這個(gè)星球上的人們，或許還沒有做好迎接人工智能醫(yī)生的準(zhǔn)備。不過，加州大學(xué)舊金山分校(UCSF) 的研究人員培育的AI，已經(jīng)在心臟圖像的分類比賽上，超過了參賽的人類心血管醫(yī)師。

　　△ 超聲心動(dòng)圖

　　診斷心血管疾病通用的方式是，評估就診者的超聲心動(dòng)圖——那是心臟的動(dòng)態(tài)影像?？茖W(xué)家們讓人類和AI，同時(shí)把12段影像中提取的“縮水”圖片，一張一張張歸入15個(gè)類別中。AI的正確率在91.7%-97.8%，而人類的正確率在70.2%-83.5%。

　　AI：叫我識圖小公主

　　耀眼的成績背后，是AI夜以繼日的高強(qiáng)度訓(xùn)練。

　　UCSF醫(yī)學(xué)院的助理教授Rima Arnaout (也是一位心血管醫(yī)生) 和實(shí)驗(yàn)室的小伙伴們，利用學(xué)校醫(yī)療中心2000年至2017年之間267位隨機(jī)患者 (20-96歲) 的超聲心動(dòng)圖，建起了卷積神經(jīng)網(wǎng)絡(luò) (CNN) ，并按照不同視角把223,000多張圖像分成15類。

　　△ 用深度學(xué)習(xí)模型完成的歸類

　　在那之后，團(tuán)隊(duì)用超過180,000張圖像來訓(xùn)練AI對超聲心動(dòng)圖中截取的圖像進(jìn)行分類，每張圖片的大小在60-80像素。

　　而這場比賽，自然也是以AI熟悉的訓(xùn)練方式進(jìn)行。與之相比，人類醫(yī)師日常的診斷過程則有明顯的不同。

　　人類：AI怎知何為診斷

　　人類心臟的結(jié)構(gòu)復(fù)雜且不對稱，擁有4個(gè)腔室 (左右心房+左右心室) 和4片心臟瓣膜，還有負(fù)責(zé)血液進(jìn)出的許多血管恣意地排布。正因如此，超聲心動(dòng)圖的生成需要從多個(gè)角度捕捉動(dòng)態(tài)影像。

　　△ 畫心需要教程

　　而當(dāng)醫(yī)師準(zhǔn)備分析一段影像的時(shí)候，首先要做的就是辨別它是從哪個(gè)角度拍攝的。之后，醫(yī)師會在高清影像里，隨著成像工具在患者胸腔附近移動(dòng)，來觀察心臟的表現(xiàn)。

　　被AI碾壓，并不代表受試醫(yī)師的專業(yè)水準(zhǔn)、或是人類的診斷能力受到了質(zhì)疑。他們只是還不習(xí)慣這樣的判別方式，一則圖像太小，二則沒有視頻作為依托。

　　△ 15個(gè)類別

　　另外，AI只在分析圖像之后得出粗略的分類結(jié)果，并不作出診斷。而人類醫(yī)師需要在幾段影像里，觀察心臟的20多處結(jié)構(gòu)，整合復(fù)雜信息來完成一次具體診斷。而且，AI在診斷后的治療過程中，也不易發(fā)揮更大的能量。

　　AI+醫(yī)療的快樂與哀愁

　　即便這樣，計(jì)算機(jī)在心血管疾病的診療中依然有它的優(yōu)勢，其速度或準(zhǔn)確度，可能達(dá)到人類或傳統(tǒng)醫(yī)學(xué)方式難以企及的程度。

　　今年早些時(shí)候，谷歌與同屬Alphabet的生物科技公司Verily，一同發(fā)布表了用眼球數(shù)據(jù)搭建神經(jīng)網(wǎng)絡(luò)，來預(yù)測心血管疾病風(fēng)險(xiǎn)的深度學(xué)習(xí)算法論文。

　　△ 眼底(左)，算法視角(右)，綠為對血壓預(yù)測有用的部分

　　AI用攝像頭獲取的眼球內(nèi)膜 (即眼底) 圖像，推測人的年齡、性別、血壓，甚至是否吸煙，而后依靠這些重要的參數(shù)來預(yù)測，此人未來被心臟問題纏身的風(fēng)險(xiǎn)。

　　把兩個(gè)人的眼底圖像放在一起，其中一人在圖像提取完成的五年后發(fā)生了心血管不良事件，另外一人則沒有出現(xiàn)心血管異常。算法區(qū)分兩者的正確率達(dá)到70%，與傳統(tǒng)驗(yàn)血方式的72%相去無幾。不過，AI需要的時(shí)間，就不像等待驗(yàn)血結(jié)果那樣漫長了。

　　“AI在醫(yī)學(xué)診斷中超越人類”的相關(guān)消息時(shí)常讓世界表現(xiàn)出難以抑制的興奮。不過，神經(jīng)網(wǎng)絡(luò)自誕生之日起，便有一個(gè)難以彌補(bǔ)的弱點(diǎn)——它們做不到有理有據(jù)，即能夠得出結(jié)論，卻無法解釋自己是怎樣從原始數(shù)據(jù)的汪洋，游到結(jié)論的岸上。

　　就算醫(yī)生說的聽不太懂，也比沒說強(qiáng)

　　這或許會是人工智能在醫(yī)療領(lǐng)域?qū)崿F(xiàn)大規(guī)模應(yīng)用之前，需要跨越的一個(gè)障礙。如果不能令人對診斷過程感到信服，患者對醫(yī)療機(jī)構(gòu)的信任度便可能遭遇危機(jī)。

　　前路漫漫，好好訓(xùn)練

　　不過，這類問題的解決，終究要以成熟的技術(shù)為根基。

　　目前，UCSF團(tuán)隊(duì)的AI勝任的工作，離真正的診斷還有距離。而團(tuán)隊(duì)也正在開發(fā)一個(gè)進(jìn)階版本，讓AI在原有分類能力的基礎(chǔ)上，做出心血管具體疾病的診斷。

　　如果再披上人類的外殼…

　　Arnaout希望有一天，AI可以像人類醫(yī)師那樣，不管遇到任何心臟的任何狀況，都能清晰地了解患者到底存在怎樣的問題。

　　所以，實(shí)驗(yàn)室的大家，還是回去努力訓(xùn)練自己的AI吧。白白。