谷歌的AI診斷在實(shí)踐上“翻車”了

敖顯奎

中國醫(yī)學(xué)科學(xué)院國家癌癥中心統(tǒng)計(jì)，2015年中國肝癌新發(fā)病例46.6萬例，而根據(jù)2017年的相關(guān)數(shù)據(jù)，早期肝癌的漏診率高達(dá)40%。截至2019年數(shù)據(jù)，我國醫(yī)學(xué)影像數(shù)據(jù)的年增長率約為30%，而放射科醫(yī)生的年增長率僅為4.2%，這意味著未來影像科醫(yī)生處理數(shù)據(jù)的壓力會越來也大。無獨(dú)有偶，美國疾控中心（CDC）2018年數(shù)據(jù)顯示，14%的美國成年人患有糖尿病，這一慢性健康問題困擾了約3000萬人。其中，每年有超過2.4萬人因糖網(wǎng)而失明（糖網(wǎng)是糖尿病的嚴(yán)重并發(fā)癥，也是主要致盲的眼病之一）。AI診斷的呼聲越來越高。

不過，在越來越多的機(jī)構(gòu)公布自己AI診斷準(zhǔn)確率不斷創(chuàng)新的同時(shí)，擁有打敗人類的AlphaGo的公司谷歌卻在AI診斷的實(shí)踐上“翻車”了。

美國FDA不批準(zhǔn)，項(xiàng)目在泰國醫(yī)院實(shí)施

Google Health是谷歌于2018年成立的健康部門。2020年初，他們分享了一個AI診斷乳腺癌的模型測試，該模型測試在訓(xùn)練了9萬多張乳房X光片后，取得了比人類放射學(xué)專家更好的效果。而讓他們碰壁的這個項(xiàng)目同樣也出自Google Health之手，是他們的另一個核心研究——AI糖網(wǎng)篩查系統(tǒng)。

在巨大的需求背景下，Google Health建立了一個由12.8萬幅圖片組成的數(shù)據(jù)集，每張圖片均記錄著3-7名眼科醫(yī)生的診斷結(jié)果。這些數(shù)據(jù)在經(jīng)過算法的統(tǒng)計(jì)，再經(jīng)過臨床驗(yàn)證，測試結(jié)果評估為已達(dá)到人類專家的水平，準(zhǔn)確率超過90%。不過，美國食品藥品監(jiān)督管理局（FDA）暫時(shí)沒有通過這一項(xiàng)目，該項(xiàng)目不能在美國境內(nèi)進(jìn)入實(shí)際應(yīng)用。

而在地球另一側(cè)的泰國，其糖尿病人糖網(wǎng)篩查有著巨大的缺口。在泰國的篩查體系中，護(hù)士先為患者拍攝眼底照片，然后將照片發(fā)送給專家進(jìn)行診斷，這一過程往往需要5～6周、甚至10周的時(shí)間。而泰國有450萬糖尿病人，視網(wǎng)膜專家僅有200位，以這個速度，他們需要二千一百多年才能將所有人篩查完，而且在這期間沒有任何增長。在如此急迫的情況下，泰國選擇與手握CE認(rèn)證的Google Health打成合作，谷歌為泰國的11家政所安裝篩查系統(tǒng)，依照谷歌公布的數(shù)據(jù)，篩查的時(shí)間可以從幾周縮短至幾分鐘，然而事實(shí)卻并非如此，谷歌的這套系統(tǒng)給篩查流程增加了不少麻煩。

第一，這套AI系統(tǒng)“認(rèn)”的照片需要用免散瞳眼底相機(jī)拍攝，而且需要進(jìn)入專門的暗室拍攝。在11家診所中，只有2家有條件進(jìn)行這樣的拍攝。于是，為患者拍攝的眼底照片，有五分之一被AI系統(tǒng)拒絕，而在這些被拒絕的照片中，某些已經(jīng)有了明顯的糖網(wǎng)跡象。第二，泰國的網(wǎng)速限制讓照片的上傳變得非常緩慢。第三，即便AI系統(tǒng)檢查順利，谷歌還配套了后續(xù)的治療方案，然而，對患者來很不友好的是，一個患者如果同意AI篩查，但是他的圖像被系統(tǒng)拒絕，那么這些患者就不得不另尋時(shí)間就診。“患者并不關(guān)心準(zhǔn)確性，而是更關(guān)心體驗(yàn)如何”，護(hù)士告訴谷歌研究人員，“40%～50%的人不會加入研究，因?yàn)樗麄冋J(rèn)為必須要去醫(yī)院”。處于某些原因，這些患者并不認(rèn)為這套AI系統(tǒng)是管用的。

需求巨大，AI篩查在多類檢測中出現(xiàn)

生活中，我們可以看到AI篩查的需求量非常大。Google Health除了在糖網(wǎng)上的篩查研究，他們著手了其他的項(xiàng)目，其中就有女性乳腺癌的篩查。數(shù)據(jù)顯示，每10萬女性中，就有超過42位患有乳腺癌。跟其他很多癌癥一樣，乳腺癌的一大治療難點(diǎn)也是早期的篩查問題，如果能在早期就查出患病的話，治療就能打大大降低風(fēng)險(xiǎn)。谷歌分享的篩查系統(tǒng)訓(xùn)練了9萬多張乳房X光片后，取得了比人類放射學(xué)專家更好的效果。

另一方面，國內(nèi)聯(lián)想研究院也在嘗試用人工智能來幫助診斷肝癌，提升肝癌的診療效果，目前，這套系統(tǒng)的肝臟八段分割準(zhǔn)確率達(dá)到了90%以上，但還沒有進(jìn)入臨床階段。此外，在新冠疫情下，阿里達(dá)摩院聯(lián)合阿里云共同研發(fā)了一套針對新冠肺炎的AI診斷技術(shù)。這套技術(shù)可以在20秒內(nèi)對新冠肺炎疑似病例的CT影像做出研判，從而為臨床醫(yī)生提供輔助診斷依據(jù)大大提升診斷效率，目前，這種AI診斷技術(shù)的準(zhǔn)確率可以達(dá)到96%以上。

AI篩查仍離開人工診斷

就當(dāng)下情況而言，無論AI篩查的診斷準(zhǔn)確率有多高，診斷結(jié)果的判定都不能離開人工核驗(yàn)。也就是說，AI篩查只能成為一個輔助性的工具。有業(yè)內(nèi)人士表示，谷歌的這套AI篩查系統(tǒng)的問題其他很多AI研究項(xiàng)目很可能也存在——科研與臨床的結(jié)合并不緊密。從流程上看，AI篩查系統(tǒng)最終都必將走到臨床這一階段，然而臨床有其特殊性。篩查系統(tǒng)要求相關(guān)開發(fā)人員不僅要懂技術(shù)，還得懂得檢測流程、醫(yī)生的需求、病患的接受度和關(guān)心的事情。只有這樣才能打造出真正解決問題的系統(tǒng)。

此外，還有相關(guān)人士表示，在篩查疾病的時(shí)候，醫(yī)生與患者關(guān)心的不止是“是否患病”，對于病癥處于哪個階段、是良心還是惡性、需要什么治療方案等同樣是雙方都非常看重的問題。AI篩查任重而道遠(yuǎn)。