醫生的水平。

這個深度學習演算法，診斷眼疾準確率超過90%

來自中國的眼科專家和科學家則開發了一種深度學習演算法，用於識別先天性白內障。要知道全球失明的兒童中有10%是因為這種罕見的眼病。

研究人員提到，這個演算法將幫助人類，而不是代替人類：「對於醫生來說，這些技術還沒有100％的把握能確定最佳的治療方案。因此醫生應該更為合理地利用機器給出的建議，以識別和防止潛在的誤判，並補充自己的診斷。」

這個演算法對疾病診斷的準確率超過90％。

他們使用三種不同的卷積神經網路進行白內障識別任務。第一種用於篩查普通人群的患者，第二種用於白內障患者的「風險分層」，第三種用於幫助眼科醫生進行治療決策。

這三種都藉助於他們的雲平台—— CC-Cruiser，它能夠在15秒內向眼科醫生提供診斷結果以及適當的治療建議。

目前，這套方法已被用於三家非專業協作醫院，以進一步驗證臨床實施的可行性。

生命是應該被尊重與保護的，因而醫療領域在面對尖端技術時，必然要報以謹慎的態度。在將AI用於常規臨床實踐之前，更加嚴格的臨床試驗還應當繼續。

更多精彩內容，關注烏鎮智庫微信公眾號（WUZHEN-INSTITUTE）

編譯：王冰冰、韋彬

來源：Nvidia Developer