我們正處于一個數(shù)據(jù)爆炸的時代，對于正趨向于精準醫(yī)療的醫(yī)學領域來說更是如此。海量的數(shù)據(jù)讓我們比以往任何一個時期都更加需要AI的發(fā)展。

近日，在由deeplearning．ai舉辦的一場線上研討會上，分子醫(yī)藥學專家、北美獨立科學研究機構Scripps Research Institute創(chuàng)始人Eric Topol博士與人工智能專家吳恩達（Andrew Ng）博士進行了深度對話，向觀眾介紹了AI醫(yī)學領域的最新研究成果與臨床應用。

Eric Topol博士曾被湯森路透社評為“世紀醫(yī)生”，他是美國醫(yī)學院院士，曾發(fā)表了1100多篇高引用率的文章，在醫(yī)藥領域文章引用率排名前十。他曾撰寫了30多本醫(yī)用教科書，同時是暢銷書《顛覆醫(yī)療》的作者。

吳恩達（Andrew Ng）則是人工智能領域最權威學者之一，被譽為“AI大師”，是deeplearning．ai的創(chuàng)始人，同時也是在線教育平臺Coursera的聯(lián)合創(chuàng)始人。

在文章的第一部分，我們將順著Eric Topol博士與吳恩達博士的對話，梳理過去一年內AI在醫(yī)療領域的最新進展，比如NYU對乳腺癌篩查的研究、深透醫(yī)療（Subtle Medical）的醫(yī)學影像產品，還有手機超聲波探測器、斯坦福大學研發(fā)的智能馬桶等有趣的應用。在文章的第二部分，我們將更深入地探討AI＋醫(yī)療在臨床落地中所遇到的困境，以及當下究竟需要什么樣的AI應用。

AI在醫(yī)學領域的最新應用

為什么我們的醫(yī)學需要AI這條全新的路徑？當前的醫(yī)療技術仍存在著諸多問題，比如檢測結果準確率低，常常漏診、誤診，檢測與治療昂貴，存在大量資源浪費等等。Topol博士認為，AI有潛力較好地解決這些問題，并且，全人類都能從AI+醫(yī)療的發(fā)展中受益，這種益處貫穿了人類從出生到死亡的每一個階段。

提高準確性

Google團隊曾經做過一個實驗，如果向眼科醫(yī)生展示一張視網(wǎng)膜的圖像，然后問他，這個視網(wǎng)膜屬于男性還是女性。那么這些眼科醫(yī)生答對的幾率是50％，但一個經過訓練的AI神經網(wǎng)絡，正確率可以達到97％或98％。

這個例子想要說明的是，AI的一大作用是提高診斷的準確性。通過深度學習，AI診斷的準確率可以達到專家水平，甚至遠超專家。當然，這只是簡單舉例，事實上我們有千萬種更好的辦法來判斷器官的主人是男是女。

準確性不高所帶來的嚴重后果就是誤診與漏診，這在臨床中較為普遍。以乳腺癌篩查為例，乳腺癌是全球女性最大的癌癥殺手之一，但在乳腺的X光片中，卻存在大量的假陰性和假陽性問題。

紐約大學于2019年10月發(fā)表了一篇論文，研究者用深層卷積神經網(wǎng)絡對超過100萬張圖像進行乳腺癌篩查的分類、訓練和評估，這是迄今為止最大規(guī)模的乳腺癌研究。該研究表明，其神經網(wǎng)絡在預測乳房中是否存在癌癥中可以達到專家的水平（AUC＝0．895）。研究者還對照了14位放射科醫(yī)生的解讀結果，他們讓每位醫(yī)生閱讀了720幅乳腺X光片，結果證明，AI判斷的準確性與放射科醫(yī)生相差無幾。而若將放射科醫(yī)生預測的惡性概率與其神經網(wǎng)絡相平均后的混合算法，所產生的預測結果還會更加準確。這項研究非常有價值，因為每年有數(shù)億女性進行乳腺檢測，卻常常得到錯誤的檢測結果。

提高檢測效率

在準確性之外，AI在現(xiàn)實醫(yī)療中的另一大重要應用是提高效率。比如，在醫(yī)學影像中用AI獲得更快的掃描與檢測速度，并在更短的時間內取得更高的成像質量。對于醫(yī)院、醫(yī)生和患者來說，這類應用能夠帶來實實在在的價值。

Eric Topol博士在直播中以深透醫(yī)療（Subtle Medical）的產品進行了舉例，這家創(chuàng)立于2017年的公司致力于用AI改善醫(yī)學影像的質量，縮短檢測流程，改善放射科的患者體驗，并在檢測過程中降低造影劑的劑量，以降低對患者健康的危害。