據(jù)金融時報報道，DeepMind已打造出一款能夠?qū)崟r診斷復雜眼疾的設備。雖然產(chǎn)品只是原型，但這是Deepmind作為Alphabet旗下公司布局醫(yī)療設備戰(zhàn)略的重要一步。

在上周二的2019有線健康會議（Wired Health 2019 conference）上，DeepMind對一名患者進行了視網(wǎng)膜掃描，并對該女性患者的眼睛進行了實時診斷。掃描結(jié)果由谷歌云中的一組算法進行分析，這些算法在大約30秒內(nèi)就給出了（疾病）緊急程度評級和詳細診斷。

該系統(tǒng)能夠檢測包括青光眼、糖尿病性視網(wǎng)膜病變和老年性黃斑變性在內(nèi)的一系列眼病，其準確度與世界領先專家水平相當。

DeepMind算法首次打造醫(yī)療產(chǎn)品

其實，這款產(chǎn)品的學術(shù)研究早在去年的8月份就發(fā)表在了Nature子刊《自然醫(yī)學》(Nature Medicine)上。

根據(jù)論文，此算法通過對眼部OCT圖像的掃描，可識別出50多種威脅到視力的眼科疾病，準確率高達94%，超過了人類專家的表現(xiàn)。這也是DeepMind利用AI和機器學習算法首次打造的一款醫(yī)療產(chǎn)品。

論文地址：

https://www.nature.com/articles/s41591-018-0107-6

具體來說是使用了兩個獨立的神經(jīng)網(wǎng)絡，一種基于人類大腦工作原理的松散機器學習機制。其中一個神經(jīng)網(wǎng)絡標記與眼病相關(guān)的OCT圖像中的特征，另一個神經(jīng)網(wǎng)絡基于這些特征對眼部狀況做出診斷。

在997名患者的掃描影像上進行的測試中，DeepMind 的算法在轉(zhuǎn)診推薦的準確度比Moorfields眼科醫(yī)院的8名視網(wǎng)膜專科醫(yī)生表現(xiàn)得更好：DeepMind算法的錯誤率為5.5%，而8名人類醫(yī)生的錯誤率在 6.7% 到 24.1% 之間；如果向人類醫(yī)生提供患者的背景信息，人類醫(yī)生的錯誤率降低到 5.5% 到 13.1% 之間，結(jié)果與AI的水平相當或稍差。

當時DeepMind及其研究合作方——倫敦Moorfields眼科醫(yī)院和倫敦眼科大學學院表示，他們將在2019年對該技術(shù)進臨床試驗。

打破黑箱，DeepMind AI算法首次打造醫(yī)療產(chǎn)品

經(jīng)過幾個月的努力，DeepMind公司與Moorfields的團隊開發(fā)出了這款產(chǎn)品，不過產(chǎn)品尚未獲得監(jiān)管部門的批準。

不過，這款產(chǎn)品很有可能很快會得到有關(guān)部門的批準。在美國，食品藥物監(jiān)督管理局（FDA）批準的醫(yī)療人工智能算法數(shù)量大幅增加，從2017年的全年兩項增至2018年的每月一到兩項。其中有一項來自總部位于愛荷華州的初創(chuàng)企業(yè)IDx的算法，與DeepMind一樣，該算法可以實時掃描和診斷糖尿病性視網(wǎng)膜病變，并已在整個歐洲的臨床護理中得到應用。

對于DeepMind的這款產(chǎn)品，其項目負責人、高級臨床醫(yī)生艾倫(Alan Karthikesalingam)表示。此項研究的誕生是醫(yī)學領域的重要里程碑，借助人工智能會大幅度提高普通醫(yī)生的臨床技能。

該算法在14,884次視網(wǎng)膜掃描中訓練，在30秒內(nèi)處理眼睛圖片。算法將掃描結(jié)果分為四類：緊急，半緊急，常規(guī)和僅觀察。

艾倫表示，這款工具的目標就是弄清楚“某患者的健康狀況有沒有聯(lián)系一名專家醫(yī)生的需要，如果有，那么緊急程度是多少，以及為什么這么緊急？”

DeepMind聲稱，其產(chǎn)品不僅能提供診斷，而且能夠準確解釋其產(chǎn)生的結(jié)論以及結(jié)果的確切程度，這對醫(yī)療保健專業(yè)人員至關(guān)重要。

“對于眼科醫(yī)生來說，這一產(chǎn)品的效果令人驚訝。你可以看到AI已經(jīng)對每一個點進行了分割，在這次掃描中創(chuàng)建的超高分辨率圖像中，約有6500個數(shù)據(jù)點，“Moorfields顧問眼科醫(yī)生Pearse Keane說。“我們必須對我們?nèi)绾悟炞C在醫(yī)療設備上使用的算法提供同樣嚴格的程度，但我個人認為，眼科學將成為人工智能從根本上改變的第一個醫(yī)學專業(yè)。”

DeepMind的兩次重大醫(yī)療戰(zhàn)略

2016年，DeepMind在聯(lián)合創(chuàng)始人穆斯塔法·蘇萊曼(Mustafa Suleyman)的領導下，作為其應用團隊的一部分成立了健康部門。

根據(jù)金融時報，該團隊的目標一直是在現(xiàn)實環(huán)境中開發(fā)和部署人工智能技術(shù)，包括家庭醫(yī)生診所和醫(yī)院，但到目前為止還沒有商業(yè)產(chǎn)品，該部門尚未產(chǎn)生任何收入。

在18年的11月份，DeepMind宣布旗下的健康部門DeepMind Health、以及負責推進“Streams”（幫助醫(yī)生更快識別和診斷患者病情的移動APP）團隊將調(diào)整合并到Google最新成立的“Google Health”部門中。原子公司DeepMind Health將不再作為獨立品牌存在。

Streams應用程序

當時，DeepMind的創(chuàng)始人表示，對于該公司而言，這將是一個“重要的里程碑”，有助于將其開發(fā)的Streams應用程序轉(zhuǎn)變?yōu)椤叭斯ぶ悄苤碜o士和助手”。醫(yī)生“將最佳算法與直觀設計相結(jié)合。”目前，Streams應用程序正在英國試用，以幫助醫(yī)療保健從業(yè)人員管理患者。

但是，DeepMind在此方面并沒有實現(xiàn)盈利，一個由Alphabet制定的專家評估小組就曾質(zhì)疑DeepMind，要求后者向公眾說明采取怎樣的業(yè)務模式來盈利。

對于這個問題，DeepMind的這臺設備原型或許能夠給出答案。未來，若進展順利的話，這一產(chǎn)品或?qū)⒊蔀镈eepMind實現(xiàn)盈利的突破口。

DeepMind的醫(yī)療之路

除了這款眼部疾病掃描的產(chǎn)品設備，DeepMind也在頭頸癌治療方案、AI診斷乳腺癌、預測腎臟損傷等方面也做出過突出貢獻。

2016年8月，DeepMind與英國倫敦大學學院醫(yī)學院的研究人員合作共同開展頭頸癌治療方案工作。

DeepMind表示，因為人的頭部比較復雜，醫(yī)生至少需要花費4個小時來作準備頭頸癌治療方案，他們希望能通過機器學習來幫助自動執(zhí)行部分過程，將準備時間縮減至一個小時。

2017年11月，DeepMind 就宣布了一項新的合作研究項目，試圖使用 AI 診斷乳腺癌。在本次的研究項目中，DeepMind 將與由英國癌癥研究中心所領導的多家醫(yī)療研究機構(gòu)進行合作，此項目的主要目標是將機器學習應用于乳房 X 光檢查這種乳腺癌的常規(guī)檢查手段上，以提高其敏感性和準確率。

2018年2 月，DeepMind與美國退伍軍人事務部（VA）建立醫(yī)學研究合作伙伴關(guān)系，)DeepMind將分析約700,000個匿名醫(yī)療記錄，以查找可能用于識別急性腎損傷病例的模式，找到常見的病情指標，以確定機器學習是否能夠準確地識別患者惡化的風險因素并正確預測其發(fā)病。