DeepMind 第一个有望商业化的产品：用 AI 诊断眼部疾病

2014 年的围棋人机大战让 AlphaGo 和它背后的团队——DeepMind 名满天下，人工智能创业潮也随即开启。

但在各路人马迫不及待地用 AI 改造各行各业时，DeepMind 似乎依然不务正业，围棋之后，他们比较大的一个举动是推出 AlphaStar，用 AI 玩《星际争霸》，并在今年 1 月成功战胜两位职业玩家。

DeepMind 其实有自己的考量。据《金融时报》报道，3 月，在一场公开进行的展示上，DeepMind 为一名眼部疾病患者做了视网膜扫描，并实时做出了诊断。眼部扫描的结果由运行在 Google Cloud 上的算法进行分析，系统在 30 秒内给出了紧急程度的评级和详细的诊断。

系统可用于诊断一系列复杂的眼部疾病，包括青光眼、糖尿病性视网膜病变和老年性黄斑变性等，据悉其准确度和世界一流专家相当。

这个研究其实已经进行了 3 年。2018 年 8 月，DeepMind 就在官方网站上透露了这项和英国 Moorfields 眼科医院的合作，目标是让 AI 更加可靠、快速、低成本地为眼科医生推荐治疗方案，覆盖的眼部疾病超过 50 种。

目前，眼部疾病的诊断主要依赖光学相干断层扫描（Optical coherence tomography），也被简称为 OCT。简单来说，OCT 类似超声成像，采用波长很短的光波作为探测手段，通过组织对光线的反射来提供截面图像。

和二维的眼底图相比，OCT 能提供眼球背后完整的、分辨率可以达到微米级的三维图像。

▲ 眼部的 OCT 图像. 图片来自：DeepMind

但是，这种三维图像只有极少数眼科专家能读懂，而且非常耗费时间。在 Moorfields 眼科医院，每天平均有超过 1000 次独立的 OCT 检查，这就意味着患者通常需要排队等待诊断，不管情况是不是紧急。如果一些危重的患者在等待期出现流血等突然恶化的状况，很有可能造成失明。

AI 的实时诊断就是为了解决这样的问题，它可以帮助医生迅速确诊，并为更紧急的病人尽快安排治疗。

据 DeepMind 介绍，AI 使用两个神经网络来辅助医生，第一个用来分析 OCT 图像，提供不同的眼部组织和眼部病变的「地图」，例如出血、损伤等；另一个神经网络分析「眼部地图」，提供诊断结果和推荐的治疗方案，而且，它会为方案提供推荐百分度，以供医生参考。

▲ 上方分支为传统的眼部疾病诊断流程，依赖眼科专家人工判断 OCT 图像；下方分支加入了 AI 的辅助，可以大幅减少诊断时间. 图片来自：DeepMind

AI 算法的准确度离不开海量的训练数据。DeepMind 透露，训练数据来自 Moorfields 眼科医院的临床病例，但是，原始数据并不能直接用于训练，因此 DeepMind 团队还做了数据清洗、典藏和标注的工作，他们认为自己已经建立了「全世界最好的可直接用于机器学习的眼部研究数据库」。

DeepMind 的研究结果发表在《自然医学》（Nature Medicine）上，不过目前，因为尚未获得监管部门批准，这项研究还不能用于真实的临床诊断中。

据《金融时报》报道，近年来，美国食品药物监督管理局（FDA）批准的医疗人工智能算法数量正大幅增加，从 2017 年的全年 2 项增至 2018 年的每月 1 – 2 项。其中，有一项来自创业公司 IDx 的算法和 DeepMind 一样，可以实时扫描和诊断糖尿病性视网膜病变，并已在整个欧洲的临床护理中得到应用。