我們正處于一個(gè)數(shù)據(jù)爆炸的時(shí)代，對(duì)于正趨向于精準(zhǔn)醫(yī)療的醫(yī)學(xué)領(lǐng)域來(lái)說(shuō)更是如此。海量的數(shù)據(jù)讓我們比以往任何一個(gè)時(shí)期都更加需要AI的發(fā)展。

近日，在由deeplearning．a(chǎn)i舉辦的一場(chǎng)線上研討會(huì)上，分子醫(yī)藥學(xué)專家、北美獨(dú)立科學(xué)研究機(jī)構(gòu)Scripps Research Institute創(chuàng)始人Eric Topol博士與人工智能專家吳恩達(dá)（Andrew Ng）博士進(jìn)行了深度對(duì)話，向觀眾介紹了AI醫(yī)學(xué)領(lǐng)域的最新研究成果與臨床應(yīng)用。

Eric Topol博士曾被湯森路透社評(píng)為“世紀(jì)醫(yī)生”，他是美國(guó)醫(yī)學(xué)院院士，曾發(fā)表了1100多篇高引用率的文章，在醫(yī)藥領(lǐng)域文章引用率排名前十。他曾撰寫了30多本醫(yī)用教科書，同時(shí)是暢銷書《顛覆醫(yī)療》的作者。

吳恩達(dá)（Andrew Ng）則是人工智能領(lǐng)域最權(quán)威學(xué)者之一，被譽(yù)為“AI大師”，是deeplearning．a(chǎn)i的創(chuàng)始人，同時(shí)也是在線教育平臺(tái)Coursera的聯(lián)合創(chuàng)始人。

在文章的第一部分，我們將順著Eric Topol博士與吳恩達(dá)博士的對(duì)話，梳理過(guò)去一年內(nèi)AI在醫(yī)療領(lǐng)域的最新進(jìn)展，比如NYU對(duì)乳腺癌篩查的研究、深透醫(yī)療（Subtle Medical）的醫(yī)學(xué)影像產(chǎn)品，還有手機(jī)超聲波探測(cè)器、斯坦福大學(xué)研發(fā)的智能馬桶等有趣的應(yīng)用。在文章的第二部分，我們將更深入地探討AI＋醫(yī)療在臨床落地中所遇到的困境，以及當(dāng)下究竟需要什么樣的AI應(yīng)用。

AI在醫(yī)學(xué)領(lǐng)域的最新應(yīng)用

為什么我們的醫(yī)學(xué)需要AI這條全新的路徑？當(dāng)前的醫(yī)療技術(shù)仍存在著諸多問(wèn)題，比如檢測(cè)結(jié)果準(zhǔn)確率低，常常漏診、誤診，檢測(cè)與治療昂貴，存在大量資源浪費(fèi)等等。Topol博士認(rèn)為，AI有潛力較好地解決這些問(wèn)題，并且，全人類都能從AI+醫(yī)療的發(fā)展中受益，這種益處貫穿了人類從出生到死亡的每一個(gè)階段。

提高準(zhǔn)確性

Google團(tuán)隊(duì)曾經(jīng)做過(guò)一個(gè)實(shí)驗(yàn)，如果向眼科醫(yī)生展示一張視網(wǎng)膜的圖像，然后問(wèn)他，這個(gè)視網(wǎng)膜屬于男性還是女性。那么這些眼科醫(yī)生答對(duì)的幾率是50％，但一個(gè)經(jīng)過(guò)訓(xùn)練的AI神經(jīng)網(wǎng)絡(luò)，正確率可以達(dá)到97％或98％。

這個(gè)例子想要說(shuō)明的是，AI的一大作用是提高診斷的準(zhǔn)確性。通過(guò)深度學(xué)習(xí)，AI診斷的準(zhǔn)確率可以達(dá)到專家水平，甚至遠(yuǎn)超專家。當(dāng)然，這只是簡(jiǎn)單舉例，事實(shí)上我們有千萬(wàn)種更好的辦法來(lái)判斷器官的主人是男是女。

準(zhǔn)確性不高所帶來(lái)的嚴(yán)重后果就是誤診與漏診，這在臨床中較為普遍。以乳腺癌篩查為例，乳腺癌是全球女性最大的癌癥殺手之一，但在乳腺的X光片中，卻存在大量的假陰性和假陽(yáng)性問(wèn)題。

紐約大學(xué)于2019年10月發(fā)表了一篇論文，研究者用深層卷積神經(jīng)網(wǎng)絡(luò)對(duì)超過(guò)100萬(wàn)張圖像進(jìn)行乳腺癌篩查的分類、訓(xùn)練和評(píng)估，這是迄今為止最大規(guī)模的乳腺癌研究。該研究表明，其神經(jīng)網(wǎng)絡(luò)在預(yù)測(cè)乳房中是否存在癌癥中可以達(dá)到專家的水平（AUC＝0．895）。研究者還對(duì)照了14位放射科醫(yī)生的解讀結(jié)果，他們讓每位醫(yī)生閱讀了720幅乳腺X光片，結(jié)果證明，AI判斷的準(zhǔn)確性與放射科醫(yī)生相差無(wú)幾。而若將放射科醫(yī)生預(yù)測(cè)的惡性概率與其神經(jīng)網(wǎng)絡(luò)相平均后的混合算法，所產(chǎn)生的預(yù)測(cè)結(jié)果還會(huì)更加準(zhǔn)確。這項(xiàng)研究非常有價(jià)值，因?yàn)槊磕暧袛?shù)億女性進(jìn)行乳腺檢測(cè)，卻常常得到錯(cuò)誤的檢測(cè)結(jié)果。

提高檢測(cè)效率

在準(zhǔn)確性之外，AI在現(xiàn)實(shí)醫(yī)療中的另一大重要應(yīng)用是提高效率。比如，在醫(yī)學(xué)影像中用AI獲得更快的掃描與檢測(cè)速度，并在更短的時(shí)間內(nèi)取得更高的成像質(zhì)量。對(duì)于醫(yī)院、醫(yī)生和患者來(lái)說(shuō)，這類應(yīng)用能夠帶來(lái)實(shí)實(shí)在在的價(jià)值。

Eric Topol博士在直播中以深透醫(yī)療（Subtle Medical）的產(chǎn)品進(jìn)行了舉例，這家創(chuàng)立于2017年的公司致力于用AI改善醫(yī)學(xué)影像的質(zhì)量，縮短檢測(cè)流程，改善放射科的患者體驗(yàn)，并在檢測(cè)過(guò)程中降低造影劑的劑量，以降低對(duì)患者健康的危害。