动脉网知识库

登录动脉网

深度学习技术犹如黑盒子还不成熟,但医疗健康行业压根不介意

左邦佑 2017-05-02 08:00

aimedicein_meitu_1.jpg


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。


  黑盒子医学


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。”


需求巨大


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                                      


注:文中如果涉及动脉网记者采访的数据,均由受访者提供并确认。如果您有资源对接,联系报道项目,寻求合作等需求请填写 需求表

声明:动脉网所刊载内容之知识产权为动脉网及相关权利人专属所有或持有。转载请联系tg@vcbeat.net。

还没有评论,快来抢沙发吧!

分享

微信扫描二维码分享文章