「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。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|Google
针对这一情况,谷歌的AI团队研究了一套深度学习算法。通医院、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,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ISBICamelyonChallenge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。
GoogleAI对肺部3D图像进行扫描检测|Google
除了算法,谷歌还为阿兹海默症(老年痴呆)患者打造过一套「康复硬件」,使患者能够以「虚拟骑行」的方式,回到那些自己熟悉的地方,借此再次回到那些在他们人生中有重要意义的地点,也能够帮助他们回忆起以前的事。极客公园(id:geekpark)曾在阿兹海默症日报道过谷歌的这项技术。
AI驱动的医疗
随着医疗水平的提高,人类的生活水平、平均寿命在不断提高。
这意味着医生的专业门槛在不断提高,工作压力也不断增加,与此同时,医疗资源不平衡的现象也愈发严重。一个好医生的能力有限,无法诊治所有的病人,而治病救人的使命感和责任感又迫使他们将压力全部顶在自己肩膀上。
这是「AI驱动医疗」最大的意义,技术能够拓增医生的能力、减轻他们的压力,也让他们能帮助到更多更多的普通人。基于AI的医学影像识别、疾病筛查只是第一步,这个领域还有更大的潜力等待人们去发掘。
头图来源:视觉中国
责任编辑:宋德胜