?   隨著人工智能技術的發展，谷歌一直致力于將深度學習應用在醫療健康領域。日前據谷歌產品經理及醫學博士Lily Peng表示，谷歌AI算法在醫療領域取得重要進展，不僅可以通過深度學習快速辨別出糖尿病視網膜病變的跡象，在癌癥檢測上也可以通過活檢圖像來定位癌細胞的位置，以便對患者實行醫療指導。

日前，在谷歌韓國分部攜韓國媒體舉辦的視頻會議上，谷歌研究部醫學影像小組產品經理Lily Peng帶來了一個很有意思的分享。據Lily Peng介紹，現階段美國科技巨頭可以利用深度學習來訓練機器分析醫學圖像，并自動檢測病理學線索。不管腫脹血管是在眼睛里還是在癌性腫瘤里，它都能檢測到。

基于人類大腦的工作原理，深度學習使用了大型的人造神經網絡（互連節點層）將自己重新排列為新信息，從而讓計算機獲得自學能力，而無需人工編程。

Google研究部醫學影像小組產品經理及醫學博士Lily Peng（圖／韓國先驅報）

“自20世紀60年代以來，人造神經網絡已經存在了很長一段時間。而隨著深度學習擁有更為強大的計算能力，我們在系統中可以建立更多的層次，從而高精度的處理更復雜的任務。”Lily Peng表示。

“在深度學習中，尋找功能的工作由計算機本身來完成。我們不會告訴它，它的功能是什么，但是我們會給它很多例子，讓網絡本身去確認哪些功能屬于自己。”

谷歌AI算法進展一：快速辨別糖尿病視網膜病變跡象

在醫學方面，谷歌已經在視覺膜掃描圖像的算法上取得了重要進展。基于此，搭載谷歌AI算法可以快速辨別出糖尿病視網膜病變的跡象。據稱，糖尿病視網膜病變是世界上預防性失明增長最快的原因。

不過，糖尿病視網膜病變可通過定期眼科檢查來檢測。醫生可使用特殊照相機拍攝患者的眼睛，并根據可見出血量來檢查病情。

“不幸的是，在世界很多地方尚沒有足夠的醫生來負責這樣的分級工作，”Lily Peng說。作為一位臨床醫學博士，Peng表示，印度目前存在127000名眼科醫生的短缺，而45％的患者在診斷前患有視力下降等病癥。

針對這一問題，谷歌設計了一種AI算法來分析視網膜圖像并以此識別糖尿病視網膜病變的特征。據目前透露的資料表明，這一計劃由54名眼科醫生擔當主力，他們一共分析了128000張視網膜圖像。每張圖像都被標記了多次，以解決醫生診斷結論的異變問題。

由于該AI算法已經顯示出高精確度的特點，谷歌已經開始在其基礎上構建一個界面和硬件，以便印度醫生在輸入視網膜圖像時可立即獲得糖尿病視網膜病變的測評分數。Peng說，谷歌將繼續優化AI算法，以提高用戶便利性，并計劃進行更多的臨床試驗以獲得監管機構的認可。

谷歌AI算法進展二：癌癥病理檢測

此外，谷歌深度學習推動的另一個領域是癌癥檢測。據雷鋒網了解，目前谷歌正在開發另一種深入學習算法，來調查活檢圖像以定位已擴散到淋巴結的轉移性乳腺癌。

Peng說：“我們要做的是找出淋巴結中存在的任何一個乳腺癌的位置，以進一步確定患者所處的癌癥階段從而指導治療。”

目前，谷歌AI算法在腫瘤局部化檢查的精確度可達89％，這一數值已經超過了經訓練有素的人類病理學家73％的成績。據稱，借助谷歌AI算法的腫瘤局部化檢查可以準確定位癌癥腫瘤的位置。

左：兩個淋巴結活檢的圖片。中：谷歌AI深度學習腫瘤檢測的早期結果。右：谷歌AI深度學習后的當前結果（注意兩個版本之間已可見噪點下降）。（圖片／via谷歌）

然而，Peng也指出了這一算法在活檢中的缺點。該算法在檢測包含1萬－40萬張圖像的載玻片時，其中有20～150000張顯示出腫瘤。據介紹，該算法的腫瘤位置敏感度可達92％，而每張載玻片存在八個假陽性讀數。

另一方面，雖然人類醫生對腫瘤位置只有73％的敏感度，但假陽性讀數為零 。一言以蔽之，雖然他們在尋找腫瘤位置的效率較低，但不會將正常組織識別為腫瘤。

Peng說：“如果能把谷歌AI算法和病理學家結合，那么我們將獲得一個非常理想的狀態：低假陰性（診斷結果）和高敏感度（腫瘤位置）。“

谷歌研究人員表示，目前將AI算法投入醫療行業實現商業化尚需一段時間。因為在獲得監管部門批準之前，必須確保有足夠的臨床測試來證明其功效和準確性。

    而關于谷歌下一代醫學圖像分析工具可能會遭受美國食品和藥物管理局（FDA）更嚴格規定這一問題，Peng對此表示， 由于谷歌這一設備現所屬的產品分類，美國FDA將對其采取“中立”或“客觀”的方式。 她說，美國FDA認為，新設備只是現有醫療成像和處理設備的升級版本，只要我們公開的功能有充分證據支持，就可以獲得批準。