虽然我们相信虚拟助手能给我们指路或者帮我们推荐合适的午餐厅，但要说像相信医学诊断一样相信人工智能（AI），却让人望而却步。目前，一个由中美科学家组成的团队则旨在改变这一现象。
在2月22日发行的《Cell》杂志上，他们介绍了一个应用大数据和AI的平台，这个平台不仅能识别最常见的两种视网膜疾病，还能评估其严重程度。同时，它还可以通过胸部X光图像区分儿童细菌性肺炎和病毒性肺炎。
“黄斑变性和糖尿病黄斑水肿是不可逆性失明最常见的两种病因，但如果能及早发现，这两种病因的治愈希望还是很大的。”加利福尼亚大学圣地亚哥分校希利眼科研究所（ShileyEyeInstitute）眼科教授、资深作者张康（KangZhang）说。
“习惯上，如何及何时对患者进行治疗由专家小组决定，这些专家需要经过长年的培训并且多数集中在城镇地区。相比之下，我们的AI工具则可以在世界上的任何地方使用，特别是在农村地区。这在医疗资源相对较少的中国、印度和非洲等地非常重要。”
图丨张康教授
该平台研究了超过个光学相干断层扫描（OCT）图像，这些图像由利用光波对视网膜各层进行成像的非侵入式扫描收集获得。先前的研究围绕利用机器学习来研究视网膜图像进行，而新研究作者表示，他们的平台通过运用一种被称为迁移学习的技术使研究更进一步。
迁移学习是机器学习的一种，在这种技术中，与分类有关的一般知识可以从一个疾病区域转换到另一个疾病区域，并且可以使AI系统利用比传统方法小得多的数据集进行有效学习。除了进行医学诊断之外，这个AI平台还可以提供转诊和治疗建议，这是超越以往研究的又一进步。
研究人员还进行了闭塞试验，使他们可以在查看扫描图像时，获得最重要的区域。“通常，机器学习就像一个黑匣子，我们不知道里面到底发生了些什么。”张教授解释道。“通过闭塞试验，计算机可以告诉我们，它是根据图像中的哪些位置做出诊断的，从而帮助我们找出系统得出这种结论的原因。这使得系统更加透明并且提升了其诊断的可信度。”
在此项研究中，科研人员将计算机的诊断结果与五位进行扫描检查的眼科医生的诊断结果进行了比较。“通过简单培训，这种机器就可以达到训练有素的眼科医生的水平。在30秒内，它就可以决定患者是否应该接受治疗，其准确度在95％以上，”张教授称。
他解释说，诊断和治疗视网膜疾病通常需要先咨询全科医生或验光师，然后是普通眼科医生，最后是视网膜专家。这种转诊过程可能会浪费用于疾病治疗的宝贵时间和资源。迅速治疗看似只是一念之差，但对于患者来说，就可能是失明与复明的天壤之别。“自动诊断对患者大有裨益，它使得患者能够更快地接受专科医生的治疗从而得到更好的治疗结果，”他说。
据张教授估计，这种测试的花费仅占目前传统方法所需费用的一小部分。“除经济利益外，在提高个人和社会生产率方面，它也具有重大非经济效益，其可以缩短偏远地区患者看病的等待时间，并为这些患者提供更好地护理服务，”他说。
研究人员还将该工具应用于儿童肺炎。通过查看胸部X光片，计算机可分辨病毒性肺炎和细菌性肺炎，其准确度超过90％。病毒性肺炎主要采取支持治疗，而细菌性肺炎需要迅速开始抗生素治疗。这表明该工具适应性强，可有效用于多种类型的医学图像。
张教授说，这项技术的应用潜力还很大，例如区分CT扫描或核磁共振成像的癌性和非癌性病变。
目前，其团队已经开发了相关数据和工具，以供其他团体使用。“如果我们团结协作，就可以开发出更好、具有更高计算能力的检测，”他说。“未来，会有更多的数据、更高的计算能力、更多的使用该系统人员所得出的经验，这使我们在为患者提供最好的服务的同时，依然保有不错的经济收益。”