DeepMind这套AI系统可检测50余种眼疾,准确率高于眼科专家 - 科技行者

Google DeepMind 最近在《自然-医学(Nature Medicine)》期刊上发表研究报告显示,它迎来一项里程碑式的医疗成就,它的 AI 在诊断眼疾上与人类医生一样出色。 

DeepMind 与伦敦摩尔菲尔茨(Moorfields)眼科医院合作,在今年 2 月开发出能够通过分析 3D 视网膜扫描影像、识别青光眼和糖尿病视网膜病变等主要眼睛疾病的 AI 技术。在 997 名患者的扫描影像上进行的测试中,DeepMind 的算法在转诊推荐的准确度比摩尔菲尔茨眼科医院的 8 名视网膜专科医生表现得更好——DeepMind 算法的错误率为 5.5%,而 8 名人类医生的错误率在 6.7% 到 24.1% 之间;如果向人类医生提供患者的背景信息,人类医生的错误率会降低到 5.5% 到 13.1% 之间,结果与 AI 的水平持平或稍差。

DeepMind称,这套人工智能系统能够以前所未有的准确率快速解读常规临床实践的观察结果,从而向患者推荐治疗方法,水准堪比世界领先医疗专家,且诊断范围涵盖50逾种威胁视力的眼科疾病。“这有望彻底改变我们管理人类各种眼科疾病的方式。”

从长远角度来讲,DeepMind希望这一成果能够帮助医生们快速确定需要紧急医治的患者的优先顺序,以最终提升治疗效果。

更为精简的诊断流程

目前,眼科医疗专业人员利用光学相干断层扫描(optical coherence tomography,简称OCT)帮助诊断眼部状况。这些3D影像能够提供关于眼球体背面的详细信息,但其解读难度极高,且通常需要由经验丰富的专家进行分析与解释。

分析这些扫描影像所需要的时间,再加上医疗卫生专业人员需要面对的影像数量(仅在摩尔菲尔茨眼科医院,每天就需要进行超过1000次相关扫描),往往导致扫描与治疗之间的时间周期出现严重延迟。这意味着,一部分病患可能无法得到必要的紧急处理,而一旦他们出现突发性状况,例如眼底出血,此类延误甚至有可能令患者彻底失明。

DeepMind开发出的这套系统旨在解决这一挑战。其不仅能够在数秒钟之内自动检测到眼部疾病的特征,还可以通过提供是否需要转诊等建议以优先考量急需治疗的患者。这种即时性的分类过程能够大大缩短扫描与治疗之间的时间周期,从而帮助患有糖尿病及年龄相关性黄斑变性的患者避免丧失视力。

具有强大的技术适应性

DeepMind不仅将其视为一种有趣的学术性成果,还希望能够真正利用其进行治疗。因此,DeepMind也在论文当中谈到了人工智能在临床实践中的一大主要障碍,即“黑匣子”问题。对于大多数人工智能系统而言,我们往往很难准确理解其提出建议的具体依据。对于需要了解系统推理的临床医生及患者而言,这显然是种无法接受的情况。换言之,人们不仅需要了解人工智能给出了怎样的结论,更需要知道为什么。

DeepMind的系统采用了一种新颖的方法来解决这个问题,即将两套不同的神经网络结合起来,并在二者之间插入一套可轻松解释的表达机制。

· 第一套神经网络被称为拆分网络(segmentation network),用于分析OCT扫描以提供不同类型的眼组织图谱并发现其中存在的疾病特征,例如出血、病变、不规则积液或者其它病变迹象。通过这套图谱,眼科专业人员将能够深入理解系统的“思考过程”。

· 第二套网络则被称为分类网络(classification network),其负责分析这份图谱,从而为临床医师提供诊断与推荐建议。最重要的是,该网络会以百分比的形式表达建议内容,从而帮助临床医生更准确地评估系统对其分析结论的信心水平。

DeepMind这套AI系统可检测50余种眼疾,准确率高于眼科专家图片备注

这一功能至关重要,因为眼科治疗专家一直在为患者决定护理及治疗方式方面发挥着核心作用。因此,确保他们能够认真核查系统建议亦成为人工智能方案在实践中实现全面使用的关键所在。

最重要的是,这项技术还能够对接不同类型的眼部扫描仪,而非单纯支持Moorfields提供的特定设备类型。这看似无关紧要,但却具有深远的意义,意味着该项技术可以较为轻松地应用于世界各地,从而极大增加由此受益的患者的具体数量。此外,这也确保了在医院及其它临床场景随时间推移对自身OCT扫描仪进行升级或更换时,该系统仍能正常发挥作用。

下阶段展望

热闻

晨光推荐

晨光娱乐

晨光汽车