谷歌的人工智能已經(jīng)比人類更好地掌握了古老的圍棋、學(xué)會(huì)了識(shí)別人臉和口語(yǔ)、能幫你在網(wǎng)絡(luò)中智能地篩選答案、甚至還能將你說(shuō)的話翻譯成上百種語(yǔ)言。而除了玩游戲和提供更便捷的智能手機(jī)應(yīng)用之外，谷歌的人工智能還能做一些更為嚴(yán)肅的事，比如疾病診斷。實(shí)際上，谷歌已經(jīng)嚴(yán)肅起來(lái)了。昨天，谷歌研究者在其 Research 博客上更新了一篇文章，介紹了他們?cè)谘芯孔詣?dòng)識(shí)別糖尿病性視網(wǎng)膜病變（diabetic retinopathy）上的最新進(jìn)展，相關(guān)論文已經(jīng)發(fā)表在美國(guó)醫(yī)學(xué)協(xié)會(huì)雜志（Journal of the American Medical Association）上。

　　糖尿病性視網(wǎng)膜病變（diabetic retinopathy，以下簡(jiǎn)稱 DR）是現(xiàn)在增長(zhǎng)最快的致盲病因，全世界大概有 4.15 億糖尿病患者存在失明風(fēng)險(xiǎn)。如果發(fā)現(xiàn)得早，這個(gè)疾病是可被治愈的；如果發(fā)現(xiàn)得晚，它就可能會(huì)導(dǎo)致不可逆轉(zhuǎn)的失明。不幸的是，世界上很多糖尿病高發(fā)地區(qū)還缺乏有能力檢測(cè)這種疾病的醫(yī)學(xué)專家。我們相信機(jī)器學(xué)習(xí)能夠幫助醫(yī)生檢查有需要的病人，尤其是那些尚未得到足夠醫(yī)療服務(wù)的人群。

　　幾年前，我們中一些人開(kāi)始思考能不能使用谷歌的技術(shù)來(lái)改進(jìn) DR 的篩選過(guò)程，特別是能否借助機(jī)器學(xué)習(xí)和計(jì)算機(jī)視覺(jué)領(lǐng)域的最新進(jìn)展來(lái)做到這一點(diǎn)。在今天發(fā)表于 JAMA 的論文《用于檢測(cè)視網(wǎng)膜眼底照片中糖尿病性視網(wǎng)膜病變的深度學(xué)習(xí)算法的開(kāi)發(fā)和驗(yàn)證（Development and Validation of a Deep Learning Algorithm for Detection of Diabetic Retinopathy in Retinal Fundus Photographs）》中，我們提出了一種可以解讀視網(wǎng)膜照片中 DR 發(fā)病跡象的深度學(xué)習(xí)算法，這有望能幫助資源有限地區(qū)的醫(yī)生正確地篩選出更多的病人。

　　檢測(cè)糖尿病性眼病的一種最常見(jiàn)的方法是讓專科醫(yī)生來(lái)檢查眼后部的圖像（圖 1），然后再評(píng)估疾病是否存在及其嚴(yán)重程度。其中疾病的嚴(yán)重程度是由病變（如微動(dòng)脈瘤、出血、硬滲出物等）的類型所確定的，這些癥狀表明了眼部之中的出血和液體滲出情況。然而解讀這些照片需要經(jīng)過(guò)專門的訓(xùn)練，而在世界上許多地區(qū)，還沒(méi)有足夠多合格的評(píng)估者能夠篩選出存在發(fā)病風(fēng)險(xiǎn)的每個(gè)人。

　　圖 1：為了篩選 DR 而拍攝的視網(wǎng)膜眼底照片樣本。左側(cè)的圖像是健康的視網(wǎng)膜（A），而右邊的圖像則是可引起糖尿病性視網(wǎng)膜病變的視網(wǎng)膜（B），可以看到存在出血狀況（紅點(diǎn)）。

　　通過(guò)與印度和美國(guó)的醫(yī)生緊密地合作，我們創(chuàng)建了一個(gè)包含 128,000 張圖像的開(kāi)發(fā)數(shù)據(jù)集，其中每一張圖像都得到了 54 位眼科醫(yī)生中 3 到 7 位醫(yī)生的評(píng)估。這個(gè)數(shù)據(jù)集被用來(lái)訓(xùn)練了一個(gè)可以檢測(cè)可誘發(fā)糖尿病性視網(wǎng)膜病變的病癥的深度神經(jīng)網(wǎng)絡(luò)。然后我們?cè)趦蓚�(gè)互相獨(dú)立的包含大約 12,000 張圖像的臨床驗(yàn)證集上測(cè)試了該算法的表現(xiàn)，該測(cè)試所參考的標(biāo)準(zhǔn)是一個(gè) 7 或 8 人的美國(guó)認(rèn)證眼科醫(yī)生中大多數(shù)人的意見(jiàn)。為驗(yàn)證集所選擇的眼科醫(yī)生的意見(jiàn)與訓(xùn)練集原來(lái)的 54 位醫(yī)生的意見(jiàn)表現(xiàn)出了高度的一致性。

　　圖 2顯示了算法和眼科醫(yī)生在包含9,963張圖像的驗(yàn)證集上的判斷表現(xiàn)。

　　圖 2. 算法性能（黑色曲線）和八位眼科醫(yī)生（彩色圓點(diǎn)）在由9963個(gè)圖像組成的驗(yàn)證集上判斷病變，即判斷是否存在可引起的糖尿病性視網(wǎng)膜病變（中度或更嚴(yán)重的糖尿病性視網(wǎng)膜病變或可疑的糖尿病性黃斑水腫）。圖上的黑色方塊對(duì)應(yīng)在高靈敏度和高特異性操作點(diǎn)中，算法的靈敏度和特異性。

　　結(jié)果顯示我們算法的表現(xiàn)和眼科醫(yī)師的診斷是處于同等水平的，例如，在圖2中描述的驗(yàn)證集上，算法具有0.95的F-Score值（結(jié)合靈敏度和特異性的度量，最大值為1），算法的表現(xiàn)稍微高于我們所咨詢的8個(gè)眼科醫(yī)生F-Score中位數(shù)值（0.91）。

　　這些是十分令人振奮的結(jié)果，但仍然我們還有很多要做。首先，雖然使用常規(guī)質(zhì)量度量評(píng)價(jià)我們的算法結(jié)果是鼓舞人心的，但我們正在與視網(wǎng)膜專家合作去定義更強(qiáng)健能量化臨床表現(xiàn)的參考標(biāo)準(zhǔn)。此外，我們?cè)谡撐闹凶C明解釋2D眼底照片只是診斷糖尿病性視網(wǎng)膜病變多步驟過(guò)程的一部分。在某些情況下，醫(yī)生需要使用3D成像技術(shù)，光學(xué)相干斷層掃描（OCT），詳細(xì)檢查視網(wǎng)膜的各個(gè)層。將機(jī)器學(xué)習(xí)應(yīng)用于這種3D成像模式已經(jīng)在DeepMind的帶領(lǐng)下進(jìn)行了。在將來(lái)，這兩種互補(bǔ)方法可以一起使用，以幫助醫(yī)生診斷更多的眼科疾病。

　　高精度自動(dòng)糖尿病性視網(wǎng)膜病變（DR）掃描方法有很大的潛力，因?yàn)樗�能幫助醫(yī)生評(píng)估更多的患者，并且迅速地將需要幫助的人匹配給專科醫(yī)生。我們正在與醫(yī)生、研究員一起研究世界各地的掃描全過(guò)程，并希望我們可以用最有利的方式將我們的方法整合到臨床工作流程中。最后，我們正與美國(guó)食品藥品監(jiān)督管理局（FDA）還有其他監(jiān)管機(jī)構(gòu)合作，以進(jìn)一步評(píng)估這些技術(shù)在臨床中的表現(xiàn)。

　　考慮到最近深度學(xué)習(xí)有許多進(jìn)展，我們希望我們的研究只是眾多激發(fā)興趣的例子之一，希望它證明機(jī)器學(xué)習(xí)能夠更廣泛地幫助解決醫(yī)療成像，甚至是更廣泛的醫(yī)療保健問(wèn)題。