今年早些时候，斯坦福大学的人工智能科学家塞巴斯蒂安·苏伦（Sebastian Thrun）及其同事表明：一种名为“深度学习”的算法能够诊断皮肤病损潜在的癌变风险，其准确率可比肩皮肤科专业医生。

《自然》等众多杂志均报道了此新发现，称其开创了“软件诊断”的新纪元，其中人工智能将辅助医生，甚至取代他们。

专家们说，医学影像学，如X射线，CT，磁共振等，几乎完美地匹配了深度学习软件的优势，因为这些软件在过去几年的时间中，在面孔识别及处理方面取得了重大突破。

众多公司已经在追求这项技术。Verily，Alphabet’s旗下的生命科学子公司已于去年12月与尼康公司合作开发算法，进而去探明糖尿病患者失明的原因。放射学已被称为“医学界硅谷”，因为它生成了巨量详细的图片可以用作软件分析的原材料。

尽管Thrun教授团队的预测准确率非常高，但没有人可以确切地知道“深度学习”计划，是依据哪个特征将皮肤病损分类为恶性或良性。这就是人们把“深度学习”计划称作医学黑盒子问题的原因。

与更传统视觉软件不同，程序员在哪里定义规则，例如：一个停止标志有八个方面，在“深度学习”中，算法会发现规则本身，但通常没有留下线索来解释其决策。

“就黑盒子医学而言，医生不知道正在发生着什么，因为没有人能做到这一点，它的本质就是不透明”密歇根大学法律学者Nicholson Price说到。

然而Price说，这并不会成为医疗保健行业发展的障碍。他把“深度学习”比作以未知方式来获益的药物。就如锂，因其可以影响人的情感变化，从而被批准用作治疗双向情感障碍的药物，但它的具体生化机制尚待阐明。又如阿司匹林，世界上使用最广泛的药物，在其使用的前70年间，大家并不了解它的具体作用机制。

Price同样表示，黑盒子问题不会对美国食品和药物管理局（FDA）造成问题，因为FDA除了批准新药外，也将会对治疗或预防疾病的软件进行管制。

FDA在一份声明中表示，在过去20年中，已经批准了一些“依赖各种模式识别，机器学习和计算机视觉技术的图像分析”应用程序的开发应用。该机构证实，越来越多的软件被“深度学习”武装起来，并且FDA允许公司保留其算法的机密性。

FDA已给予至少一种“深度学习”算法以绿灯。一月份，FDA批准Arterys开发的软件，Arterys是一家位于旧金山的私人医疗成像公司。其开发的算法“DeepVentricle”能够分析心室内部轮廓的磁共振图像，并且能够计算患者心脏的血容量与泵血体积。该计算在不到30秒内完成，而常规方法通常需要一个小时。

 FDA要求Arterys进行大范围的测试，以确保其算法产生的结果与医生产生的结果相符。该公司的首席技术官John Axerio-Cilies表示：“你需要用统计学的方法证明你的算法产生结果与预期一致，并且如同营销声明所描述。”

为了测试他们的软件，由前任谷歌副总裁Thrun领导的团队，测试了129405张专家已评审的皮肤状况图像。这些图像覆盖了2032种不同的皮肤疾病，包括已确认皮肤癌的1942张图像。

最终，在确定哪些皮肤病损是潜在癌症的角逐中，该软件超过了21名皮肤科医生。

斯坦福大学皮肤科医师、皮肤病研究学者罗伯特·诺沃（Robert Novoa）说：“当皮肤科医生看到这种技术的潜力时，我认为他们大多数会簇拥这种技术。” 但他和其他团队成员拒绝透露他们是否打算将软件商业化。

“任何担心医生很快就会失业的想法是错误的”皮肤科医师、国际皮肤数字成像学会会长Allan Halpern说，“我认为威胁是相反的，算法可以大大推动皮肤病学服务的需求。”

这是因为筛查测试中的阳性个体仍然需要活检。Halpern说：“深度学习的软件可以在初级保健机构中发挥作用，去面对广大的人群，因为如若皮肤科医生从事此项工作，就会受到医生人数的制约。”

Axerio-Cilies表示，公司将会倾向于向消费者直接提供深度学习的工具。例如，人们可以通过扫描自己的皮肤病损，从而决定他们是否需要去看医生。一些非人工智能手机应用程序，例如Mole Mapper，已向人们提供跟踪可疑皮肤病损的服务，并能记录随时间的变化情况。

然而，Halpern说，他不认为消费者已经准备好应用这套诊断系统，因为它并不会告诉消费者，皮肤病损有5％抑或50％的概率转变为癌症。

“我们并不擅长使用概率”他说。  

来源：www.technologyreview.com

作者：Monique Brouillette 

翻译：左邦佑