Google DeepMind 最近在《自然－醫學（Nature Medicine）》期刊上發表研究報告顯示，它迎來一項里程碑式的醫療成就，它的 AI 在診斷眼疾上與人類醫生一樣出色。

DeepMind 與倫敦摩爾菲爾茨（Moorfields）眼科醫院合作，在今年 2 月開發出能夠通過分析 3D 視網膜掃描影像、識別青光眼和糖尿病視網膜病變等主要眼睛疾病的 AI 技術。在 997 名患者的掃描影像上進行的測試中，DeepMind 的算法在轉診推薦的準確度比摩爾菲爾茨眼科醫院的 8 名視網膜專科醫生表現得更好——DeepMind 算法的錯誤率為 5．5％，而 8 名人類醫生的錯誤率在 6．7％ 到 24．1％ 之間；如果向人類醫生提供患者的背景信息，人類醫生的錯誤率會降低到 5．5％ 到 13．1％ 之間，結果與 AI 的水平持平或稍差。

DeepMind稱，這套人工智能系統能夠以前所未有的準確率快速解讀常規臨床實踐的觀察結果，從而向患者推薦治療方法，水準堪比世界領先醫療專家，且診斷范圍涵蓋50逾種威脅視力的眼科疾病。“這有望徹底改變我們管理人類各種眼科疾病的方式。”

從長遠角度來講，DeepMind希望這一成果能夠幫助醫生們快速確定需要緊急醫治的患者的優先順序，以最終提升治療效果。

更為精簡的診斷流程

目前，眼科醫療專業人員利用光學相干斷層掃描（optical coherence tomography，簡稱OCT）幫助診斷眼部狀況。這些3D影像能夠提供關于眼球體背面的詳細信息，但其解讀難度極高，且通常需要由經驗豐富的專家進行分析與解釋。

分析這些掃描影像所需要的時間，再加上醫療衛生專業人員需要面對的影像數量（僅在摩爾菲爾茨眼科醫院，每天就需要進行超過1000次相關掃描），往往導致掃描與治療之間的時間周期出現嚴重延遲。這意味著，一部分病患可能無法得到必要的緊急處理，而一旦他們出現突發性狀況，例如眼底出血，此類延誤甚至有可能令患者徹底失明。

DeepMind開發出的這套系統旨在解決這一挑戰。其不僅能夠在數秒鐘之內自動檢測到眼部疾病的特征，還可以通過提供是否需要轉診等建議以優先考量急需治療的患者。這種即時性的分類過程能夠大大縮短掃描與治療之間的時間周期，從而幫助患有糖尿病及年齡相關性黃斑變性的患者避免喪失視力。

具有強大的技術適應性

DeepMind不僅將其視為一種有趣的學術性成果，還希望能夠真正利用其進行治療。因此，DeepMind也在論文當中談到了人工智能在臨床實踐中的一大主要障礙，即“黑匣子”問題。對于大多數人工智能系統而言，我們往往很難準確理解其提出建議的具體依據。對于需要了解系統推理的臨床醫生及患者而言，這顯然是種無法接受的情況。換言之，人們不僅需要了解人工智能給出了怎樣的結論，更需要知道為什么。

DeepMind的系統采用了一種新穎的方法來解決這個問題，即將兩套不同的神經網絡結合起來，并在二者之間插入一套可輕松解釋的表達機制。

· 第一套神經網絡被稱為拆分網絡（segmentation network），用于分析OCT掃描以提供不同類型的眼組織圖譜并發現其中存在的疾病特征，例如出血、病變、不規則積液或者其它病變跡象。通過這套圖譜，眼科專業人員將能夠深入理解系統的“思考過程”。

· 第二套網絡則被稱為分類網絡（classification network），其負責分析這份圖譜，從而為臨床醫師提供診斷與推薦建議。最重要的是，該網絡會以百分比的形式表達建議內容，從而幫助臨床醫生更準確地評估系統對其分析結論的信心水平。

這一功能至關重要，因為眼科治療專家一直在為患者決定護理及治療方式方面發揮著核心作用。因此，確保他們能夠認真核查系統建議亦成為人工智能方案在實踐中實現全面使用的關鍵所在。

最重要的是，這項技術還能夠對接不同類型的眼部掃描儀，而非單純支持Moorfields提供的特定設備類型。這看似無關緊要，但卻具有深遠的意義，意味著該項技術可以較為輕松地應用于世界各地，從而極大增加由此受益的患者的具體數量。此外，這也確保了在醫院及其它臨床場景隨時間推移對自身OCT掃描儀進行升級或更換時，該系統仍能正常發揮作用。

下階段展望

DeepMind坦言，盡管對目前的進展感到無比自豪，但這項初步研究尚未真正轉化為實際產品，并需要在實際應用之前經受嚴格的臨床試驗與監管審批。不過他們相信，這套系統將很快改變眼科疾病的診斷、治療與管理方式。

如果這項技術順利通過臨床試驗階段并進入一般性使用驗證期，那么摩爾菲爾茨眼科醫院的臨床醫生們就會免費將其引入多達30家英國醫院及社區診所。這一初步驗證周期為五年，且各醫院及診所目前每年為3萬名患者提供服務，每天接受的轉診OCT掃描總量超過1000次。因此，在新技術的加持之下，每家診所都可以借此提高判斷準確率并加快診斷速度。

然而，摩爾菲爾茨眼科醫院掌握的原始數據集適用于臨床使用，但卻不適用于機器學習研究。因此，DeepMind在數據集的清潔、規劃與標記方面投入了大量資金，最終為全球眼科研究領域構建起最強大的人工智能數據庫之一。

這套經過改進的數據庫將由摩爾菲爾茨眼科醫院方面作為非商用公共資產持有，且已經被醫院的研究人員們用于九項獨立研究，涵蓋多種具體條件——未來還將有更多項目與之對接。摩爾菲爾茨眼科醫院也計劃利用DeepMind提供的經過訓練的人工智能模型進行更多非商業性研究。