發(fā)布日期：2017-02-22
近兩年來，無論是在語音識別、圖像識別還是文本理解，深度學(xué)習(xí)在醫(yī)療領(lǐng)域都有超乎想象的突破。
·在語音識別領(lǐng)域，梅奧診所與以色列語音分析公司Beyond Verbal合作的研究發(fā)現(xiàn)13個(gè)語音特征和冠心病存在相關(guān)性，其中一個(gè)語音特征與冠心病存在強(qiáng)相關(guān)。
·在自然語言處理領(lǐng)域，IBM的沃森機(jī)器人能夠在17秒內(nèi)，閱讀3469本醫(yī)學(xué)專著，248000篇論文，69種治療方案，61540次實(shí)驗(yàn)數(shù)據(jù)，106000份臨床報(bào)告，并根據(jù)醫(yī)生輸入的病人指標(biāo)信息，最終提出優(yōu)選的個(gè)性化治療方案。
與此同時(shí)，伴隨著計(jì)算機(jī)視覺的技術(shù)進(jìn)步，深度學(xué)習(xí)技術(shù)在醫(yī)療影像領(lǐng)域頻頻取得重大突破，人工智能除了教會(huì)機(jī)器如何“聽懂”和“讀懂”，更能教會(huì)機(jī)器“看懂”我們的世界，并在此基礎(chǔ)上協(xié)助醫(yī)生診斷疾病。醫(yī)療數(shù)據(jù)中有超過90%的數(shù)據(jù)來自醫(yī)療影像，醫(yī)療影像領(lǐng)域擁有孕育深度學(xué)習(xí)的海量數(shù)據(jù)，也存在著借助深度學(xué)習(xí)提高醫(yī)生“看片子”診斷的效率的需求。因此，在醫(yī)療影像領(lǐng)域，深度學(xué)習(xí)可能率先進(jìn)入臨床階段。
13萬張圖像的訓(xùn)練下，深度學(xué)習(xí)識別皮膚癌的準(zhǔn)確率媲美人類醫(yī)生
皮膚癌是人類最常見的惡性腫瘤，雖然它們出現(xiàn)在皮膚表面，但人們往往將其誤認(rèn)為是自然生長的“痣”，耽誤病情，確診后已為時(shí)過晚。奇點(diǎn)糕還記得，電影《非誠勿擾2》里面，孫紅雷飾演的李香山從小就長出來的一顆黑痣轉(zhuǎn)變成了惡性的黑色素瘤，最終不堪絕癥折磨的他選擇跳海自殺。
早期檢測到的黑色素瘤的 5 年生存率在 97% 左右，如果晚期查出 5 年生存率將會(huì)下降 14%，皮膚癌的早期發(fā)現(xiàn)可能會(huì)對其結(jié)果產(chǎn)生巨大的影響。對于皮膚癌的篩查，主要是通過視覺診斷。一般先進(jìn)行臨床篩查，之后可能進(jìn)行皮膚鏡分析、活檢和組織病理學(xué)研究。那么有沒有一種更簡單地方法篩查皮膚癌呢？或者說，能不能利用智能手機(jī)篩查皮膚癌？
借助深度卷積神經(jīng)網(wǎng)絡(luò)（CNN）技術(shù)，斯坦福大學(xué)的研究者讓這個(gè)設(shè)想更進(jìn)一步：研究者們在谷歌用于識別貓和狗算法的基礎(chǔ)上，經(jīng)過13萬張皮膚病變的圖像訓(xùn)練后，可用于識別皮膚癌。該系統(tǒng)與21位皮膚科醫(yī)生進(jìn)行的2輪的對比測試：角質(zhì)細(xì)胞癌與良性脂溢性角化病，以及惡性黑色素瘤和普通的痣。第一輪代表最常見的癌癥識別，第二輪代表了最致命的皮膚癌識別。深度卷積神經(jīng)網(wǎng)絡(luò)在這兩個(gè)任務(wù)上的表現(xiàn)都達(dá)到了所有接受測試的專家的水平，證明了這一人工智能系統(tǒng)的皮膚癌鑒定水平與皮膚科醫(yī)生相當(dāng)。這一研究成果發(fā)表在2017年1月份的Nature期刊上?！?】
研究者并不止步于此，他們希望在智能手機(jī)上也應(yīng)用該系統(tǒng)。論文的主要作者之一、Thrun 實(shí)驗(yàn)室的研究生Andre Esteva說：“現(xiàn)在每個(gè)人口袋中都有一個(gè)超級計(jì)算機(jī)，上面有大量、包括攝像頭傳在內(nèi)的感器。如果我們把它用來篩查皮膚癌會(huì)怎么樣？或者篩查其他疾??？”
Google利用深度學(xué)習(xí)診斷糖尿病視網(wǎng)膜病變
糖尿病視網(wǎng)膜病變是目前越來越被人們重視的致盲病因，目前全球范圍內(nèi)有 4.15 億糖尿病患者面臨視網(wǎng)膜病變的風(fēng)險(xiǎn)。若是發(fā)現(xiàn)及時(shí)，該病是可以被治愈的，但若是未能及時(shí)診斷，則可能導(dǎo)致不可逆轉(zhuǎn)的失明。
糖尿病視網(wǎng)膜病變患者視網(wǎng)膜基底造影示例。左側(cè)圖片采自眼部正常的糖尿病患者；右側(cè)圖片采自患有視網(wǎng)膜病變的糖尿病患者，圖中顯示出該病人眼底有出血現(xiàn)象
一般來說，醫(yī)生要通過糖尿病患者的眼底造影圖像來判斷是否視網(wǎng)膜發(fā)生了病變，并通過眼底病變來判斷嚴(yán)重程度，例如是否出現(xiàn)了微動(dòng)脈瘤、眼底出血、硬性滲出等，主要參考出血、液體滲出等病況。這就對醫(yī)生個(gè)人水平提出了較高的要求，如果缺乏臨床經(jīng)驗(yàn)，那么很容易誤診或漏診。
2016年，Google的研究者Varun Gulshan和他的同事利用深度學(xué)習(xí)創(chuàng)建了一種能夠檢測糖尿病視網(wǎng)膜病變和黃斑水腫的算法，它能夠通過眼部掃描圖像判斷患者的視網(wǎng)膜是否發(fā)生了病變，輔助醫(yī)生在有限的醫(yī)療條件下進(jìn)行診斷。該研究發(fā)表在2016年11月30日的《美國醫(yī)學(xué)會(huì)雜志》期刊上。【2】
黑色曲線表示算法性能，彩色點(diǎn)表示八位眼科專家對糖尿病視網(wǎng)膜病變（輕度或重度糖尿病視網(wǎng)膜病變，或由糖尿病引起的視網(wǎng)膜黃斑水腫）的臨床診斷結(jié)果。
為了訓(xùn)練該算法，研究者從EyePACs數(shù)據(jù)庫搜集了128 175例注釋圖片，每張圖片都記錄了 3-7 名眼科醫(yī)師的評估結(jié)果。與該團(tuán)隊(duì)合作的眼科醫(yī)師一共 54 名。為了驗(yàn)證算法的準(zhǔn)確度，研究者使用兩個(gè)獨(dú)立的數(shù)據(jù)集進(jìn)行驗(yàn)證，一個(gè)9963例圖像一個(gè)1748例圖像。與8名眼科醫(yī)生診斷結(jié)果對比，谷歌的這款算法甚至超過人類醫(yī)師：算法獲得0.95的F分?jǐn)?shù)（結(jié)合敏感性和特異性指標(biāo)，取max = 1），相比八位眼科專家的中位數(shù) 0.91分。
本次眼影所用的圖像為2D圖像，谷歌Deepmind已經(jīng)開始將更為精確、全面的3D圖像技術(shù)（光學(xué)相干斷層掃描（OCT））應(yīng)用于深度學(xué)習(xí)中。
中國科學(xué)家利用深度學(xué)習(xí)篩查先天性白內(nèi)障
先天性白內(nèi)障是一種罕見病，集合了慢性和急性疾病的特點(diǎn)。它導(dǎo)致失明和視力損傷，多在出生前后即已存在，或在兒童期內(nèi)罹患，在我國發(fā)病率為0.05%。
受到2015年谷歌DeepMind發(fā)表論文的啟發(fā)，中國中山大學(xué)中山眼科中心的80后眼科醫(yī)生林浩添和他的同事萌生出想要?jiǎng)?chuàng)建一個(gè)人工智能平臺來挖掘他們在先天性白內(nèi)障的臨床數(shù)據(jù)，進(jìn)而達(dá)到篩查和輔助診斷的目的。他們聯(lián)合西安電子科技大學(xué)劉西洋教授利用ILSVRC 2014（ImageNet Large Scale Visual Recognition Challenge of 2014）的冠軍模型來建立識別先天性白內(nèi)障的深度學(xué)習(xí)模型（該模型被認(rèn)為在圖像識別領(lǐng)域占主導(dǎo)地位，可用于訓(xùn)練和分類），取名為CC-Cruiser。本次研究成果于2017年1月30日發(fā)表在Nature Biomedical Engineering期刊上【3】。
訓(xùn)練CC-Cruiser的圖片集，研究者采用了來自中國衛(wèi)生部兒童白內(nèi)障計(jì)劃（CCPMOH）例行檢查的一部分圖片，包括410幅不同嚴(yán)重程度的先天性白內(nèi)障兒童患者的眼部圖像，476幅正常兒童眼睛圖像。所有圖片均由兩名有經(jīng)驗(yàn)的眼科醫(yī)師獨(dú)立地進(jìn)行分類和描述，第三名眼科醫(yī)師對分歧案例提供咨詢。這三名人類醫(yī)師是沒有接觸過CC-Cruiser的。
圖為CC-Cruiser與人類醫(yī)師的比較測試
研究者對CC-Cruiser的性能進(jìn)行了5次測試，結(jié)果都非常出色。在和人類眼科醫(yī)師的50例圖像比較測試中， CC-Cruiser找出了所有先天性白內(nèi)障患者。而三名眼科醫(yī)師在第3例圖片上都犯了錯(cuò)誤——誤將圖片的高光區(qū)域診斷為先天性白內(nèi)障。在危險(xiǎn)評估和輔助決策中，CC-Cruiser表現(xiàn)也不錯(cuò)，對所有需要進(jìn)行手術(shù)的患者都給予了正確的治療建議。因此，研究者認(rèn)為CC-Cruiser可以稱得上是一個(gè)“合格的眼科醫(yī)生”。
Atrerys成為首個(gè)FDA批準(zhǔn)的深度學(xué)習(xí)臨床應(yīng)用平臺
4D心臟MRI
2017年，GE健康聯(lián)手舊金山初創(chuàng)公司Arterys顛覆現(xiàn)有的心血管磁共振成像（俗稱心臟MRI），將3D的MRI引入新的時(shí)間維度，使其MRI擴(kuò)展為4D，不僅能夠全方位地展示心臟結(jié)構(gòu)，還能夠顯示血液流動(dòng)的速度、方向以及流量。
與此同時(shí)，Arterys還推出了基于云計(jì)算和深度學(xué)習(xí)技術(shù)的Arterys Cardio DL應(yīng)用，它是第一個(gè)獲得FDA批準(zhǔn)的深度學(xué)習(xí)應(yīng)用，此舉意味著深度學(xué)習(xí)和云技術(shù)將進(jìn)一步落地在日常醫(yī)療服務(wù)。
Arterys Cardio DL可用于治療多種心血管疾病，包括先天性心臟病、主動(dòng)脈或心臟瓣膜疾病等。它能夠自動(dòng)采集心室的內(nèi)外輪廓的數(shù)據(jù)，并提供心室功能的準(zhǔn)確計(jì)算，耗時(shí)短，精度高，一份圖像的分析10秒即可完成，遠(yuǎn)遠(yuǎn)快于臨床醫(yī)生。因此，稱之為基于深度學(xué)習(xí)的人工智能醫(yī)學(xué)影像分析系統(tǒng)，它已經(jīng)進(jìn)行了數(shù)以千計(jì)的心臟案例的數(shù)據(jù)驗(yàn)證，實(shí)驗(yàn)證實(shí)，該算法產(chǎn)生的結(jié)果與經(jīng)驗(yàn)豐富的臨床醫(yī)生的分析結(jié)果結(jié)果是不相上下的。
作為GE健康的合作伙伴，Arterys Cardio DL的功能將整合在GE推出創(chuàng)新成像技術(shù)ViosWorks，它可以從7個(gè)維度呈現(xiàn)心臟：包括3個(gè)空間維度，1個(gè)時(shí)間維度，3個(gè)速度維度。
誠然，深度學(xué)習(xí)能夠幫助醫(yī)生更加高效、準(zhǔn)確的“看片子”，但目前深度學(xué)習(xí)在醫(yī)療影像領(lǐng)域也存在許多阻礙和缺陷。
首先，就是數(shù)據(jù)量的問題。訓(xùn)練深度學(xué)習(xí)需要優(yōu)質(zhì)的數(shù)據(jù)和大量的數(shù)據(jù)，斯坦福大學(xué)的研究者開發(fā)的算法之所以能夠如此準(zhǔn)確地診斷皮膚癌，原因之一就在于他們使用的訓(xùn)練數(shù)據(jù)集比此前公布的任何同類方法都要大100倍左右。林浩添和同事們因?yàn)樗龅挠?xùn)練圖集較小，有讀者質(zhì)疑是否經(jīng)過擬合才獲得如此高的準(zhǔn)確率。在數(shù)據(jù)量的缺乏是阻礙深度學(xué)習(xí)發(fā)展的一大障礙，醫(yī)療數(shù)據(jù)被分割在不同的醫(yī)院、部門里，難以發(fā)揮真正的力量。除此之外，數(shù)據(jù)的維度仍然是一大問題。目前，深度學(xué)習(xí)主要用于2D圖像、3D圖像、4D圖像難以應(yīng)用。
其次，深度學(xué)習(xí)是一個(gè)“黑箱”，大多數(shù)研究者難以接觸到最底層的算法結(jié)構(gòu)，只是將數(shù)據(jù)喂給深度學(xué)習(xí)，不可能也沒必要解釋“深度學(xué)習(xí)”到底怎樣做出判斷的。因此，這個(gè)“黑箱”存在欺騙的問題，也就是說在輸入的數(shù)據(jù)中加入小小的改變，就很容易誤導(dǎo)深度學(xué)習(xí)。
在上圖中，所有左列的圖經(jīng)過中間的變換成右列的圖。對我們?nèi)祟悂碚f，變換前后圖片幾乎沒有變化，判對左列圖片的深度學(xué)習(xí)模型卻將右列圖片都判錯(cuò)了。這說明人類和深度學(xué)習(xí)模型之間的區(qū)別還有很多。
雖然目前深度學(xué)習(xí)仍處于“輔助診斷”的階段，真正的決定權(quán)仍然在醫(yī)生手中。但特斯拉的自動(dòng)駕駛已出現(xiàn)致死事件，深度學(xué)習(xí)在醫(yī)療影像也難以達(dá)到100%的準(zhǔn)確率。一旦醫(yī)生聽信了深度學(xué)習(xí)的建議，最終卻導(dǎo)致了誤診或漏診，真正應(yīng)該負(fù)責(zé)的到底是醫(yī)生還是機(jī)器？深度學(xué)習(xí)給醫(yī)療領(lǐng)域帶來的，不僅是技術(shù)問題，還有人文關(guān)懷問題。醫(yī)生和患者之間的互動(dòng)將是人類智慧的最后一個(gè)堡壘。
來源：奇點(diǎn)網(wǎng)
