據(jù)金融時(shí)報(bào)報(bào)道，DeepMind已打造出一款能夠?qū)崟r(shí)診斷復(fù)雜眼疾的設(shè)備。雖然產(chǎn)品只是原型，但這是Deepmind作為Alphabet旗下公司布局醫(yī)療設(shè)備戰(zhàn)略的重要一步。

在上周二的2019有線健康會(huì)議（Wired Health 2019 conference）上，DeepMind對一名患者進(jìn)行了視網(wǎng)膜掃描，并對該女性患者的眼睛進(jìn)行了實(shí)時(shí)診斷。掃描結(jié)果由谷歌云中的一組算法進(jìn)行分析，這些算法在大約30秒內(nèi)就給出了（疾?。┚o急程度評(píng)級(jí)和詳細(xì)診斷。

該系統(tǒng)能夠檢測包括青光眼、糖尿病性視網(wǎng)膜病變和老年性黃斑變性在內(nèi)的一系列眼病，其準(zhǔn)確度與世界領(lǐng)先專家水平相當(dāng)。

DeepMind算法首次打造醫(yī)療產(chǎn)品

其實(shí)，這款產(chǎn)品的學(xué)術(shù)研究早在去年的8月份就發(fā)表在了Nature子刊《自然醫(yī)學(xué)》(Nature Medicine)上。

根據(jù)論文，此算法通過對眼部OCT圖像的掃描，可識(shí)別出50多種威脅到視力的眼科疾病，準(zhǔn)確率高達(dá)94%，超過了人類專家的表現(xiàn)。這也是DeepMind利用AI和機(jī)器學(xué)習(xí)算法首次打造的一款醫(yī)療產(chǎn)品。

論文地址：

https://www.nature.com/articles/s41591-018-0107-6

具體來說是使用了兩個(gè)獨(dú)立的神經(jīng)網(wǎng)絡(luò)，一種基于人類大腦工作原理的松散機(jī)器學(xué)習(xí)機(jī)制。其中一個(gè)神經(jīng)網(wǎng)絡(luò)標(biāo)記與眼病相關(guān)的OCT圖像中的特征，另一個(gè)神經(jīng)網(wǎng)絡(luò)基于這些特征對眼部狀況做出診斷。

在997名患者的掃描影像上進(jìn)行的測試中，DeepMind 的算法在轉(zhuǎn)診推薦的準(zhǔn)確度比Moorfields眼科醫(yī)院的8名視網(wǎng)膜?？漆t(yī)生表現(xiàn)得更好：DeepMind算法的錯(cuò)誤率為5.5%，而8名人類醫(yī)生的錯(cuò)誤率在 6.7% 到 24.1% 之間；如果向人類醫(yī)生提供患者的背景信息，人類醫(yī)生的錯(cuò)誤率降低到 5.5% 到 13.1% 之間，結(jié)果與AI的水平相當(dāng)或稍差。

當(dāng)時(shí)DeepMind及其研究合作方——倫敦Moorfields眼科醫(yī)院和倫敦眼科大學(xué)學(xué)院表示，他們將在2019年對該技術(shù)進(jìn)臨床試驗(yàn)。

打破黑箱，DeepMind AI算法首次打造醫(yī)療產(chǎn)品

經(jīng)過幾個(gè)月的努力，DeepMind公司與Moorfields的團(tuán)隊(duì)開發(fā)出了這款產(chǎn)品，不過產(chǎn)品尚未獲得監(jiān)管部門的批準(zhǔn)。

不過，這款產(chǎn)品很有可能很快會(huì)得到有關(guān)部門的批準(zhǔn)。在美國，食品藥物監(jiān)督管理局（FDA）批準(zhǔn)的醫(yī)療人工智能算法數(shù)量大幅增加，從2017年的全年兩項(xiàng)增至2018年的每月一到兩項(xiàng)。其中有一項(xiàng)來自總部位于愛荷華州的初創(chuàng)企業(yè)IDx的算法，與DeepMind一樣，該算法可以實(shí)時(shí)掃描和診斷糖尿病性視網(wǎng)膜病變，并已在整個(gè)歐洲的臨床護(hù)理中得到應(yīng)用。

對于DeepMind的這款產(chǎn)品，其項(xiàng)目負(fù)責(zé)人、高級(jí)臨床醫(yī)生艾倫(Alan Karthikesalingam)表示。此項(xiàng)研究的誕生是醫(yī)學(xué)領(lǐng)域的重要里程碑，借助人工智能會(huì)大幅度提高普通醫(yī)生的臨床技能。

該算法在14,884次視網(wǎng)膜掃描中訓(xùn)練，在30秒內(nèi)處理眼睛圖片。算法將掃描結(jié)果分為四類：緊急，半緊急，常規(guī)和僅觀察。

艾倫表示，這款工具的目標(biāo)就是弄清楚“某患者的健康狀況有沒有聯(lián)系一名專家醫(yī)生的需要，如果有，那么緊急程度是多少，以及為什么這么緊急？”

DeepMind聲稱，其產(chǎn)品不僅能提供診斷，而且能夠準(zhǔn)確解釋其產(chǎn)生的結(jié)論以及結(jié)果的確切程度，這對醫(yī)療保健專業(yè)人員至關(guān)重要。

“對于眼科醫(yī)生來說，這一產(chǎn)品的效果令人驚訝。你可以看到AI已經(jīng)對每一個(gè)點(diǎn)進(jìn)行了分割，在這次掃描中創(chuàng)建的超高分辨率圖像中，約有6500個(gè)數(shù)據(jù)點(diǎn)，“Moorfields顧問眼科醫(yī)生Pearse Keane說?！拔覀儽仨殞ξ覀?nèi)绾悟?yàn)證在醫(yī)療設(shè)備上使用的算法提供同樣嚴(yán)格的程度，但我個(gè)人認(rèn)為，眼科學(xué)將成為人工智能從根本上改變的第一個(gè)醫(yī)學(xué)專業(yè)?！?/p>

DeepMind的兩次重大醫(yī)療戰(zhàn)略

2016年，DeepMind在聯(lián)合創(chuàng)始人穆斯塔法·蘇萊曼(Mustafa Suleyman)的領(lǐng)導(dǎo)下，作為其應(yīng)用團(tuán)隊(duì)的一部分成立了健康部門。

根據(jù)金融時(shí)報(bào)，該團(tuán)隊(duì)的目標(biāo)一直是在現(xiàn)實(shí)環(huán)境中開發(fā)和部署人工智能技術(shù)，包括家庭醫(yī)生診所和醫(yī)院，但到目前為止還沒有商業(yè)產(chǎn)品，該部門尚未產(chǎn)生任何收入。

在18年的11月份，DeepMind宣布旗下的健康部門DeepMind Health、以及負(fù)責(zé)推進(jìn)“Streams”（幫助醫(yī)生更快識(shí)別和診斷患者病情的移動(dòng)APP）團(tuán)隊(duì)將調(diào)整合并到Google最新成立的“Google Health”部門中。原子公司DeepMind Health將不再作為獨(dú)立品牌存在。

Streams應(yīng)用程序

當(dāng)時(shí)，DeepMind的創(chuàng)始人表示，對于該公司而言，這將是一個(gè)“重要的里程碑”，有助于將其開發(fā)的Streams應(yīng)用程序轉(zhuǎn)變?yōu)椤叭斯ぶ悄苤碜o(hù)士和助手”。醫(yī)生“將最佳算法與直觀設(shè)計(jì)相結(jié)合?！蹦壳?，Streams應(yīng)用程序正在英國試用，以幫助醫(yī)療保健從業(yè)人員管理患者。

但是，DeepMind在此方面并沒有實(shí)現(xiàn)盈利，一個(gè)由Alphabet制定的專家評(píng)估小組就曾質(zhì)疑DeepMind，要求后者向公眾說明采取怎樣的業(yè)務(wù)模式來盈利。

對于這個(gè)問題，DeepMind的這臺(tái)設(shè)備原型或許能夠給出答案。未來，若進(jìn)展順利的話，這一產(chǎn)品或?qū)⒊蔀镈eepMind實(shí)現(xiàn)盈利的突破口。

DeepMind的醫(yī)療之路

除了這款眼部疾病掃描的產(chǎn)品設(shè)備，DeepMind也在頭頸癌治療方案、AI診斷乳腺癌、預(yù)測腎臟損傷等方面也做出過突出貢獻(xiàn)。

2016年8月，DeepMind與英國倫敦大學(xué)學(xué)院醫(yī)學(xué)院的研究人員合作共同開展頭頸癌治療方案工作。

DeepMind表示，因?yàn)槿说念^部比較復(fù)雜，醫(yī)生至少需要花費(fèi)4個(gè)小時(shí)來作準(zhǔn)備頭頸癌治療方案，他們希望能通過機(jī)器學(xué)習(xí)來幫助自動(dòng)執(zhí)行部分過程，將準(zhǔn)備時(shí)間縮減至一個(gè)小時(shí)。

2017年11月，DeepMind 就宣布了一項(xiàng)新的合作研究項(xiàng)目，試圖使用 AI 診斷乳腺癌。在本次的研究項(xiàng)目中，DeepMind 將與由英國癌癥研究中心所領(lǐng)導(dǎo)的多家醫(yī)療研究機(jī)構(gòu)進(jìn)行合作，此項(xiàng)目的主要目標(biāo)是將機(jī)器學(xué)習(xí)應(yīng)用于乳房 X 光檢查這種乳腺癌的常規(guī)檢查手段上，以提高其敏感性和準(zhǔn)確率。

2018年2 月，DeepMind與美國退伍軍人事務(wù)部（VA）建立醫(yī)學(xué)研究合作伙伴關(guān)系，)DeepMind將分析約700,000個(gè)匿名醫(yī)療記錄，以查找可能用于識(shí)別急性腎損傷病例的模式，找到常見的病情指標(biāo)，以確定機(jī)器學(xué)習(xí)是否能夠準(zhǔn)確地識(shí)別患者惡化的風(fēng)險(xiǎn)因素并正確預(yù)測其發(fā)病。