“AI驅動醫療”已經不是什麼很新鮮的概念。很多疾病的預防、監測、治療，藥物的開發，都與計算機技術息息相關。計算機在處理數據時快速、高效，同時又具有高度的可複制性，成本低廉。

今天，世界糖尿病日，全世界共有超過4.2 億人正在遭受這種疾病的困擾，其中有超過四分之一的患者來自中國。2017 年，中國的糖尿病患病率為10.9%，僅次於美國位居世界第二。糖尿病是一種難以治癒的慢性病，​​但它對人體的傷害更多在於各種並發症。如果控制得當，患者可以與這種疾病長久共存。而谷歌正通過自己的深度學習技術，幫助大量的糖尿病患者對抗並發症，在伴隨疾病生活的過程中獲得更好的生活。

糖尿病的視網膜病變

視網膜病變是最嚴重的糖尿病並發症之一。

長期的高血糖，會導致視網膜血管的內壁，引起一系列眼底病變，比如微血管瘤、出血、硬性滲出、甚至導致視網膜脫落。一般的病人在患糖尿病十年之後會開始出現眼底病變，甚至最終導致失明。

與此同時，糖尿病導致的視網膜病變又並非不治之症。如果發現及時，控制好血糖血壓並且及時進行針對性治療的話，視網膜病變是完全可以避免、被治癒的。通過眼部掃描圖像，可以判斷出患者的視網膜是否發生了病變。但問題在於，對於那些身處偏遠、貧困地區的糖尿病患者來說，身邊缺乏專業技能足夠的醫生來為他們判斷眼底掃描圖像。

對視網膜病變進行檢測｜Google

針對這一情況，谷歌的AI 團隊研究了一套深度學習算法。通過與印度和美國的醫院、醫生合作，谷歌收集了12.8 萬張眼底掃描圖片，將它們組成一個數據集，用於訓練這個神經網絡。這個算法標記出88 萬個相關特徵，用於判斷一張眼底掃描照片是否有視網膜病變的徵兆。之後，谷歌對經過訓練的神經網絡算法進行了測試，讓算法與7 名專業眼科醫生組成的專業評審團進行比較。雙方成績不相上下，甚至算法的判斷準確率要略高於醫生。

目前這一研究成果已經不只停留在實驗室階段，而是進入了臨床應用。谷歌的合作夥伴Verily 已經得到歐洲監管機構的批准，可以在醫院裡使用這項技術來對糖尿病的眼部並發症進行篩查。目前這項技術已經在印度的Aravind 眼科醫院投入臨床使用，未來還有希望被引入更多醫生人手短缺，糖尿病患者人數較多的國家。

算法解讀醫學影像

糖尿病視網膜病變的檢測只不過是算法檢測疾病的一小部分。

谷歌的醫療AI 團隊還打造了一款更泛用的名為LYNA 的工具，可以對各種病歷數據、醫療影像進行深度識別，挖掘數據特徵，讓病理學家能夠從重複的“看片子”工作中解放出來，專注於其他臨床診斷工作。

LYNA 目前可以對淋巴結細胞切片進行識別，判斷患者是否患有乳腺癌，協助醫生進行後續的治療決策。在2016 ISBI Camelyon Challenge 癌症細胞區域檢測競賽中，LYNA 的癌症檢測率明顯高於之前的測試。儘管LYNA 目前還不能完全替代醫師進行診療工作，需要在更大量的案例中對算法進行測試，但它的能力正在飛速進步。

除了視網膜和淋巴結，谷歌還正在利用深度學習對皮膚病和肺癌進行診斷。

在皮膚科領域，因為全科醫生對皮膚病診斷的準確度遠不如專業的皮膚科醫生，所以穀歌的研究人員開發了一種能夠輔助全科醫生進行皮膚病診斷的AI 工具。通過深度學習，算法不僅可以分析患者皮膚的醫學影像，還可以結合病史、年齡、性別、症狀等多種元數據進行分析，大大提高全科醫生皮膚病診斷的準確性。

針對肺癌，谷歌的人工智能模型，能夠對患者肺部的CT 掃描圖像進行更整體的預測，識別肺部的細微惡性組織，預測肺癌風險。這個模型的診斷準確率高達94%，極大改善了目前肺癌篩查成本高、準確率低，常常出現假陰性、假陽性的問題。

Google AI 對肺部3D 圖像進行掃描檢測｜Google

除了算法，谷歌還為阿茲海默症（老年癡呆）患者打造過一套“康復硬件”，使患者能夠以“虛擬騎行”的方式，回到那些自己熟悉的地方，藉此再次回到那些在他們人生中有重要意義的地點，也能夠幫助他們回憶起以前的事。極客公園（id：geekpark）曾在阿茲海默症日報導過谷歌的這項技術。

AI 驅動的醫療

隨著醫療水平的提高，人類的生活水平、平均壽命在不斷提高。

這意味著醫生的專業門檻在不斷提高，工作壓力也不斷增加，與此同時，醫療資源不平衡的現像也愈發嚴重。一個好醫生的能力有限，無法診治所有的病人，而治病救人的使命感和責任感又迫使他們將壓力全部頂在自己肩膀上。

這是“AI 驅動醫療”最大的意義，技術能夠拓增醫生的能力、減輕他們的壓力，也讓他們能幫助到更多更多的普通人。基於AI 的醫學影像識別、疾病篩查只是第一步，這個領域還有更大的潛力等待人們去發掘。