这几天，一篇《人类完败……诊断乳腺癌，30 小时病理分析竟不如谷歌 AI 准确》的文章，又一次激起业内人士的热议。这篇文章是谷歌大脑的技术主管 Martin Stumpe 和技术主管 Lily Peng 在在谷歌博客上发表的，描述了他们将深度学习用于病理检查的研究。
近年来，人工智能与深度学习带给医疗健康领域的变化是迅速和革命性的，用于疾病诊断和病理分析的人工智能层出不穷，每一次技术的突破，不论哪个方面，都能引起人们的一片惊叹。
毋庸置疑，面对人工智能这片逐渐丰茂的草场，谷歌怎么可能错过“圈地放牧”的最佳时机。于是谷歌、谷歌大脑与 Verily 公司联合开发了一款能用来诊断乳腺癌的人工智能，通过将病理切片处理成数码图像的方式，提供大量肿瘤组织和正常组织的病理切片，供这款人工智能学习。
为了考查这款人工智能诊断疾病的效果，谷歌安排了一场“人机大战”，结果显而易见，一位资深病理学家花了整整 30 个小时，仔仔细细分析了 130 张切片，依然以 73.3% 的准确率完败准确率达 88.5% 的人工智能。
与现有的计算机分析方案（中）相比，新型人工智能（右）能更准确地找到肿瘤
在医疗人工智能领域，这并不是第一起“人机大战”。毕竟 IBM 的“沃森医生”已经在美国安德森癌症中心兢兢业业工作了好几年，被誉为“未来最好的癌症专家”。据说这位“神医”的诊断准确率达到 73% 以上。今年 2 月，沃森医生还曾在中国亮相，为 20 多位癌症患者义诊。
人工智能应用到病理分析方面的难度系数相对较大。因为病理专家常常被我们称为医生的医生，他们的服务对象不是病人而是临床医生。当然也有一些创新型公司在开展这块业务，如美国的 Enlitic、加拿大的 Imagia、国内有 DeepCare 和推想科技等。
医学水平决定人工智能水平。
虽然人工智能在医学领域的应用越来越广泛，但是有一点必须明确：人工智能终究代替不了医生。而它在医学领域中能发挥的作用还取决于当前的医学研究水平，它能识别的永远是人类赋予意义的部分。简单来说，人类现在的医学水平有多高，人工智能的水平也就多高。
以谷歌的这款人工智能为例，虽然它在乳腺癌诊断的应用场景下表现出色，似乎超越了人类病理专家，但它本身就是依靠乳腺癌病理专家已有的经验和知识体系，大量训练而成的，对于那些未经训练的项目和场景，例如其他癌症或者自身免疫疾病等并不适应。
谷歌的研究人员非常客观的建议，人工智能应该与人类病理专家形成互补，以此提高人工诊断的效率和准确性，这是最合理的应用方式。
在医疗互联网时代，数据大爆炸提供了大量优质数据信息的同时也带来了海量垃圾数据。与人类专家相比，人工智能这项技术最大的优势在于接收、整合、存储海量信息，并从中筛选出有价值的数据。同时面对日新月异的医学和疾病研究进展，人工智能还能通过深度学习技术，不断汲取医学书籍、论文、电子病历等信息完善自身的数据库。并通过认知分析技术，凭借庞大的数据库做出诊断，指导治疗方案的决策。
而这正是困扰人类专家的最大难题，纵然有过目不忘的天赋，也难以在短时间内精确诊断是哪种癌症，并从数据库中找到针对特定病人的治疗信息。
这一点在病理专家身上体现得淋漓尽致。一张病理切片在显微镜下能看到数百亿个结构细胞，而针对一位癌症患者，病理专家要处理的不仅仅是一张切片而已。谷歌的科学家非常形象得解释了病理专家的工作量，从 1000 张含有数千万像素的高清照片中辨别出哪一个像素块可能出现了问题，并且还计时……
事实上，病理专家并非朝夕就能培养而成，往往是知识体系和临床经验长期打磨出来的。因此，从某些角度来看，人工智能并不是战胜了病理专家，而是将病理专家从大批机械且需要高度集中注意力的工作中解放出来，使之将更多精力放在医学研究和人文关怀上。
中科院计算技术研究所所长孙凝晖在 2016 年底的某个论坛上说：
“人工智能不是像互联网或 PC 一样的时代性产物，它就是一个葡萄干，你放在面包上，面包就很好吃。”
因此人工智能在医疗健康领域的应用大概就是葡萄干点缀在面包上，助力医疗健康领域快速发展。
在线投稿
共0条评论