原标題：重磅！中國科學家(jiā)最新醫(yī)學AI成果榮登《細胞》雜志(zhì)

雷鋒網消息，醫(yī)學人(rén)工智能領域又有(yǒu)大(dà)新聞。在今天出版的最新一期《細胞》上(shàng)，華人(rén)學者張康教授的研究榮登雜志(zhì)封面。他們帶來(lái)的，是一款能精确診斷多(duō)種疾病的人(rén)工智能工具。

張康教授

“人(rén)工智能（AI）具有(yǒu)巨大(dà)的潛力，通(tōng)過大(dà)量數(shù)據的分析和(hé)分類對疾病的診斷和(hé)管理(lǐ)進行(xíng)革命性的改變，這些(xiē)數(shù)據對于人(rén)類專家(jiā)來(lái)說很(hěn)難、而且迅速做(zuò)到這一點。”本研究的通(tōng)訊作(zuò)者張康教授，是加州大(dà)學聖地亞哥(gē)分校(xiào)（UCSD）的眼科教授，也是眼科遺傳學的首席醫(yī)師(shī)（Chief，Ophthalmic Genetics）。研究合作(zuò)單位包括廣州醫(yī)科大(dà)學、四川大(dà)學、大(dà)連北海醫(yī)院、上(shàng)海第一人(rén)民醫(yī)院、首都醫(yī)科大(dà)學等。

課題組研究亮點：

開(kāi)發了一種使用遷移學習技(jì)術(shù)的人(rén)工智能系統

有(yǒu)效地将圖像分類為(wèi)黃斑變性和(hé)糖尿病性視(shì)網膜病變

準确地區(qū)分出胸部X光片上(shàng)的細菌性和(hé)病毒性肺炎

對于生(shēng)物醫(yī)學成像的應用具有(yǒu)廣泛的潛力

據了解，該工具的表現接近于專業的眼科醫(yī)生(shēng)，并可(kě)以在30秒(miǎo)內(nèi)确定患者是否應該接受治療，準确度達到95％以上(shàng)；在區(qū)分病毒性肺炎和(hé)細菌性肺炎上(shàng)，準确率也超過90％。

這不僅是中國研究團隊首次在頂級生(shēng)物醫(yī)學雜志(zhì)發表有(yǒu)關醫(yī)學人(rén)工智能的研究成果；也是世界範圍內(nèi)首次使用如此龐大(dà)的标注過的高(gāo)質量數(shù)據進行(xíng)遷移學習，并取得(de)高(gāo)度精确的診斷結果，達到匹敵甚至超越人(rén)類醫(yī)生(shēng)的準确性；還(hái)是全世界首次實現用AI精确推薦治療手段。

AI系統30秒(miǎo)內(nèi)确定是否接受治療

在眼科治療中，視(shì)網膜OCT（光學相幹斷層掃描）成像技(jì)術(shù)是最常被使用的診斷技(jì)術(shù)之一，每年的使用總數(shù)超過3000萬次。視(shì)網膜OCT使用光來(lái)捕獲視(shì)網膜的高(gāo)分辨率體(tǐ)內(nèi)光學截面，該截面可(kě)以形成活體(tǐ)視(shì)網膜組織的三維體(tǐ)積圖像。

通(tōng)過獲取視(shì)網膜組織的高(gāo)分辨率圖像，醫(yī)生(shēng)們能夠精準地對年齡相關性黃斑變性（AMD）和(hé)糖尿病性黃斑水(shuǐ)腫等緻盲性眼病作(zuò)出診斷，并提供治療方案。

張教授團隊應用一個(gè)多(duō)層次的前饋DNN概念，将預訓練模型Inception-v3架構植入到開(kāi)源機器(qì)學習平台TensorFlow，輸入總共約10萬張準确标注的視(shì)網膜OCT（Optical Coherence Tomography, 光學相幹斷層成像術(shù)）圖像，最後開(kāi)發出可(kě)以準确診斷眼疾的AI系統。

張康教授團隊獲取了超過20萬張OCT的圖像，并使用其中來(lái)自近5000名患者的10萬張圖像，訓練一款深度學習算(suàn)法。在經曆了大(dà)量叠代訓練後，這款算(suàn)法的精準度達到了峰值。

具有(yǒu)代表性的光學相幹斷層掃描圖和(hé)工作(zuò)流程圖

但(dàn)是，随着人(rén)工智能在醫(yī)學領域研究的不斷深入，深度學習的劣勢慢慢凸顯出來(lái)。此前，Google和(hé)斯坦福大(dà)學在皮膚癌等病種上(shàng)出過一系列成果，但(dàn)是此類成果需要數(shù)十萬張高(gāo)質量标注的圖像。但(dàn)是，考慮到一些(xiē)罕見病的數(shù)量，每種疾病都收集數(shù)十萬張高(gāo)質量的标注圖像幾乎是不可(kě)能實現的。這個(gè)問題不解決，現階段AI在醫(yī)療領域的應用就很(hěn)難全面展開(kāi)。

雷鋒網了解到，張康教授團隊采用了一種稱為(wèi)“遷移學習”的技(jì)術(shù)，就很(hěn)好的解決了這個(gè)問題。“遷移學習”（Transfer Learning）就是把已訓練好的模型參數(shù)遷移到新的模型來(lái)幫助新模型訓練，運用已有(yǒu)的知識來(lái)學習新的知識，找到已有(yǒu)知識和(hé)新知識之間(jiān)的相似性。

為(wèi)了驗證這個(gè)AI系統在遷移學習的幫助下能應用于視(shì)網膜疾病之外的其他疾病，在本研究中，張教授團隊在10萬張準确标注的視(shì)網膜OCT圖像訓練出來(lái)診斷眼疾的AI系統基礎上(shàng)，隻用了5000張胸部X線圖像，然後利用遷移學習，就構建出肺炎的AI疾病圖像診斷系統。

研究人(rén)員接下來(lái)添加了遮擋測試，在該測試中，計(jì)算(suàn)機識别每幅圖像中最感興趣的區(qū)域以及其結論的基礎。“機器(qì)學習往往就像一個(gè)黑(hēi)箱，我們不知道(dào)到底發生(shēng)了什麽，”張康教授說。“通(tōng)過閉塞測試，計(jì)算(suàn)機可(kě)以告訴我們它在圖像中的位置以便診斷，因此我們可(kě)以找出系統為(wèi)什麽會(huì)得(de)到這個(gè)結果。這使得(de)該系統更加透明(míng)，并增加了我們對診斷結果的信任度。“

這個(gè)研究集中在黃斑變性和(hé)糖尿病性黃斑水(shuǐ)腫中，這是導緻不可(kě)逆失明(míng)的兩種常見病因。但(dàn)是，如果提前發現這兩種情況，便可(kě)以進行(xíng)治療。機器(qì)派生(shēng)的診斷結果與五位檢查相同圖像的眼科醫(yī)生(shēng)的診斷結果進行(xíng)了比較。除了進行(xíng)醫(yī)學診斷之外，AI平台還(hái)産生(shēng)了以前研究中沒有(yǒu)做(zuò)過的推薦和(hé)治療建議。

脈絡膜新生(shēng)血管、糖尿病黃斑水(shuǐ)腫、玻璃疣、正常的多(duō)類比較

“緊急轉介”(CNV和(hé)DME檢測)的接收機工作(zuò)特性曲線(ROC)與人(rén)類專家(jiā)性能進行(xíng)比較。ROC曲線下面積為(wèi)99.9%。縮放區(qū)域顯示，最精确的模型顯示了與6位人(rén)類專家(jiā)的表現。

作(zuò)者指出，通(tōng)過簡單的培訓，該機器(qì)的表現類似于訓練有(yǒu)素的眼科醫(yī)生(shēng)，并可(kě)以在30秒(miǎo)內(nèi)确定患者是否應該接受治療，并且準确度達到95％以上(shàng)。

根據張康教授的說法，這種速度和(hé)準确性代表了醫(yī)療診斷和(hé)治療方面向前邁出的一大(dà)步，并指出，在當前的醫(yī)療流程中，由于患者經常需要從普通(tōng)醫(yī)生(shēng)轉診到專科醫(yī)生(shēng)，耗費了時(shí)間(jiān)和(hé)資源，并且可(kě)能延誤有(yǒu)效治療。張康教授還(hái)指出，一個(gè)簡化和(hé)相對廉價的基于人(rén)工智能的工具将是世界上(shàng)醫(yī)療資源，特别是專科醫(yī)生(shēng)稀缺的地方和(hé)部分地區(qū)的福音(yīn)。

除了眼疾，AI工具還(hái)可(kě)以區(qū)分肺炎

科學家(jiā)們并沒有(yǒu)把他們的研究限制(zhì)在眼科疾病上(shàng)。他們還(hái)測試了他們的AI工具，收集了 5232 張胸部的 X 光片，用于 AI 系統的訓練。根據對胸部X射線的機器(qì)分析診斷兒童肺炎，這種病是全球5歲以下兒童死亡的主要原因。

在經過叠代和(hé)測試後，這款診斷兒童肺炎的 AI 工具能達到 92.8% 的準确率、93.2% 的靈敏度、90.1% 的特異性、以及 96.8% 的 AUC 值。這些(xiē)數(shù)據表明(míng)，AI 足以區(qū)分細菌性和(hé)病毒性肺炎，準确率達到90％以上(shàng)。病毒性肺炎主要通(tōng)過症狀性護理(lǐ)來(lái)治療，因為(wèi)身體(tǐ)自然會(huì)擺脫病毒。細菌性肺炎往往是一個(gè)更嚴重的健康威脅，需要立即用抗生(shēng)素治療。

在訓練和(hé)驗證數(shù)據集中使用“TensorBoard”來(lái)描繪肺炎診斷的表現

上(shàng)圖中（A-F）是肺炎與正常（A）的交叉熵損失對訓練步驟（B）的比較，以及細菌性肺炎和(hé)病毒性肺炎之間(jiān)的比較（C）和(hé)相關的交叉熵損失（D）。為(wèi)了清楚地觀察趨勢，繪制(zhì)曲線的平滑因子為(wèi)0.6。用于檢測肺炎與正常的ROC曲線下面積為(wèi)96.8％（E）。 檢測細菌性和(hé)病毒性肺炎的ROC曲線下面積為(wèi)94.0％（F）。訓練數(shù)據集：橙色； 驗證數(shù)據集：藍(lán)色。

張康教授說，研究結果表明(míng)，AI技(jì)術(shù)有(yǒu)很(hěn)多(duō)潛在的應用，包括可(kě)能辨别掃描中檢測到的良性和(hé)惡性病變。科學家(jiā)已經公開(kāi)發表了他們的數(shù)據和(hé)工具，以便其他人(rén)可(kě)以進一步改進，改進和(hé)發展其潛力。 

據雷鋒網了解，他們的AI系統已經在美國和(hé)拉丁美洲眼科診所進行(xíng)小(xiǎo)規模臨床試用，取得(de)經驗後在進行(xíng)大(dà)規模推廣。此外，在後續的研究中，他們還(hái)會(huì)進一步增加準确标注的圖片數(shù)量，同時(shí)增加可(kě)診斷的疾病種類，并進一步優化系統等。

“未來(lái)是更多(duō)的數(shù)據，更多(duō)的計(jì)算(suàn)能力和(hé)更多(duō)使用這個(gè)系統的經驗，以便我們可(kě)以提供最好的病人(rén)護理(lǐ)，同時(shí)仍然具有(yǒu)成本效益，”張康教授表示。