?   随着人工智能技术的发展，谷歌一直致力于将深度学习应用在医疗健康领域。日前据谷歌产品经理及医学博士Lily Peng表示，谷歌AI算法在医疗领域取得重要进展，不仅可以通过深度学习快速辨别出糖尿病视网膜病变的迹象，在癌症检测上也可以通过活检图像来定位癌细胞的位置，以便对患者实行医疗指导。

日前，在谷歌韩国分部携韩国媒体举办的视频会议上，谷歌研究部医学影像小组产品经理Lily Peng带来了一个很有意思的分享。据Lily Peng介绍，现阶段美国科技巨头可以利用深度学习来训练机器分析医学图像，并自动检测病理学线索。不管肿胀血管是在眼睛里还是在癌性肿瘤里，它都能检测到。

基于人类大脑的工作原理，深度学习使用了大型的人造神经网络（互连节点层）将自己重新排列为新信息，从而让计算机获得自学能力，而无需人工编程。

Google研究部医学影像小组产品经理及医学博士Lily Peng（图／韩国先驱报）

“自20世纪60年代以来，人造神经网络已经存在了很长一段时间。而随着深度学习拥有更为强大的计算能力，我们在系统中可以建立更多的层次，从而高精度的处理更复杂的任务。”Lily Peng表示。

“在深度学习中，寻找功能的工作由计算机本身来完成。我们不会告诉它，它的功能是什么，但是我们会给它很多例子，让网络本身去确认哪些功能属于自己。”

谷歌AI算法进展一：快速辨别糖尿病视网膜病变迹象

在医学方面，谷歌已经在视觉膜扫描图像的算法上取得了重要进展。基于此，搭载谷歌AI算法可以快速辨别出糖尿病视网膜病变的迹象。据称，糖尿病视网膜病变是世界上预防性失明增长最快的原因。

不过，糖尿病视网膜病变可通过定期眼科检查来检测。医生可使用特殊照相机拍摄患者的眼睛，并根据可见出血量来检查病情。

“不幸的是，在世界很多地方尚没有足够的医生来负责这样的分级工作，”Lily Peng说。作为一位临床医学博士，Peng表示，印度目前存在127000名眼科医生的短缺，而45％的患者在诊断前患有视力下降等病症。

针对这一问题，谷歌设计了一种AI算法来分析视网膜图像并以此识别糖尿病视网膜病变的特征。据目前透露的资料表明，这一计划由54名眼科医生担当主力，他们一共分析了128000张视网膜图像。每张图像都被标记了多次，以解决医生诊断结论的异变问题。

由于该AI算法已经显示出高精确度的特点，谷歌已经开始在其基础上构建一个界面和硬件，以便印度医生在输入视网膜图像时可立即获得糖尿病视网膜病变的测评分数。Peng说，谷歌将继续优化AI算法，以提高用户便利性，并计划进行更多的临床试验以获得监管机构的认可。

谷歌AI算法进展二：癌症病理检测

此外，谷歌深度学习推动的另一个领域是癌症检测。据雷锋网了解，目前谷歌正在开发另一种深入学习算法，来调查活检图像以定位已扩散到淋巴结的转移性乳腺癌。

Peng说：“我们要做的是找出淋巴结中存在的任何一个乳腺癌的位置，以进一步确定患者所处的癌症阶段从而指导治疗。”

目前，谷歌AI算法在肿瘤局部化检查的精确度可达89％，这一数值已经超过了经训练有素的人类病理学家73％的成绩。据称，借助谷歌AI算法的肿瘤局部化检查可以准确定位癌症肿瘤的位置。

左：两个淋巴结活检的图片。中：谷歌AI深度学习肿瘤检测的早期结果。右：谷歌AI深度学习后的当前结果（注意两个版本之间已可见噪点下降）。（图片／via谷歌）

然而，Peng也指出了这一算法在活检中的缺点。该算法在检测包含1万－40万张图像的载玻片时，其中有20～150000张显示出肿瘤。据介绍，该算法的肿瘤位置敏感度可达92％，而每张载玻片存在八个假阳性读数。

另一方面，虽然人类医生对肿瘤位置只有73％的敏感度，但假阳性读数为零 。一言以蔽之，虽然他们在寻找肿瘤位置的效率较低，但不会将正常组织识别为肿瘤。

Peng说：“如果能把谷歌AI算法和病理学家结合，那么我们将获得一个非常理想的状态：低假阴性（诊断结果）和高敏感度（肿瘤位置）。“

谷歌研究人员表示，目前将AI算法投入医疗行业实现商业化尚需一段时间。因为在获得监管部门批准之前，必须确保有足够的临床测试来证明其功效和准确性。

    而关于谷歌下一代医学图像分析工具可能会遭受美国食品和药物管理局（FDA）更严格规定这一问题，Peng对此表示， 由于谷歌这一设备现所属的产品分类，美国FDA将对其采取“中立”或“客观”的方式。 她说，美国FDA认为，新设备只是现有医疗成像和处理设备的升级版本，只要我们公开的功能有充分证据支持，就可以获得批准。