DeepMind解決醫療AI黑箱問題，診療50多種眼疾堪比專家

銅靈 郭一璞 發自 凹非寺

量子位 出品 | 公眾號 QbitAI

人工智慧診斷疾病並不是什麼稀罕事，但是，在今天之前，還沒有人知道AI在做出診斷時，內心到底是怎麼「想」的，AI對人類是個黑箱。

不過，AI黑箱的歷史被DeepMind終結了。DeepMind在Nature Medicine上發表了一項研究成果，不僅可以識別眼疾，還能有理有據的講出系統是如何進行判斷的。

在這項研究中，DeepMind的系統可以識別50種左右的眼疾，並且表明它依照光學相干斷層掃描（OCT）進行診斷，這對驗證人工智慧技術的安全性和有效性十分重要，有望加以開發，用於多種疾病的診斷，以及給出推薦的治療方案。未來，不管是癌症、神經疾病還是視力問題，這項成果都能讓病人們得到更好的治療。

這項研究的數據主要來自倫敦Moorfields眼科醫院歷來的患者掃描圖像，該系統在超過94％的病例中提出了正確的轉診建議，在相同的掃描圖像上，成績和頂級眼科專家一樣，甚至表現更優 ，它得出結果的速度也讓專家印象深刻。但更大的突破是，該系統解決了人工智慧黑箱問題。

更簡更強

和以往的方法相比，DeepMind的新AI診斷流程更簡化了。

目前，傳統的眼科醫生通過光學想干斷層掃描（OCT）幫助診斷眼睛狀況。這些3D圖像提供了眼後的詳細「地圖」，但對人類來說有些難以查看，還需要人類專家的分析來解釋。

這需要耗費大量時間。分析這些掃描所需的時間，再加上診療過程需要拍不止一次片子，可能導致拍片和治療之間的長時間拖延。如果患者出現突發問題，例如眼後出血，長時間的拖延可能使患者失明。

DeepMind開發的系統可以在幾秒鐘內自動檢測眼部疾病的特徵，而且像人類一樣也會給出診斷建議，比如對於急症患者，它會告知病人建議轉診治療。

這種即時的診斷可以大大縮減患者拍片子和治療之間的時間，避免患有糖尿病眼病和年齡相關性黃斑變性的患者失明。

另外，DeepMind研發的這個系統的卓越性在於，它不僅僅能看某一種疾病，而是能區分除50中不同的眼科疾病。它可以分析3D的掃描圖，從而「看到」比2D圖更多的信息，給出更靠譜的治療方案。

適應性更強

診斷眼疾只是一方面，DeepMind還希望它用於治療過程。因此，在論文中，DeepMind也承擔起人工智慧在臨床實踐中的一大阻礙：即解決黑箱問題。

對於大多數人工智慧系統而言，很難準確理解它們自己提出建議的原因。對於需要了解系統推理過程的臨床醫生和患者而言，這是一個巨大的挑戰。醫生需要知道為什麼AI會做出這樣的診斷，也需要了解它是如何得出的。

針對這個問題，DeepMind採用了一種新穎的方法解決。

DeepMind的系統通過在兩個不同的神經網路間插入可解釋性表徵而將它們結合起來。第一個神經網路是分割網路，用來分析 OCT 掃描，提供不同類型的眼組織圖，找到疾病特徵，比如眼部出血、病變或其它疾病癥狀。這種圖能幫助眼科專家深入了解系統診斷疾病的過程。

第二個神經網路為分類網路，可以用來分析特徵圖，為人類醫生提供診斷意見和轉診推薦。這個神經網路將所有的推薦意見以百分比的形式表示，所以人類醫生可以分析判斷：這個神經網路心中到底有沒有譜。

這個功能非常重要，因為人類醫生才是那個做出診療決定的人，這樣可以讓人類醫生們了解患者疾病的整體情況，再考慮要不要採納系統給出的建議。

還有一點好處是，該技術可以適配不同的眼部掃描儀，不僅僅在Moorfields眼科醫院，在全世界都可以推廣這一系統，即使是掃描儀更新換代後也依然可以使用。

論文摘要

診斷影像的體量和複雜性比人類可來解釋它的專業知識增長得更快。AI已經展現出在一些常見疾病的二維圖像分類方面潛力巨大，並且這些疾病通常依靠數以百萬計的標註圖像資料庫。至今為止，用現實世界的臨床方法進行三維掃描診斷還無法與人類專家相提並論。

在這篇文章中，研究人員將一種新的深度學習架構應用於臨床上異質三維光學相干斷層掃描。這些來自大型眼科醫院的患者在14884次掃描後，在特定數據範圍內，AI已經達到甚至超過了專家的診斷表現。

此外，該架構的組織分割可作為一種獨立於設備的表徵。當使用來自不同設備類型的組織分割時還能保持診斷建議的準確性。

這項研究消除了以前大範圍臨床使用的阻礙，並且也無需現實世界中多種疾病的龐大的訓練數據。

未來

雖然這個AI目前看起來表現不錯，但暫時還不會在醫院裡使用，人類專家現在還得一如既往得診斷眼疾。參與這項研究的Pearse Keane博士表示：「我們都認為這項技術可能具有變革性，但我們也承認這不是魔術，必須一視同仁對它也採取嚴格干預。」

下一步，DeepMind要將它轉移成實際產品了。

如果這項技術經過臨床試驗的一般使用驗證，Moorfields的臨床醫生將能夠在其所有30家英國醫院和社區診所在五年內免費使用該技術。這些診所每年診斷300000名患者，每天進行1000多個OCT掃描診斷。這樣，每個診所都可以提高準確性和診斷速度了。

傳送門

DeepMind相關博客：

https://deepmind.com/blog/moorfields-major-milestone/

論文Clinically applicable deep learning for diagnosis and referral in retinal disease地址：

—完—

加入社群

量子位AI社群19群開始招募啦，歡迎對AI感興趣的同學，在量子位公眾號（QbitAI）對話界面回復關鍵字「交流群」，獲取入群方式；

此外，量子位專業細分群(自動駕駛、CV、NLP、機器學習等)正在招募，面向正在從事相關領域的工程師及研究人員。

進專業群請在量子位公眾號（QbitAI）對話界面回復關鍵字「專業群」，獲取入群方式。（專業群審核較嚴，敬請諒解）

誠摯招聘

量子位正在招募編輯/記者，工作地點在北京中關村。期待有才氣、有熱情的同學加入我們！相關細節，請在量子位公眾號(QbitAI)對話界面，回復「招聘」兩個字。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！