Shaokang Wang和他的创业团队，用热像仪建立了一套读取X光图像，识别早期肺癌迹象的算法。Wang说，他们公司的技术已经在中国的四家最大的医院里得到了应用，其中有两家还处在测试阶段，但还有两家——上海长征医院和上海同济医院，已经在手术中使用这项技术了。他说：“这项技术已经安装在了每个医生的仪器上了。”

credit: 123RF

医生们使用这项技术到底能带来什么提升是另一个问题，就世界范围内的医疗健康领域来说，人工智能还处于发展的早期。不过，一些构想，已经流传甚广了。

在两家印度的医院里，Google已经在测试一种机器，能够扫描眼部，识别糖尿病致盲的迹象。就在上周，信息科学竞赛Kaggle 宣布了百万美元奖金的得主，在这场竞赛中，有超过一万名研究人员比拼建立能够通过CT扫描检测肺癌的机器学习模型。获胜的算法将会在国家癌症学会投入使用，以求能更快更有效率的识别肺癌。肺癌是美国最常见的癌症。“我们希望让把这个解决方案更进一步，”Keyvan Farahani说，他是学会的一名项目主任。

George Shih博士表示，目前在所有医院中大规模的部署AI还有巨大的困难，他是 Weill Cornell Graduate School of Medical Sciences的医生兼教授，同时是MD.ai的联合创始人，他们参与了Kaggle 竞赛，但是没到拿奖。收集必要的数据都有困难，更遑论把这项技术运用到现有系统的日常运用中。不过Shih 认为，现在最好的算法，准确率早就足够商业化了。“我们可能只需要几年时间就能大规模运用，”他说。

这个系统的发展仰仗于深度神经网络( deep neural networks)的发展。深度神经网络是一项复杂的数学系统，能够自己通过分析大数据的方式学习。这不是个新点子，上个世纪50年代就有人提过，不过现在想Google 和 Facebook这样的公司已经拥有了庞大的数据和运算能力，在他们手上，神经网络能够拥有远超过去的能力，例如，他们能识别照片中的人脸和物体，也能通过扫描检查出发病的迹象。

就如同神经网络能识别出你照片里的猫一样，它也能识别出，你眼睛里细小的动脉瘤和CT扫描里，你肺里的小肿瘤。原理上讲，在分析完了上千张有某种肿瘤的照片后，它就能够自己识别了。在Kaggle的竞赛中， 几千名数据科学家和 Booz Allen 的技术顾问一起，比赛构建最精确的神经网络，就是为了这项任务。

在神经网络开始识别图片以前，受训过的医生们必须现标记这些图片——这是用人的智力和知识，识别出图片里肺癌的迹象。这项工作一完成，建造系统的工作就不是医学工作而是计算机科学的工作了。举个例子，Kaggle 奖金的获得者，来自清华大学的两名研究人员Liao Fangzhou和Zhe Li都没有受过医学训练。

医生好帮手

然而，这些AI还是不能完全取代医生。“这里还有一小部分工作需要放射科学家和医生来完成，”Shih 说。“同时我们还需要一些病理学家。”在医生们发现问题之前，新的AI系统已经能更快更准的找到问题了。这些AI助手们还能减少看病成本，因为医生检查花的时间更长，还容易出错。

依照 Shih 和其他人的说法，医生一般不会做出错误的负面诊断——没有识别出癌症的迹象。但错误的正面诊断是个大问题(就是说很多都是误诊出有癌症的咯？)。医院经常花时间花钱去治疗哪些没有必要治疗的人。“问题就在于肺癌的检查非常贵，”Shih 说。“我们的目标就是怎么把费用最小化。”

Shih的公司致力于提供信息的搜集和标记服务，为哪些需要训练神经网络的公司提供便利，不仅仅是癌症的检测，还有好多其他的服务。他承认，这种AI只是刚刚起步。不过他坚信，这会从根本上改变医疗卫生领域的现状，尤其是发展中国家的，这些地方医生比较少。在过去几年里，他说，研究人员都做不出比医生准确率更高的AI。不过，如果机器能做的比人更好了，医院运营的格局将会发生天翻地覆的变化。

一句话总结：AI的癌症识别率已经很高了，但是想大规模运用还要再等几年。

本文译自 wired，由 Dkphhh 编辑发布。

PREV : 爹妈欢乐短信集：我化学考试得了个A
NEXT : 结构奥义之4D打印术