Google醫學影像產品經理Lily Peng：AI影像方案落地醫院臨床，需恪守這3大原則

雷鋒網按：目前全球範圍內大約有4.5億的糖尿病患者，單是中國就有1.1億左右，而糖尿病視網膜病變致盲問題也愈發受到人們的關注。

據悉，只要在發病初期定期進行眼底檢查，失明風險可下降94.4%，但由於眼底病灶微小，部分醫生經驗不足等原因，使得診斷中可能出現漏診、誤診的情況，因此，藉助AI輔助診斷是未來的一大趨勢。

作為科技領域的領導者，Google在眼底影像方向也有著不少研究。

Google醫學影像產品經理Lily Peng談到，她們團隊從糖網病眼底篩查切入，其重要原因是發現印度有45%的糖尿病患者出現視力下降的情況，而整個印度卻存在12萬名眼科醫生的缺口。因為Google欲利用AI技術緩解這一現象。

為此，Lily Peng團隊通過與印度和美國的醫生密切合作，創建了一個包含12.8萬張眼底掃描圖片的數據集用於訓練檢測糖尿病性視網膜病變的深度神經網路，並且進行了88萬次診斷和不同分級。經訓練後的模型可自動篩選疑似病變的眼底掃描圖，醫生可通過該工具輔助病情診斷。

Lily Peng指出，現在Google已與美國葯監局達成合作，同時完成部分臨床實驗和具體效果研究，實驗成果深受眼科醫生的喜愛。

「雖然目前演算法表現非常好，但還需要部署大量工作。我們意識到如果要讓演算法發揮出更大作用的話，從源頭上講，首先要有不錯的成像質量，拿到高質量的影像數據後，才能更好地做標註、訓練和篩查。因此硬體本身也是一個門檻。針對這一問題我們與生命科學公司合作，同器械商共同研究軟硬體，以便達到更好的訓練和篩查效果。」

在問到Google與醫院的合作形式時，Lily Peng談到雙方的合作是由醫院來主導研究方向。

「通常情況下，醫院方會把他們的需求問題告知我們。與印度醫院之間的合作，我們當時恰好發現有相關的演算法方案能夠幫助他們解決問題。」

合作期，Google會專門為醫院打造一些可輔助醫生用於臨床測試和臨床驗證的工具，同時也會對這些醫院的工作人員進行演算法和工具使用培訓，讓他們懂得病患進行治療過程中，如何有效利用人工智慧進行綜合治療。

眾所周知，整個行業的醫療AI產品化都會面臨一個無法迴避的問題：要想從實驗研究項目到臨床使用，是一個較為漫長且複雜的過程。

在這一問題上，Google也不例外，Lily Peng說道：「打磨「工具」固然重要，但它只是冰山一角。中國平均每個醫生一天要看100多病人，而美國只有20個左右，以國內醫療環境為例，這其中還需有大量配套工作才能保證這些演算法能夠在臨床環境下應用。醫學AI產品沒有做到很完美，往往負面效果比正面效果更大。」

把醫學產品帶到醫生手中，讓他們用起來主要保證三點：

安全性：醫學AI產品首先要進行臨床測試，證明它的安全性、有效性，得到臨床驗證後，大家才知道這個產品可以用。

建立醫生和解決方案研究者之間的互信：一家技術公司打造的醫學解決方案性能表現很好，但不代表醫院、醫生就足夠相信它。醫生通過人工智慧給病患做檢查，在解讀結果時不僅要告訴病人得了什麼病、要預防哪些事項，還需要知道AI背後的東西。因此研究員們需要創建一套方法論，給醫生們解釋清楚演算法得出診斷結果的工作原理是什麼？能不能呈現出可視化的熱力圖供醫生參考？具體細化到哪一塊像素有問題？唯獨這樣才能使醫生能更權威、更專業地跟患者進行解釋，從而更加順利地協助醫生做決策。

用戶體驗：Google一直恪守以用戶為導向的設計原則，醫學產品也如此。

Google從醫生（用戶）角度出發，為醫生提供一個端到端的設計和解決方案，使他們的工作變得更加順暢。但前提是確保打造的解決方案不會干擾醫生現有的工作，而是能夠無縫嵌入到他的工作流程，融合到醫生總體的解決框架當中。

為此，Google不斷與解決方案的直接使用者進行溝通，了解他們的需求，了解醫生在操作過程中的使用習慣。除了影像科醫生外，還要了解護士、護理人員以及所有跟解決方案間接打交道的人的需求和痛點所在，以多維度用戶為導向進行設計。

除此之外，產品和UI交互越簡潔越好，這樣不僅方便醫生使用，也可減輕信息化工程團隊的任務。

最後，Lily Peng說到人工智慧時代是一個激動人心的時代，把醫學與AI結合起來，可讓更完美的醫學方案落地到臨床，從而幫助到更多醫生和患者。

更多關於人工智慧升級傳統行業的文章，請關注雷鋒網AI商業化垂直微信公眾號：AI掘金志。雷鋒網

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！