Cell：利用人工智慧快速而又準確地診斷疾病

在一項新的研究中，來自中國廣州醫科大學和美國加州大學聖地亞哥分校等研究機構的研究人員利用人工智慧和機器學習技術開發出一種新的計算工具，用於篩查患有常見的致盲性視網膜疾病的患者，從而潛在地加速疾病診斷和治療。相關研究結果發表在2018年2月22日的Cell期刊上，論文標題為「Identifying Medical Diagnoses and Treatable Diseases by Image-Based Deep Learning」。

圖片來自Cell, doi:10.1016/j.cell.2018.02.010。

論文通信作者、廣州醫科大學附屬廣州市婦女兒童醫療中心科學家、加州大學聖地亞哥分校基因組醫學研究所研究員Kang Zhang教授說，「人工智慧（AI）通過對難倒人類專家的大量數據進行快速地分析和分類而有巨大的潛力引發疾病診斷和管理變革。」

當前的計算方法是費力的和昂貴的，並且需要使用數百萬張圖片來訓練人工智慧系統。在這項新的研究中，Zhang和他的同事們使用基於人工智慧的卷積神經網路（convolutional neural network）來檢查利用光學相干斷層成像術（optical coherence tomography）獲得的20萬多張眼部掃描圖。光學相干斷層成像術是一種無創技術，將視網膜上的光線反射回來，從而創建出組織的二維圖和三維圖。

這些研究人員隨後採用了一種被稱作遷移學習（transfer learning）的技術，在這種技術中，解決一個問題所獲得的知識被儲存在計算機中並應用於不同但相關的問題。比如，當檢查整隻眼睛的圖片時，經優化識別眼睛的不同解剖結構（如視網膜、角膜或視神經）的人工智慧神經網路能夠更快速地和更高效地鑒定出它們。這就使得人工智慧系統能夠比傳統方法高效地利用更小的數據集進行學習。

這些研究人員接下來進行閉塞測試（occlusion testing），在這種測試中，計算機鑒定出每幅圖像中最感興趣的區域。Zhang說，「機器學習往往就像一個黑盒子，在那裡，我們並不確切地知道到底發生了什麼。通過閉塞測試，計算機能夠告訴我們它看到圖像的哪個位置，從而作出診斷，因此我們能夠弄清楚為何人工智慧系統會獲得這樣的診斷結果，從而使得這種系統更加透明，並增加我們對這種診斷的信任度。」

這項研究著重關注不可逆性失明的兩種常見的原因：黃斑變性和糖尿病性黃斑水腫。但是，如果較早地診斷出這兩種疾病，那麼它們都是可治療的。這種人工智慧系統獲得的診斷結果可與檢查相同的眼部掃描圖的5名眼科醫生的診斷結果相比擬。除了進行醫學診斷之外，這種人工智慧平台也給出了之前的研究沒有給出的轉診和治療建議。

這些研究人員指出經過簡單的培訓，這種人工智慧系統的表現類似於訓練有素的眼科醫生，並能夠在30秒內確定患者是否應該接受治療，並且準確度達到95％以上。

根據Zhang的說法，鑒於當患者從普通醫生轉診到專科醫生時，當前的醫療保健會耗費大量的時間和資源，從而阻止及時的有效治療，因此這種診斷速度和準確性代表了醫療診斷和治療向前邁出的一大步。Zhang也指出一種簡化的和相對廉價的基於人工智慧的工具將是世界上醫療資源特別是專科醫生稀缺的地方的福音。

這些研究人員並沒有將他們的研究限制在眼科疾病上。他們基於胸部X射線的機器分析，還測試了他們的人工智慧工具對兒童肺炎的診斷。兒童肺炎是全球5歲以下兒童死亡的主要原因。他們發現計算機能夠區分病毒性肺炎和細菌性肺炎，準確率達到90％以上。病毒性肺炎主要通過對症護理加以治療，這是因為人體會自然地清除這種病毒。細菌性肺炎往往是一個更嚴重的健康威脅，需要立即用抗生素加以治療。

Zhang說，這些研究結果表明這種人工智慧技術具有很多潛在的應用，包括可能區分掃描圖中檢測到的良性和惡性病變。這些研究人員已公開地發布了他們的數據和工具以便其他人能夠進 一步改進、優化和開發它的潛力。

Zhang說，「這種系統的未來是更多的數據、更強的計算能力和更多的人類經驗，這樣我們將能夠提供最好的病人護理，同時仍然具有成本效益。」

參考資料：

Daniel S. Kermany, Michael Goldbaum, Wenjia Cai et al. Identifying Medical Diagnoses and Treatable Diseases by Image-Based Deep Learning. Cell, 22 Feb 2018, 172(5):1122–1131, doi:10.1016/j.cell.2018.02.010

轉化醫學：生物谷旗下轉化醫學專業平台

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！