人工智能诊断正在快速兴起

美国斯坦福大学（Stanford University）研究团队展示了一种“深度学习”算法，能够像执业皮肤病专家一样准确诊断潜在的癌性皮肤病变。

《自然》杂志（Nature）报道的这一癌症诊断发现只是2017年众多这类报道的一例，让我们管中窥豹，看到了人工智能可以协助医生甚至能与他们媲美的“软件诊断”新时代。

专家称医学图像，如照片、X光和核磁共振成像（MRI），与深入学习软件的匹配近乎完美，这推动了近几年识别照片中的人脸和物体的技术取得突破。

目前已经有公司在探索这种方法了。2016年12月，美国字母表公司（Alphabet）旗下生命科学公司Verily与尼康（Nikon）联手开发了检测糖尿病患者失明原因的算法。此外，放射学领域被戏称为“医学界硅谷”，因为它生成了大量详细的图像。

尽管斯坦福研究团队的预测非常准确，但没人能完全确定深度学习程序是依据痣的哪些特征来将其分类为恶性或良性。这就是医学版深度学习“黑盒”问题。不同于程序员确定规则的传统视觉软件，例如，规定一个停止符号有八个边；深度学习中，算法会自行发现规则，但往往没有留下一个审核线索来解释它的决策。“就黑盒医学而言，医生们不知道发生了什么，因为没有人能做到这一点；它本质上是不透明的。”美国密歇根大学（University of Michigan）研究人员指出。

他表示，这可能不会给医疗保健带来严重障碍。他把深度学习比作药效释放方式未知的药物。锂（Lithium）就是一个例子，其影响情绪的确切生化机制尚未阐明，但该药物仍然获批用于治疗双相情感障碍。阿司匹林一直是最广泛使用的药物，但它的机制有70年都处于不明状态。同样地，黑盒问题不会对美国食品药品监督管理局（U.S. Food and Drug Administration）造成问题。该局除了审批新药外，还要监管治疗或预防疾病的软件。

美国食品药品监督管理局在一份声明中表示，过去20年里，它已经批准了“许多图像分析应用，这种程序基于各种模式识别、机器学习、以及计算机视觉技术”。该机构证实遇到的深度学习支持的软件越来越多了，并表示允许公司对其算法详情保密。

美国食品药品监督管理局至少已经批准了一种深度学习算法。2017年1月，该局批准了美国私营医疗成像公司Arterys开发的销售软件。它的算法“DeepVentricle”分析了心脏腔室内部轮廓的核磁共振图像，并计算出病人心脏的血容量和泵血量。该公司表示，计算在30秒以内完成，而传统的方法通常需要一个小时。

美国食药监局要求Arterys公司进行大量测试，确保算法得到的结果与医生的诊断结果水平相同。该公司首席技术官说，“你需要用统计学的方法证明算法符合预期用途或符合营销描述。”

斯坦福大学的这支研究团队给软件输入了129405张经专家评估的皮肤病图像以训练软件。这些图像涵盖了2032种不同的疾病，其中确诊为皮肤癌的图像1942张。

最终，该软件在确定哪些痣可能致癌方面的表现超过了21皮肤病专家。“当皮肤病专家看到这种技术的潜力时，我认为他们大多数会接受这种技术。”该团队一名研究人员表示，但他和其他团队成员拒绝透露他们是否计划将软件商业化。“担心医生很快就会失业的任何想法都是错误的。”美国纪念斯隆·凯特琳癌症中心（Memorial Sloan Kettering）的皮肤科医生兼国际皮肤数字成像学会（International Society for Digital Imaging of the Skin）会长说，“我认为威胁正好相反。”算法“可以极大地推动皮肤科服务的需求”。

这是因为筛查测试中的阳性结果仍然需要活检。深度学习的软件可以在初级保健机构中发挥作用，他指出，但若用于全民筛查测试，或通过消费者应用程序进行使用，目前还没有足够的皮肤科医生来跟进疑似病例。

Arterys公司首席技术官表示，一些公司会倾向于直接向客户提供深度学习的工具。例如，人们可以通过扫描自己的痣来决定是否需要去看医生。一些非人工智能的手机应用程序，例如Mole Mapper，已经可以让人们追踪可疑的皮肤痣，记录其随着时间推移发生的任何变化。

然而，纪念斯隆·凯特琳癌症中心的皮肤科医生兼国际皮肤数字成像学会会长表示，他认为消费者并没有准备好应对这种会告诉自己一个痣有5％抑或50％的概率变为癌症的诊断系统。“我们并不擅长使用概率。”他说。