中国科学家研发的AI影像诊断系统首登顶级期刊，可诊断眼病和肺炎两大类疾病，准确性匹 ...

在顶级期刊《细胞》上发表了一篇人工智能（AI）在医疗领域应用的重磅研究成果：基于深度学习开发出一个能诊断眼病和肺炎两大类疾病的AI系统，准确性匹敌顶尖医生。

这不仅是中国研究团队首次在顶级生物医学杂志发表有关医学人工智能的研究成果；也是世界范围内首次使用如此庞大的标注好的高质量数据进行迁移学习，并取得高度精确的诊断结果，达到匹敌甚至超越人类医生的准确性；还是全世界首次实现用AI精确推荐治疗手段。

期刊封面

在全世界范围内，专业高质量的的医疗资源是稀缺的。即使在相对发达的城市区域，由于城市人口多、人口老龄化、慢性病发病率增高等导至病人数量庞大，而对应的专科医生供不应求，也使得大量病人不能及时转诊就医，从而延误就诊治疗的最佳时机。

因此，科学家十分期待AI可以对诊前疾病的筛查、预防，就诊时医疗图像辅助诊断、检验结果分析、手术辅助，以及就诊后的医疗随访、慢性病监测、康复协助、健康管理。

这一年，Google的Gulshan团队采用近13万张已由54位美国专家标注过的视网膜眼底图像，对深度学习网络进行训练，检测准确率达到曲线下面积91%，能力与人类专家相当。这项研究成果最后发表在顶级医学期刊JAMA上。

在本研究中，张教授团队应用一个多层次的前馈DNN概念，将预训练模型Inception-v3架构植入到开源机器学习平台TensorFlow，输入总共约10万张准确标注的视网膜OCT（Optical Coherence Tomography, 光学相干断层成像术）图像，最后开发出可以准确诊断眼疾的AI系统。

该AI系统在诊断眼疾时的准确性达到96.6%，灵敏性达到97.8%，特异性达到97.4%，ROC曲线下面积达到99.9%。

AI系统与6个专家大比拼数据对比

尽管AI在医学领域的探索已经取得了相当不错的成绩，但是最终应用到临床却很少。北京协和医院放射科主任金征宇教授认为，主要原因之一是人工智能系统在复杂的临床应用中，不能准确收集到高质量可应用的数据（即有效数据），所得出的结论缺乏可靠性，难以保持测试数据集上的高准确率。

张康教授团队这个重磅研究，就很好的解决了这个问题。

“相比于传统的深度学习模型，我们使用的迁移学习模型所需的数据量极少，一般深度学习需要上百万的高质量的同一类型标注图片才能获得较为稳定和精确的输出结果，而我们的方法只需要几千张。”张康教授告诉我们。

“迁移学习”（Transfer Learning），顾名思义就是就是把已训练好的模型参数迁移到新的模型来帮助新模型训练，也就是运用已有的知识来学习新的知识，找到已有知识和新知识之间的相似性，用成语来说就是“举一反三”。

比如，已经学会下围棋，就可以类比着来学习象棋；会打篮球，就可以类比着来学习排球；已经会中文，就可以类比着来学习英语、日语等等。如何合理的寻找不同模型之间的共性，进而利用这个桥梁来帮助学习新知识，就是“迁移学习”的核心。迁移学习被认为是一种高效的技术，尤其是面临相对有限的训练数据时。

相较于其他大多数学习模型的“从零开始”，迁移学习先利用卷积神经网络（Convolutional Neural Network，CNN）学习已有的已经标记好的预训练网络系统。

这套AI系统在区分肺炎和健康状态时，准确性达到92.8%，灵敏性达到93.2%，特异性达到90.1%，ROC曲线下面积达到96.8%；更牛的是，它区分细菌性肺炎和病毒性肺炎的数据也是相当漂亮，准确性达到90.7%，灵敏性达到88.6%，特异性达到90.9%，ROC曲线下面积达到94%。

在世界范围内，使用如此庞大的标注好的高质量数据进行迁移学习并取得高度精确的诊断结果，得到与人类医生相似甚至更高的准确性，这在世界上是第一次。

本研究另一个亮点在于，之前的AI系统对于疾病的诊断具有参考意义，但不能指导治疗，而视网膜OCT在糖尿病视网膜病变和黄斑变形的诊断上可以量化并能够指导治疗，因此具有不可替代的价值。

例如，张教授团队开发的AI系统可以准确判断患者是哪种眼疾，哪些需要“紧急转诊”，哪些“常规转诊”即可。这可以帮助医生快速判断哪些患者属于重症患者，需要及时治疗，以避免疾病对患者造成不可逆的伤害。

张康教授团队还考虑到了一个最让医生关注的问题。

在使用AI诊断疾病的时候，医生最不放心的就是：AI到底是如何判断的？到底靠不靠谱啊？

对于这个问题，张教授团队也巧妙地解决了。他们在视网膜OCT图像的研究中加入了“遮挡测试”，也就是机器会输出色块遮挡其“认为”的病变部位，这样医生就可以直观评价机器诊断的正确性，也为其形成诊断提供依据。

AI系统用色块遮挡住病变区域

这下医生就可以放心了，如果对于AI的诊断不放心，可以通过遮挡测试直接查看AI是如何作出疾病“判断”的。

张康教授说，目前他们的AI系统已经在美国和拉丁美洲眼科诊所进行小规模临床试用，取得经验后在进行大规模推广。此外，在后续的研究中，他们还会进一步增加准确标注的图片数量，同时增加可诊断的疾病种类，并进一步优化系统等。

他们希望在不久的将来，这项技术将能应用到包括初级保健、社区医疗、家庭医生、专科医院等等，形成大范围的自动化分诊系统，为医生提供一种辅助诊断的方法，并可用于监测和维护人类健康，从而提高人类生活质量。