Cell封面文章：这个AI工具可精确诊断多种疾病，准确率高达96.6％

在今日出版的最新一期《细胞》上，来自广州市妇女儿童医疗中心/加州大学圣地亚哥分校张康课题组的研究荣登杂志封面 , 他们所带来的，是一款能精确诊断多种疾病的人工智能（AI）工具。

《细胞》杂志为本研究配上了诙谐而详细的视频介绍（视频来源：Kang Zhang et al./Cell）

人工智能是近年的热点。以AlphaGo击败李世乭为标志，人工智能迅速地进入了普通百姓的视野。与之相随的，是它在医疗健康领域取得的一项又一项突破。先前，曾有关于

诊断乳腺癌的人工智能

的报道。它只需几秒钟，就能取得比人类医生花上几十个小时还要准确的诊断。这也正式宣告，在基于医学图像的诊断上，人工智能已经超越了人类，且差距只会拉得越来越大。

本研究的通讯作者张康教授（图片来源：UCSD）

今日荣登《细胞》封面的这项研究，则为我们提供了一款全新的AI工具。本研究的通讯作者张康教授是加州大学圣地亚哥分校（UCSD）的眼科教授，也是眼科遗传学的首席医师（Chief，Ophthalmic Genetics）。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。

基于OCT技术的普遍性，如果我们能使用迅猛发展的AI技术来处理这些图片，无疑将进一步提高诊断的效率，乃至提高诊断的准确度。为此，张康教授团队获取了超过20万张OCT的图像，并使用其中来自近5000名患者的10万张图像，训练一款深度学习算法。在经历了大量迭代训练后，这款算法的精准度达到了峰值。

该研究的设计流程（图片来源：《细胞》）

研究人员们也使用了脉络膜新生血管形成、糖尿病性黄斑水肿、玻璃膜疣、以及正常的视网膜OCT图像，用来检验这款算法。研究发现，该AI工具的总体准确度达到了96.6%，灵敏度为97.8%，特异性为97.4%，AUC值（可反映算法的优劣）更是高达99.9%。

随后，研究人员们寻找了6位有着丰富临床经验的专家，用来比较他们的诊断结果与AI工具的诊断结果是否一致。研究表明，在特异性和灵敏度上，两者并无明显区别。换句话说，我们可以放心地让这款AI工具做出诊断。而AI工具的特性，更是能做到人类所无法完成的大通量筛查。

本工具可以精准诊断多种视网膜异常，且与人类专家的结果没有明显差异（图片来源：《细胞》）

“黄斑变性和糖尿病性黄斑水肿是两大不可逆的致盲原因，但只要在早期发现，就能治疗，”张康教授说道：“过去，只有很少的专家能决定如何治疗、何时治疗，他们需要经过多年的训练，而且往往多集中于城市中。我们的AI工具能在世界的任何地方使用，尤其是在偏远地区。这对于中国、印度、以及非洲等相对缺乏医疗资源的地区尤为重要。”

更令人欣喜的是，张康教授团队表明，这款AI工具有着很广的适用性。他们利用同样的深度学习框架，能对儿童肺炎做出准确诊断。据世界卫生组织估计，每年，肺炎会让约200万名5岁以下的儿童夭折，也是造成儿童死亡的最主要原因之一。儿童肺炎根据病原体的不同，可以分为细菌性和病毒性，而两种肺炎的治疗方案天差地别——前者需要抗生素的治疗、后者则需要其他疗法。因此，及时区分这两种肺炎，对于儿童的治疗至关重要。

这款AI工具同时也能区分儿童细菌性和病毒性肺炎（图片来源：《细胞》）

类似的，研究人员们收集了5232张胸部的X光片，用于AI系统的训练。在经过迭代和测试后，这款诊断儿童肺炎的AI工具能达到92.8%的准确率、93.2%的灵敏度、90.1%的特异性、以及96.8%的AUC值。这些数据表明，AI足以区分细菌性和病毒性肺炎。

“如果我们能紧密合作，就能在日益增长的计算能力下，开发出越来越好的诊断技术，”张康教授补充道：“未来，我们会有更多数据、更多计算力、以及来自使用这套系统的人群的更多经验。我们能控制成本，为患者带来尽可能好的治疗。”

再次祝贺张康教授团队的这项突破，也期待人工智能可以在未来提供更为准确高效的诊断，挽救患者的生命。

参考资料：

[1] Identifying Medical Diagnoses and Treatable Diseases by Image-Based Deep Learning

[2] Artificial intelligence can diagnose and triage retinal diseases

转载自公众号“学术经纬”,已获授权。

《环球科学》3月刊现已上市