人工智能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，這一認知被DeepMind終結了。今日，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。
（答魔社區：www.damor.cn 科研動態，資源乾貨，互動問答）
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，這對驗證人工智能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能黑箱問題。
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幹斷層掃描（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。
（答魔社區：www.damor.cn 科研動態，資源乾貨，互動問答）
▲圖中展示了眼科醫生診斷疾病的傳統方式（上）和利用AI技術來診斷疾病的方式（下）（圖片來源：DeepMind blog）
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種不同的眼科疾病。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也承擔起人工智能在臨床實踐中的一大阻礙：即解決黑箱問題。
對於大多數人工智能系統而言，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絡間插入可解釋性表徵而將它們結合起來。第一個神經網絡是分割網絡，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、病變或其它疾病症狀。這種圖能幫助眼科專家深入瞭解系統診斷疾病的過程。
（答魔社區：www.damor.cn 科研動態，資源乾貨，互動問答）
▲DeepMind提出的AI框架示意圖（圖片來源：《Nature Medicine》）
第二個神經網絡為分類網絡，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。這個神經網絡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：這個神經網絡心中到底有沒有譜。
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瞭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。
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要將它轉化成實際產品了。
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。
[1] A major milestone for the treatment of eye disease
[2] Clinically applicable deep learning for diagnosis and referral in retinal disease
閱讀更多 扒娛小能手 的文章
