AI再次战胜人类！

admin

                    

                    

                    
                    
                    <section><section><p><p><img src="image/20201014/86b79d371e9862b01189f0252a03b2cd_1.png" /></p></p></section><section><section><span><strong></strong></span></section><p><span>医疗器械第一新媒体</span></p><p><span>分享最专业的医疗器械知识</span></p></section><section><section><section>关注</section></section></section></section><p><br  /></p><p>最近IBM沃森健康公司(IBM Watson Health)裁员风波闹得人心惶惶。</p><p><br  /></p><p>首先是，裁员的规模达到了50%-70%，包括美国本土和其他国家的一些员工，许多员工表示对公司影响甚大。</p><p><br  /></p><p>其次，<span>根据一位</span><span>IBM的员工透露，</span><span>此次裁员主要为此前收购的多家关联公司，包括Phytel，Explorer，Truven等，这些公司皆为医疗数据分析和解决方案的公司，其中Phytel和Explorer在2014年被IBM收购，Truven则在2016年被IBM以26亿美元的代价收购，Truven是一家封闭型持股公司，主要业务是面向8500余名医疗保健客户提供基于云的数据管理和分析服务，其中包括医院、保险公司和政府机构等。</span></p><p><br  /></p><p>如此大的“动作”，<span>不免让人生疑：医疗AI风头是否已过？AI已死？</span></p><p><br  /></p><p><p><img src="image/20201014/44a3e8bf28d8e84b08813bf8c4834e13_2.jpg" /></p></p><p><br  /></p><p>毕竟<span>Watson</span>曾被认为是医疗AI领域的“神明”，&nbsp;能够提供包括乳腺癌、肺癌、结肠癌、前列腺癌、膀胱癌、子宫癌等疾病的诊断和治疗方案，匹配度达 90%，是目前最成熟的辅助诊疗系统之一。</p><p><br  /></p><p>了解到，<span>Watson</span>在 2012 年就通过了美国执业医师考试，可以在 17 秒内阅读 3,469 本医学专著、248,000 篇论文、69 种治疗方案、106,000 份临床报告。</p><p><br  /></p><p>此外，孕育<span>Watson的</span>IBM公司并非泛泛之辈，其拥有的科学家数目、财力、资源以及行业的影响力均不是一般公司能比的。如果连<span>IBM&nbsp;<span>Watson</span>都“半路夭折”了，医疗AI还能走的通吗？</span></p><p><br  /></p><p><p><img src="image/20201014/0b42f1f3b3f87cb9e1b436c5dfd9bdc1_3.jpg" /></p></p><p><br  /></p><p>至少目前其他AI研究机构并未因此受到影像，停止医疗AI的深度探索研究。</p><p><br  /></p><p>比如这个<strong><span>深度学习卷积神经网络（CNN）</span></strong><span>，最近，它在与<span>58位国际皮肤科医生的“PK赛”中表现更优，<span>CNN比皮肤科医生更少漏诊黑素瘤，误诊良性黑素瘤的几率更低，</span>人类再一次输给了AI。</span></span></p><p><br  /></p><p>这项研究发表在5月28日的<span>ANNALS OF ONCOLOGY上，来自德、美、法三国的研究人员开发了CNN，并通过展示10万多幅恶性黑色素瘤和良性痣的图像来让它识别皮肤癌。</span></p><p><span><br  /></span></p><p><p><img src="image/20201014/0bb4da087cd05b527fb5b9aed8f6b702_4.png" /></p></p><p><br  /></p><p>这是科学家们首次表明，<strong> CNN作为人工智能或机器学习形式比有经验的皮肤科医生更能准确诊断皮肤癌。</strong></p><p><strong><br  /></strong></p><section><section><section><span>什么是CNN?</span></section><section><section><section><p>CNN是一种人工神经网络，它的研发灵感来源于大脑中神经元相互连接并对眼睛看到的东西做出反应的启发。CNN能够从它“看到”的图像中快速学习，并从它所学的知识中自学提高其性能，这一过程也称为机器学习。</p><p>这项研究的第一作者，德国海德堡大学皮肤科医师Holger Haenssle教授解释说：“CNN的工作原理就像一个孩子的大脑。为了训练它，我们向CNN展示了10万多幅恶性和良性皮肤癌和黑痣的图像，并指出每幅图像的诊断。CNN通过每一幅图像的训练提高了区分良恶性病变的能力。”</p><p><span>“培训结束后，我们从海德堡图书馆创建了两套未被用于培训的测试图像（CNN对此一无所知）。接着建立一组300幅图像来单独测试CNN的性能。在此之前，选择了100个最困难的病变来测试真正的皮肤科医生，并与CNN的结果进行比较。”</span></p></section></section></section></section></section><p><strong>CNN对战皮肤科医生</strong><br  /></p><p>来自世界17个国家的58位皮肤科医生受邀参加了这项“对决”。其中17人（29%）表示他们在皮肤镜检查方面的经验不足两年，11人（19%）表示他们拥有2至5年的经验，30人（52%）表示他们拥有5年以上的经验。</p><p>首先，皮肤科医生被要求从皮肤镜图像（I级）诊断恶性黑色素瘤或良性痣，并给出治疗对策（手术、短期随访或不需要采取行动）。然后，四周后，他们会得到关于患者的临床信息（包括年龄、性别和病变位置）和相同100例（II级）的特写图像，并再次要求诊断和治疗决策。</p><p><span><strong>在I级测试中，皮肤科医生平均准确检测到86.6%的黑色素瘤，并且正确地识别出平均71.3%的非恶性病变。</strong></span>然而，<span><strong><span>当CNN调节到与医生相同的水平时，可检测到95%的黑色素瘤。</span></strong></span>在II级测试中，皮肤科医生改善了他们的表现，准确诊断出88.9%的恶性黑色素瘤和75.7%的非恶性病变。</p><p>尽管当皮肤科医生在II级获得更多临床资料和图像时，他们的诊断性能得到了提高。然而，与此同时CNN仍在努力超越医生的诊断能力。另一方面，专家皮肤科医生在I级表现比经验较少的皮肤科医生更好，并且在恶性黑色素瘤的检测方面更好。然而，他们平均作出正确诊断的能力仍然比CNN要差。</p><p><p><img src="image/20201014/063e8ba75c04d48189dbccb66844547d_5.png" /></p></p><p><strong>CNN未来运用方向</strong></p><p>恶性黑素瘤的发病率正在增加，估计全世界有23.2万个新病例，每年约有55 500人死于这种疾病。如果及早发现，这种病是可以治愈的，但许多病例确诊时已经进入癌症后期。</p><p>Haenssle教授说：“近20年来，我一直致力于改善黑色素瘤早期检测的研究项目。我和我的团队专注于无创技术，例如，在进行皮肤癌筛查时，这些技术可以帮助医生避免错过黑色素瘤。而当我看到最近关于深度学习算法在特定任务中优于人类专家的报告时，我立刻知道我们必须探索人工智能算法来诊断黑色素瘤。”</p><p>“CNN诊断遗漏的黑色素瘤较少，这意味着它比皮肤科医生更敏感；它误诊为恶性黑色素瘤的良性痣较少，这意味着它具有更高的特异性；<span><strong>这些发现将减少不必要的手术</strong></span>。”</p><p>需要指出的是，研究人员并不认为CNN会取代皮肤科医生诊断皮肤癌，但它可以作为一种额外的辅助手段。</p><p>“CNN可以帮助参与皮肤癌筛查的医生决定是否对病灶进行活检。大多数皮肤科医生已经使用数字皮肤镜系统对病变进行成像和存储，以便记录和随访。然后，CNN可以简易快速地评估存储的图像，以获得关于黑色素瘤概率的‘专家意见’。我们目前正在计划前瞻性研究，以评估CNN对医生和患者的现实影响。”</p><p><br  /></p><section data-id="1658"><section><section><section data-id="1658"><section><section><section data-id="1658"><section><section><section data-id="1658"><section><section><p><span><strong>相关阅读</strong></span></p></section><p><p><img src="image/20201014/ec237188ae1e9c03eb4d9814f31b18ab_6.gif" /></p></p><p><span></span></p><p><span>《纽约客》深度长文：当人工智能遇上医生</span></p><p><br  /></p><p><span>『大开眼界』史上最强AI读片“机构”</span></p><p><br  /></p><p><span>全球第一台宫颈癌筛查人工智能机器人诞生</span></p><p><br  /></p><p><span>AI“入侵”影像圈，九千张CT影像30分钟阅完！</span></p><p><br  /></p><p><span>梅奥、克利夫兰、麻省总医院等如何做AI？</span></p></section></section></section></section></section></section></section></section></section></section></section><section data-id="1658"><section><section><section data-id="1658"><section><section><section data-id="1658"><section><section><section data-id="1658"><section><section><p><br  /></p></section></section></section></section></section></section></section></section></section></section></section></section><p><p><img src="image/20201014/9742a7de2ee28aa329d08045618d2f59_7.jpg" /></p></p>