广州医科大学，广州市妇女儿童医疗中心，加州大学圣地亚哥分校的研究人员发表了题为“Identifying Medical Diagnoses and Treatable Diseases by Image-Based Deep Learning”的文章，利用人工智能和机器学习技术，开发了一种新的计算工具，可以准确识别两种最常见的视网膜病变，并评估其严重性。这将有助于加速诊断和疾病治疗。

这一研究成果公布在2月22日的Cell杂志上，文章的通讯作者为广州医科大学，加州大学圣地亚哥分校张康教授，合作单位包括四川大学、大连北海医院、上海第一人民医院、首都医科大学等。

对于这一最新成果，张康教授表示，“人工智能（AI）具有巨大的潜力，可通过人类专家难以完成的大量数据分析和分类，彻底改变疾病的诊断和管理。”

人工智能诊断疾病

这几年人工智能的消息不断，前有引起不少社会关注的“阿尔法狗”，后有“无人驾驶”汽车，去年，前深圳华大基因CEO王俊在数字生活峰会（Digital Life Summit）上宣布，与七家科技公司司结盟，联合投资超过4亿美元，以更智能的AI方式汇集来自基因组学、蛋白质组学、代谢组学、转录组学和免疫反应的数据，以及肠道微生物，生活方式因素等多方面的分析结果（王俊出手了，超4亿美元直击健康领域）。

目前，数据资源、运算能力、核心算法在客观上构成人工智能的这三大基本要素都重新站上一个新台阶，共同推动当下人工智能从计算智能向更高层的感知、认知智能发展，掀起人工智能第三次新浪潮。

但是，现有的计算方法费力且昂贵，而且需要使用数百万个图像来训练AI系统。

最新研究利用人工智能技术的卷积神经网络来学习超过20万张眼部光学相干断层扫描图，并采用“迁移学习”技术，让计算机学会将已获得的知识用于解决其他相关问题。卷积神经网络是一种计算机深度学习的结构，是当前语音分析和图像识别领域的研究热点。

这是世界范围内首次使用如此庞大的标注好的高质量数据进行迁移学习，并取得高度精确的诊断结果，达到匹敌甚至超越人类医生的准确性，同时这也是全世界首次实现用AI精确推荐治疗手段。

无创技术扫描眼部

其实早在2016年，人工智能就被用于了改善癌症诊断法，这种方法只需几秒钟，就能取得比人类医生花上几十个小时还要准确的诊断。

最新这项研究针对的是两种不可逆的常见致盲性眼病：黄斑变性和糖尿病性视网膜病。张康教授研究组应用一个多层次的前馈DNN概念，将预训练模型Inception-v3架构植入到开源机器学习平台TensorFlow，输入总共约10万张准确标注的视网膜OCT（Optical Coherence Tomography）图像，最后开发出可以准确诊断眼疾的AI系统。

在眼科治疗中，视网膜OCT（光学相干断层扫描）成像技术是最常被使用的诊断技术之一，每年的使用总数超过3000万次。通过获取视网膜组织的高分辨率图像，医生们能够精准地对年龄相关性黄斑变性和糖尿病性黄斑水肿等致盲性眼病作出诊断，并提供治疗方案。

为了提高这一系统的准确率，研究人员采用了“迁移学习”技术，让计算机学会将已获得的知识用于解决其他相关问题。

例如，研究人员使人工智能神经网络学习了识别视网膜、角膜或视神经等眼睛解剖结构后，可在检查全眼图像时更快速有效地进行识别和评估。此外，与传统方法相比，这种新技术可以使用更小的数据集实现更为高效的学习效果。

研究人员还开展了旨在发现人工智能如何思考的“闭塞测试（occlusion testing）”，对图像的数百块区域逐一进行遮挡，评测准确度是否受到影响，从而识别出每幅图像中令计算机做出相关诊断最重要的病灶区域。

最后研发出的这个AI系统在诊断眼疾时的准确性达到96.6%，灵敏性达到97.8%，特异性达到97.4%！

作者指出，通过简单的培训，这个系统的表现可以达到训练有素的眼科医生的水平，并可以在30秒内确定患者是否应该接受治疗，准确度达到95％以上。

张教授指出，这样的速度和准确性代表了医疗诊断和治疗方面向前迈出了一大步，他认为，由于患者从普通医生转诊为专科医生，耗费时间和资源，还会延误有效治疗，目前的医疗保健常常很花时间，如果能有个一个简化和相对廉价的基于人工智能的工具，这将会是世界医疗资源，特别是专科医生稀缺的地方和部分地区的福音。

更多疾病

这一组研究人员还使用这一系统诊断儿童肺炎。通过胸X光片，系统能够区分病毒性和细菌性肺炎，准确度达90%。这一区分非常重要，因为细菌性肺炎需要及早使用抗生素。这显示，该系统具有很好的延展性，能够用于其它疾病诊断。研究人员称，该系统潜在应用还包括区分良性和恶性肿瘤，或识别CT扫描和MRI的影像等。

张康教授说，“未来会有更多的数据，更多的计算能力和更多的人使用这个系统，这将有助于我们提供最好的病人护理，同时降低成本”。

（生物通：万纹）

原文标题：
Identifying Medical Diagnoses and Treatable Diseases by Image-Based Deep Learning