在世界糖尿病日看 Google 如何用 AI 辅助医疗？

人工智能 6 年前

7.91W

“AI 驱动医疗”已经不是什么很新鲜的概念。很多疾病的预防、监测、治疗，药物的开发，都与计算机技术息息相关。计算机在处理数据时快速、高效，同时又具有高度的可复制性，成本低廉。

今天，世界糖尿病日，全世界共有超过 4.2 亿人正在遭受这种疾病的困扰，其中有超过四分之一的患者来自中国。2017 年，中国的糖尿病患病率为 10.9%，仅次于美国位居世界第二。糖尿病是一种难以治愈的慢性病，但它对人体的伤害更多在于各种并发症。如果控制得当，患者可以与这种疾病长久共存。而谷歌正通过自己的深度学习技术，帮助大量的糖尿病患者对抗并发症，在伴随疾病生活的过程中获得更好的生活。

糖尿病的视网膜病变

视网膜病变是最严重的糖尿病并发症之一。

长期的高血糖，会导致视网膜血管的内壁，引起一系列眼底病变，比如微血管瘤、出血、硬性渗出、甚至导致视网膜脱落。一般的病人在患糖尿病十年之后会开始出现眼底病变，甚至最终导致失明。

与此同时，糖尿病导致的视网膜病变又并非不治之症。如果发现及时，控制好血糖血压并且及时进行针对性治疗的话，视网膜病变是完全可以避免、被治愈的。通过眼部扫描图像，可以判断出患者的视网膜是否发生了病变。但问题在于，对于那些身处偏远、贫困地区的糖尿病患者来说，身边缺乏专业技能足够的医生来为他们判断眼底扫描图像。

对视网膜病变进行检测

针对这一情况，谷歌的 AI 团队研究了一套深度学习算法。通过与印度和美国的医院、医生合作，谷歌收集了 12.8 万张眼底扫描图片，将它们组成一个数据集，用于训练这个神经网络。这个算法标记出 88 万个相关特征，用于判断一张眼底扫描照片是否有视网膜病变的征兆。之后，谷歌对经过训练的神经网络算法进行了测试，让算法与 7 名专业眼科医生组成的专业评审团进行比较。双方成绩不相上下，甚至算法的判断准确率要略高于医生。

目前这一研究成果已经不只停留在实验室阶段，而是进入了临床应用。谷歌的合作伙伴 Verily 已经得到欧洲监管机构的批准，可以在医院里使用这项技术来对糖尿病的眼部并发症进行筛查。目前这项技术已经在印度的 Aravind 眼科医院投入临床使用，未来还有希望被引入更多医生人手短缺，糖尿病患者人数较多的国家。

算法解读医学影像

糖尿病视网膜病变的检测只不过是算法检测疾病的一小部分。

谷歌的医疗 AI 团队还打造了一款更泛用的名为 LYNA 的工具，可以对各种病历数据、医疗影像进行深度识别，挖掘数据特征，让病理学家能够从重复的“看片子”工作中解放出来，专注于其他临床诊断工作。

LYNA 目前可以对淋巴结细胞切片进行识别，判断患者是否患有乳腺癌，协助医生进行后续的治疗决策。在 2016 ISBI Camelyon Challenge 癌症细胞区域检测竞赛中，LYNA 的癌症检测率明显高于之前的测试。尽管 LYNA 目前还不能完全替代医师进行诊疗工作，需要在更大量的案例中对算法进行测试，但它的能力正在飞速进步。

除了视网膜和淋巴结，谷歌还正在利用深度学习对皮肤病和肺癌进行诊断。

在皮肤科领域，因为全科医生对皮肤病诊断的准确度远不如专业的皮肤科医生，所以谷歌的研究人员开发了一种能够辅助全科医生进行皮肤病诊断的 AI 工具。通过深度学习，算法不仅可以分析患者皮肤的医学影像，还可以结合病史、年龄、性别、症状等多种元数据进行分析，大大提高全科医生皮肤病诊断的准确性。

针对肺癌，谷歌的人工智能模型，能够对患者肺部的 CT 扫描图像进行更整体的预测，识别肺部的细微恶性组织，预测肺癌风险。这个模型的诊断准确率高达 94%，极大改善了目前肺癌筛查成本高、准确率低，常常出现假阴性、假阳性的问题。