在醫(yī)療領(lǐng)域，尤其是在醫(yī)學影像篩查過程中，人工智能常被描述為完美的工作者。它們能準確識別疾病，擁有人類專家級的發(fā)現(xiàn)能力，還不知疲倦。但與許多技術(shù)一樣，在實驗室取得成功是一回事，而到了臨床應(yīng)用階段，人工智能能否發(fā)揮作用，就又是另一回事了。

　　4月25日，谷歌在自己的官網(wǎng)上表示，他們與泰國公共衛(wèi)生部門合作，在泰國11家農(nóng)村診所安裝了檢測糖尿病性視網(wǎng)膜病變(DR)癥狀的AI系統(tǒng)。經(jīng)過實際使用后，谷歌研究人員發(fā)現(xiàn)，這套系統(tǒng)在臨床上的表現(xiàn)，并未如實驗室里所表現(xiàn)的一樣：不僅診斷結(jié)果不一致，實際操作方法和在實驗室里也完全不一樣。

　　檢測糖尿病性視網(wǎng)膜病變是對糖尿病早期篩查的一個方法。2016年，谷歌就在《美國醫(yī)學會期刊》(JAMA)發(fā)表了他們的研究成果。研究表示，谷歌開發(fā)的深度學習算法能夠解釋視網(wǎng)膜照片中的DR跡象，可以幫助醫(yī)生篩查更多的病人，尤其是在資源有限的社區(qū)中。

　　當時，谷歌研究人員專門建立了一個12.8萬幅圖片的數(shù)據(jù)集，每張圖片記錄了3-7名眼科醫(yī)師的評估結(jié)果。為了驗證算法的性能，他們還使用了2個獨立的臨床試驗數(shù)據(jù)集，包括1.2萬幅圖片，審核結(jié)果由專家來判決。在理性的實驗環(huán)境下，這套系統(tǒng)的診斷準確率達到90%，相當于人類專家水平。

　　實驗室里超神的結(jié)果，也讓谷歌研究員看到了這套系統(tǒng)能實際投入使用的希望。于是，他們在泰國巴吞他尼省和清邁省的11所診所安裝了該系統(tǒng)。

　　要診斷患者的糖尿病性視網(wǎng)膜病變，護士們需要給每一位糖尿病患者的眼睛拍照，獲得一張“眼底照片”，然后將它們分批發(fā)送給眼科醫(yī)生，然后由眼科醫(yī)生進行評估并返回結(jié)果。由于醫(yī)療資源有限，同時需求量又大，通常得到診斷結(jié)果至少需要4-5周。

　　谷歌研究人員希望通過AI系統(tǒng)可以改變這樣的情況，因為AI系統(tǒng)可以在幾秒鐘內(nèi)就能提供類似眼科醫(yī)生的專業(yè)診斷。然后護士就可以在幾分鐘內(nèi)而不是一個月內(nèi)，為病人轉(zhuǎn)診或者提供進一步檢查的建議。理論上這套系統(tǒng)是可以做到的。

　　然而，理想很豐滿，現(xiàn)實卻很骨感。研究人員表示，11家診所的眼科檢查過程存在高度差異。例如，由于各個診所資源不同，護士拍的照片質(zhì)量因此存在很大差異。11家診所中，只有兩家診所設(shè)有專門的暗房，可以暗化房間以確?；颊叩耐啄茏兊米銐虼?，從而拍攝到高質(zhì)量的眼底照片。

　　這種條件和過程中的資源不一致也導(dǎo)致圖像無法達到算法的高標準。

　　“深度學習系統(tǒng)對要評估的圖像有嚴格的規(guī)定……例如，如果圖像有些模糊或暗區(qū)，即使可以做出強有力的預(yù)測，系統(tǒng)也會拒絕。該系統(tǒng)對高圖像質(zhì)量的要求與護士有限環(huán)境下常規(guī)采集的圖像之間的矛盾，反而增加了系統(tǒng)的工作量?！毖芯勘硎?。

　　另外，連接和上傳也出現(xiàn)了問題。在谷歌實驗環(huán)境中，研究團隊擁有強大的互聯(lián)網(wǎng)連接，圖像和結(jié)果往往只需幾秒鐘就能顯現(xiàn)。但在實際中，診所會常常出現(xiàn)連接速度慢，可靠性差的情況。這就導(dǎo)致了圖像上傳需要60-90秒的時間，減慢了篩查速度，也限制了每天能接待的患者。在其中一家診所中，還發(fā)生過互聯(lián)網(wǎng)中斷2小時的情況，導(dǎo)致篩查人數(shù)從200人減到了100人。

　　最后還有一個關(guān)鍵因素，就是患者。由于研究本身就是以患者為中心的，如果患者不滿意或者不愿意，就需要進行改進。但在實際過程中，護士起到很大的作用，有些護士可能就會建議患者不要參與研究，以減少不必要的麻煩。同時，護士也提到，患者最關(guān)心的問題通常不是診斷的準確性，而是體驗如何。如果診斷的過程太麻煩，他們寧愿不參加研究，直接找醫(yī)生診斷。

　　實驗室里超神的AI系統(tǒng)，來到實際中，卻是這樣的結(jié)果，這不免讓研究人員和外界感到失望。不過，這并不是一個壞消息。谷歌自己在官方博客中公布研究失敗結(jié)果的同時，也強調(diào)，有了這樣與醫(yī)生、患者的互動，才能更好的改進這項技術(shù)。