發(fā)布日期：2018-02-23
人工智能是近年的熱點。以AlphaGo擊敗李世乭為標(biāo)志，人工智能迅速地進入了普通百姓的視野。與之相隨的，是它在醫(yī)療健康領(lǐng)域取得的一項又一項突破。先前，我們曾報道一款能診斷乳腺癌的人工智能。它只需幾秒鐘，就能取得比人類醫(yī)生花上幾十個小時還要準(zhǔn)確的診斷。這也正式宣告，在基于醫(yī)學(xué)圖像的診斷上，人工智能已經(jīng)超越了人類，且差距只會拉得越來越大。
▲本研究的通訊作者張康教授（圖片來源：UCSD）
今日榮登《細(xì)胞》封面的這項研究，則為我們提供了一款全新的AI工具。本研究的通訊作者張康教授是加州大學(xué)圣地亞哥分校（UCSD）的眼科教授，也是眼科遺傳學(xué)的首席醫(yī)師（Chief，Ophthalmic Genetics）。在眼科治療中，視網(wǎng)膜OCT（光學(xué)相干斷層掃描）成像技術(shù)是最常被使用的診斷技術(shù)之一，每年的使用總數(shù)超過3000萬次。通過獲取視網(wǎng)膜組織的高分辨率圖像，醫(yī)生們能夠精準(zhǔn)地對年齡相關(guān)性黃斑變性和糖尿病性黃斑水腫等致盲性眼病作出診斷，并提供治療方案。
基于OCT技術(shù)的普遍性，如果我們能使用迅猛發(fā)展的AI技術(shù)來處理這些圖片，無疑將進一步提高診斷的效率，乃至提高診斷的準(zhǔn)確度。為此，張康教授團隊獲取了超過20萬張OCT的圖像，并使用其中來自近5000名患者的10萬張圖像，訓(xùn)練一款深度學(xué)習(xí)算法。在經(jīng)歷了大量迭代訓(xùn)練后，這款算法的精準(zhǔn)度達到了峰值。
▲該研究的設(shè)計流程（圖片來源：《細(xì)胞》）
研究人員們也使用了脈絡(luò)膜新生血管形成、糖尿病性黃斑水腫、玻璃膜疣、以及正常的視網(wǎng)膜OCT圖像，用來檢驗這款算法。研究發(fā)現(xiàn)，該AI工具的總體準(zhǔn)確度達到了96.6%，靈敏度為97.8%，特異性為97.4%，AUC值（可反映算法的優(yōu)劣）更是高達99.9%。
隨后，研究人員們尋找了6位有著豐富臨床經(jīng)驗的專家，用來比較他們的診斷結(jié)果與AI工具的診斷結(jié)果是否一致。研究表明，在特異性和靈敏度上，兩者并無明顯區(qū)別。換句話說，我們可以放心地讓這款A(yù)I工具做出診斷。而AI工具的特性，更是能做到人類所無法完成的大通量篩查。
▲本工具可以精準(zhǔn)診斷多種視網(wǎng)膜異常，且與人類專家的結(jié)果沒有明顯差異（圖片來源：《細(xì)胞》）
“黃斑變性和糖尿病性黃斑水腫是兩大不可逆的致盲原因，但只要在早期發(fā)現(xiàn)，就能治療，”張康教授說道：“過去，只有很少的專家能決定如何治療、何時治療，他們需要經(jīng)過多年的訓(xùn)練，而且往往多集中于城市中。我們的AI工具能在世界的任何地方使用，尤其是在偏遠地區(qū)。這對于中國、印度、以及非洲等相對缺乏醫(yī)療資源的地區(qū)尤為重要。”
更令人欣喜的是，張康教授團隊表明，這款A(yù)I工具有著很廣的適用性。他們利用同樣的深度學(xué)習(xí)框架，能對兒童肺炎做出準(zhǔn)確診斷。據(jù)世界衛(wèi)生組織估計，每年，肺炎會讓約200萬名5歲以下的兒童夭折，也是造成兒童死亡的最主要原因之一。兒童肺炎根據(jù)病原體的不同，可以分為細(xì)菌性和病毒性，而兩種肺炎的治療方案天差地別——前者需要抗生素的治療、后者則需要其他療法。因此，及時區(qū)分這兩種肺炎，對于兒童的治療至關(guān)重要。
▲這款A(yù)I工具同時也能區(qū)分兒童細(xì)菌性和病毒性肺炎（圖片來源：《細(xì)胞》）
類似的，研究人員們收集了5232張胸部的X光片，用于AI系統(tǒng)的訓(xùn)練。在經(jīng)過迭代和測試后，這款診斷兒童肺炎的AI工具能達到92.8%的準(zhǔn)確率、93.2%的靈敏度、90.1%的特異性、以及96.8%的AUC值。這些數(shù)據(jù)表明，AI足以區(qū)分細(xì)菌性和病毒性肺炎。
“如果我們能緊密合作，就能在日益增長的計算能力下，開發(fā)出越來越好的診斷技術(shù)，”張康教授補充道：“未來，我們會有更多數(shù)據(jù)、更多計算力、以及來自使用這套系統(tǒng)的人群的更多經(jīng)驗。我們能控制成本，為患者帶來盡可能好的治療。”
我們再次祝賀張康教授團隊的這項突破，也期待人工智能可以在未來提供更為準(zhǔn)確高效的診斷，挽救患者的生命。
參考資料：
[1] Identifying Medical Diagnoses and Treatable Diseases by Image-based Deep Learning
[2] Artificial intelligence can diagnose and triage retinal diseases
來源：學(xué)術(shù)經(jīng)緯
