学科前沿谷歌人工智能可助力糖尿病视网
虽然科幻片中能够掌握多种学科的超级智能机器目前还没出现，但随着大数据时代的到来，人工智能已走进人们的生活，从苹果手机的siri到围棋比赛的AlphaGo，再到现今的医疗行业的“精准医疗”概念的提出，这些都提示着我们，人工智能时代真的来了！
糖尿病视网膜病变是发达国家的主要致盲性眼病之一，而糖尿病视网膜病变的早期筛查在改善糖网病患者的预后中起着重要的作用。目前，糖网病的筛查都是依靠专业眼科医师来进行，而谷歌科学家们最新研究出一款具有同样准确度的人工智能机器，可以大大减少眼科医生的劳动强度，这款具有高成本效益比的AI也将在不久应用于临床。此研究成果于年11月29日发表在《JAMA》杂志上。
在之前的研究中，计算机已经可以识别部分糖尿病视网膜病变的眼底图像，但准确性还有待提高，所以一直未能应用于临床。
进行此项研究的谷歌公司的VarunGulshan博士说：“为了提高机器的准确度，我们研究出一个叫做深度学习的程序，它可以模仿人脑中的神经元网络，在不给出预定规则的前提下，通过大量分析图片，来形成机器自身的判断策略。”
具体来说，研究者们从美国和印度的糖尿病视网膜病变筛查中心获得了个眼底图像，由3到7个眼科专科医生对每个图像进行了评分。在实验组中，至少（28.1%）个图像存在糖尿病视网膜病变或临床有意义的黄斑水肿，随后将其分为两组独立的图片库，第一组包含位患者的张图像，第二组包含位患者的张图像。在模仿专业眼科医生的第一种运算程序中，机器筛查出DR的敏感度和特异性：第一组分别为90.3%与98.1%，第二组为87.0%与98.5%；而在无限制的更为广阔的第二种运算程序中，机器筛查出DR的敏感度和特异性：第一组分别为97.5%与93.4%，第二组为96.1%与93.9%。
“此结果提示我们，深度智能学习程序可以通过大量的训练而不是特定的限制的运算法则来加强，在DR和DME的筛查中，具有较好的敏感性和特异性。”
但在这种自动筛查系统运用于临床前，仍然有许多问题需要去解决。部分学者担心这种自动筛查机器会增加筛查本身的成本，并且加重系统的负荷。还有学者认为它并不具备可以判断DR严重程度的能力，这将导致一些需要及时处理的严重DR患者不能得到及时有效的治疗。再者，由眼科专科医生进行的临床筛查中，除了DR，通常还可以发现其他的影响患者视力的眼底疾病，而这种自动筛查机器同样也不具备这个功能。
Wong博士与Bressler博士同样也提出，此类自动筛查机器应如何适应当前医疗发展模式的疑问。是否应该机器与专家们分工合作？亦或者我们仍然需要专业的眼科医生来进行筛查工作？
研究者们认为：“随着此类智能图像处理系统的问世，传统的放射科及病理科医生确实受到了不小的挑战，在未来的医疗发展模式中，虽然它们不能完全替代医生们的工作，但我们也必须承认这类智能机器将成为人类医疗卫生服务系统的重要组成部分之一。”
目前，已有少部分的具有深度智能学习程序的机器应用于临床图像识别的其他系统，如Andrew博士研究的肺癌诊断系统。
“在过去的50年里，人工智能备受质疑，并没有引起医疗界的重大变革。在未来，它还有一段很长的路要走，我们应该避免过度的夸大其作用。”
