在一项新的研究中，来自中国广州医科大学和美国加州大学圣地亚哥分校等研究机构的研究人员利用人工智能和机器学习技术开发出一种新的计算工具，用于筛查患有常见的致盲性视网膜疾病的患者，从而潜在地加速疾病诊断和治疗。相关研究结果发表在2018年2月22日的Cell期刊上，论文标题为“Identifying Medical Diagnoses and Treatable Diseases by Image-Based Deep Learning”。

图片来自Cell, doi:10.1016/j.cell.2018.02.010

　　论文通信作者、广州医科大学附属广州市妇女儿童医疗中心科学家、加州大学圣地亚哥分校基因组医学研究所研究员Kang Zhang教授说，“人工智能（AI）通过对难倒人类专家的大量数据进行快速地分析和分类而有巨大的潜力引发疾病诊断和管理变革。”

　　当前的计算方法是费力的和昂贵的，并且需要使用数百万张图片来训练人工智能系统。在这项新的研究中，Zhang和他的同事们使用基于人工智能的卷积神经网络（convolutional neural network）来检查利用光学相干断层成像术（optical coherence tomography）获得的20万多张眼部扫描图。光学相干断层成像术是一种无创技术，将视网膜上的光线反射回来，从而创建出组织的二维图和三维图。

　　这些研究人员随后采用了一种被称作迁移学习（transfer learning）的技术，在这种技术中，解决一个问题所获得的知识被储存在计算机中并应用于不同但相关的问题。比如，当检查整只眼睛的图片时，经优化识别眼睛的不同解剖结构（如视网膜、角膜或视神经）的人工智能神经网络能够更快速地和更高效地鉴定出它们。这就使得人工智能系统能够比传统方法高效地利用更小的数据集进行学习。

　　这些研究人员接下来进行闭塞测试（occlusion testing），在这种测试中，计算机鉴定出每幅图像中最感兴趣的区域。Zhang说，“机器学习往往就像一个黑盒子，在那里，我们并不确切地知道到底发生了什么。通过闭塞测试，计算机能够告诉我们它看到图像的哪个位置，从而作出诊断，因此我们能够弄清楚为何人工智能系统会获得这样的诊断结果，从而使得这种系统更加透明，并增加我们对这种诊断的信任度。”

　　这项研究着重关注不可逆性失明的两种常见的原因：黄斑变性和糖尿病性黄斑水肿。但是，如果较早地诊断出这两种疾病，那么它们都是可治疗的。这种人工智能系统获得的诊断结果可与检查相同的眼部扫描图的5名眼科医生的诊断结果相比拟。除了进行医学诊断之外，这种人工智能平台也给出了之前的研究没有给出的转诊和治疗建议。

　　这些研究人员指出经过简单的培训，这种人工智能系统的表现类似于训练有素的眼科医生，并能够在30秒内确定患者是否应该接受治疗，并且准确度达到95％以上。

　　根据Zhang的说法，鉴于当患者从普通医生转诊到专科医生时，当前的医疗保健会耗费大量的时间和资源，从而阻止及时的有效治疗，因此这种诊断速度和准确性代表了医疗诊断和治疗向前迈出的一大步。Zhang也指出一种简化的和相对廉价的基于人工智能的工具将是世界上医疗资源特别是专科医生稀缺的地方的福音。

　　这些研究人员并没有将他们的研究限制在眼科疾病上。他们基于胸部X射线的机器分析，还测试了他们的人工智能工具对儿童肺炎的诊断。儿童肺炎是全球5岁以下儿童死亡的主要原因。他们发现计算机能够区分病毒性肺炎和细菌性肺炎，准确率达到90％以上。病毒性肺炎主要通过对症护理加以治疗，这是因为人体会自然地清除这种病毒。细菌性肺炎往往是一个更严重的健康威胁，需要立即用抗生素加以治疗。

　　Zhang说，这些研究结果表明这种人工智能技术具有很多潜在的应用，包括可能区分扫描图中检测到的良性和恶性病变。这些研究人员已公开地发布了他们的数据和工具以便其他人能够进一步改进、优化和开发它的潜力。

　　Zhang说，“这种系统的未来是更多的数据、更强的计算能力和更多的人类经验，这样我们将能够提供最好的病人护理，同时仍然具有成本效益。”