DeepMind在《Nature Medcine》發文，首度將AI應用於眼科OCT中，準確度達到頂尖專家水平 。

　　原標題：AI領域又有突破性研究，可爲50多種眼科疾病推薦治療方案

　　《財經》記者 張利 | 文   王小 | 編輯

　　橫掃圍棋界後，人工智能企業DeepMind近日又在學術期刊《Nature Medcine》發表一項研究。“這項研究或將改變重度眼疾的治療方式。” DeepMind官網自信地寫道。

　　這篇題爲《可在臨牀上用於視網膜疾病診斷和轉診的深度學習》的論文稱，系統能診斷包括糖尿病眼病、黃斑病變等50多種眼科疾病，準確度超過專家，並且可推薦相應的診療措施。

　　DeepMind 已經成爲 AI 領域的明星，其將機器學習和系統神經科學的前沿技術相結合，建立強大的通用學習算法，其開發的AlphaGo打敗了世界最頂尖的圍棋手。此前有外媒報道，DeepMind 欲將其算法應用到醫療保健行業，包括計劃在 5年內使用機器學習處理英國國家醫療服務體系（NHS）。此次發表的研究，正是DeepMind和倫敦摩爾菲爾茲眼科醫院（Moorfields Eye Hospital）合作的第一階段成果，雙方合作始於2016年。

　　這項研究填補了人工智能在OCT臨牀應用中的空白。OCT全稱爲optical coherence tomography，譯爲學相干斷層成像，廣泛應用於視網膜疾病、青光眼、眼前節疾病等眼科疾病的檢查。

　　AI在眼科領域的應用已然是AI醫療潮中的一大分支。國內公司多用AI以識別眼底圖，以篩查糖尿病性視網膜病變，這是是糖尿病患者失明的主要原因。眼科領域的眼底圖與OCT， 類似x光和CT，眼底照通常用於一些疾病的初步檢查，而OCT能得到更加微觀、更加精確的信息。

　　“該AI系統能以‘前所未有’的準確度快讀解讀臨牀中的眼部OCT檢查結果。” DeepMind聯合創始人Mustafa Suleyman在博客中稱。

　　準確率

　　在對DeepMind這一AI系統測試中，錯誤率爲5.5%，而同時，8名專家中最好的兩位，錯誤率分別在6.7%和6.8%。“說明其效果已經能達到人類專家的水平，符合臨牀應用的要求。”Airdoc算法工程師王欣對《財經》記者分析。

　　如今，OCT檢查已經在醫院眼科廣泛應用，是重度眼疾診斷的金標準。“我們看眼底病，先看OCT檢查，再結合眼底照和視力。”一位上海復旦大學附屬眼耳鼻喉科醫院醫生對《財經》記者說，該院有四五臺OCT，每天至少有150名患者進行OCT掃描，“已經全部排滿了，病人要等” 。

　　在英國，OCT檢查被廣泛用於急性或慢性視力損傷的患者，快速進行全面評估和分類。

　　雖然OCT應用廣泛，但相對於眼底篩查，OCT檢查更加難讀。AI系統有望能減輕眼科醫生的負擔。

　　“AI在醫學影像中就應該應用於多病種、多部位、多格式。”對此，宜遠智能CEO吳博對《財經》記者說，太孤立地做，容易鑽牛角尖，一旦遇到瓶頸，孤立病種也沒實際意義了。

　　突破性

　　DeepMind的這項研究更具突破性地方在於，採用了一種新穎的算法，使得AI能夠適用不同的人羣、不同的設備。

　　“儘管最新研究已經顯示，AI能在二維圖像識別上達到專家水平，但是前瞻性臨牀試驗仍然面臨三大難題：一是AI系統（基於一個典型數據集中大量數據訓練出的）必須能應用到真實場景，且不損失準確性，同時，對於訓練數據沒有禁止性要求；二是AI必須能夠應用於實際的臨牀問題，能夠方便地進行臨牀部署和效果評估；三是AI的性能必須在實際場景中媲美甚至超過人類專家的水平。” DeepMind論文中寫道，這項研究成果已經在解決這三個問題顯示出潛力，但是尚未達到全部三個標準。

　　這意味着AI系統能很好地應用在多家醫院、多臺設備上，這大大拓寬了DeepMind的客戶，系統可以接受更多真實的數據訓練，以更好迭代。

　　主流的深度學習方法存在一個明顯的缺陷，即它的過程無法描述，猶如一個 “黑箱”，在這項研究中，DeepMind採用了一種新穎的算法來解決這個問題，“能讓眼科醫生了解系統是如何‘思考’的”。

　　數據是關鍵

　　如國內絕大多數AI醫療公司一樣，DeepMind系統還處於科研階段。

　　未來5年內，項目合作方——倫敦摩爾菲爾茲眼科醫院的30家醫院和社區診所都能免費試用該系統。同時雙方還將繼續推進這項研究。

　　但不同於國內公司的是，DeepMind面臨更嚴格的數據隱私要求。在這次合作中，DeepMind着重強調了Moorfields 擁有數據所有權。

　　因數據隱私問題，2017年，英國最高隱私保護監管部門裁定，DeepMind一項重要的醫學實驗違反了英國的數據保護法——這項實驗中，NHS向Google DeepMind部門提供了約160萬患者的詳細資料。該信息用於開發完善一個名爲Streams的診斷和檢測系統，可以識別處於風險中的患者。

　　如今，AI 算法開源的情況下，數據是關鍵。AI產品迭代成熟的關鍵仍是是否能源源不斷地合法獲取足夠的影像數據。