如果有一天,，你突然發(fā)現(xiàn)身上的一顆痣變得有些奇怪，你會(huì)怎么做,？雖然這可能是一個(gè)危險(xiǎn)的信號(hào),，但很多人因?yàn)楣ぷ髅Α⑷メt(yī)院不便等種種原因，往往不會(huì)及時(shí)去檢查?，F(xiàn)在,，人工智能為這個(gè)問題提供了更好的解決方案：在未來,，我們或許可以在手機(jī)上下載一個(gè)APP,，開個(gè)攝像頭讓機(jī)器醫(yī)生幫我們看一看，這是不是皮膚癌的早期癥狀,。
斯坦福大學(xué)一個(gè)聯(lián)合研究團(tuán)隊(duì)開發(fā)出了一個(gè)皮膚癌診斷準(zhǔn)確率媲美人類醫(yī)生的人工智能,，相關(guān)成果刊發(fā)為了1月底《自然》雜志的封面論文，題為《達(dá)到皮膚科醫(yī)生水平的皮膚癌篩查深度神經(jīng)網(wǎng)絡(luò)》（Dermatologist-level classification of skin cancer with deep neural networks）,。他們通過深度學(xué)習(xí)的方法,，用近13萬(wàn)張痣、皮疹和其他皮膚病變的圖像訓(xùn)練機(jī)器識(shí)別其中的皮膚癌癥狀,，在與21位皮膚科醫(yī)生的診斷結(jié)果進(jìn)行對(duì)比后,，他們發(fā)現(xiàn)這個(gè)深度神經(jīng)網(wǎng)絡(luò)的診斷準(zhǔn)確率與人類醫(yī)生不相上下，在91%以上,。
深度學(xué)習(xí)為醫(yī)學(xué)添磚加瓦
在中國(guó),，皮膚癌并不是癌癥家族中特別矚目的成員，這是因?yàn)辄S種人的皮膚癌發(fā)病率要低于白種人,。但在美國(guó),，皮膚癌卻是最常見的癌癥之一。每年約有540萬(wàn)美國(guó)人罹患皮膚癌,。以黑色素瘤為例，如果在五年之內(nèi)的早期階段檢測(cè)并接受治療,，生存率在97%左右,；但在晚期階段，存活率會(huì)劇降到14%,。因而,，早期篩查對(duì)皮膚癌患者來說生死攸關(guān)。
一般情況下,，來到醫(yī)院或診所后,，醫(yī)生會(huì)基于視覺診斷進(jìn)行臨床篩查，再對(duì)疑似病變部位依次進(jìn)行皮膚鏡檢查,、活體組織切片檢查和病理學(xué)診斷,。
醫(yī)生使用皮膚鏡進(jìn)行檢查。但由于各種各樣的原因,，很多人并不會(huì)及時(shí)為皮膚上出現(xiàn)的一些細(xì)小癥狀而跑一趟醫(yī)院,。因而，基于人工智能的家用便攜式皮膚癌診斷設(shè)備將大大提高早期皮膚癌的篩查覆蓋率,，挽救更多人的生命,。但是，癌癥診斷，差之毫厘,，謬以千里,，人工智能能夠勝任將黑色素瘤從普通的痣中篩選出來的任務(wù)？斯坦福大學(xué)這個(gè)聯(lián)合研究團(tuán)隊(duì)的結(jié)論是：基于深度學(xué)習(xí)的機(jī)器醫(yī)生診斷準(zhǔn)確率十分驚人,。
“我們意識(shí)到這是可行的,，機(jī)器不僅能做，而且能做得和人類一樣好”,，斯坦福人工智能實(shí)驗(yàn)室助理教授Sebastian Thrun說道,，“這時(shí)候我們的想法完全變了。我們說,，‘瞧吧,，這不僅僅是個(gè)學(xué)生作業(yè)，這可能有益于全人類’,?！?br/>
這種視覺處理算法基于時(shí)下大熱的深度學(xué)習(xí)，即通過大量的數(shù)據(jù)作為示例來訓(xùn)練機(jī)器完成某些特定任務(wù),。近來深度學(xué)習(xí)不僅在視覺處理方面大放異彩,，也在其他不同的領(lǐng)域碩果累累，譬如谷歌(微博)的圍棋AI阿爾法狗,，就是在學(xué)習(xí)完3000萬(wàn)張人類棋譜后擊敗世界圍棋冠軍李世石的,。在機(jī)器學(xué)習(xí)過程中，開發(fā)者不再需要對(duì)解題方法進(jìn)行編碼,，而是任由計(jì)算機(jī)通過學(xué)習(xí)示例數(shù)據(jù)自己“摸索”出解法,。具體到皮膚癌診斷這個(gè)案例中，就是研究者不再需要自己總結(jié)中皮膚癌在外觀上的一些規(guī)律性特征來教會(huì)計(jì)算機(jī),，而是由它自己總結(jié)其中的模式,。
以谷歌一個(gè)區(qū)別貓狗的算法為藍(lán)本
研發(fā)者們沒有自己另起爐灶，而是以谷歌的一個(gè)能在128萬(wàn)張圖像中識(shí)別1000種物體的算法為藍(lán)本進(jìn)行加工,。谷歌的這個(gè)算法原本是用來區(qū)分喵星人和汪星人的,，現(xiàn)在，研究者們需要訓(xùn)練它區(qū)別良性脂溢性角化?。╞enign seborrheic keratosis）和角化細(xì)胞癌（keratinocyte carcinomas）,、普通的痣和惡性黑色素瘤（malignant melanomas）。
但是,，在數(shù)據(jù)方面,，研究團(tuán)隊(duì)面臨的第一個(gè)問題就是并不存在一個(gè)現(xiàn)成可用的龐大皮膚癌數(shù)據(jù)庫(kù)。所以,，斯坦福人工智能實(shí)驗(yàn)室從互聯(lián)網(wǎng)上收集數(shù)據(jù),，與斯坦福醫(yī)學(xué)院進(jìn)行合作,，給這一大堆混亂的照片分類貼標(biāo)簽。這工作并不容易,，畢竟,，原始數(shù)據(jù)里的語(yǔ)言就有好幾種，光把這些翻譯統(tǒng)一就很耗時(shí),。
接著,，聯(lián)合研究團(tuán)隊(duì)再一起對(duì)這鍋大雜燴進(jìn)行篩選。專業(yè)的皮膚科醫(yī)生會(huì)使用皮膚鏡,，一種手持的顯微鏡,，對(duì)相關(guān)部位的皮膚進(jìn)行放大觀察，形成的醫(yī)學(xué)影像具有一些固定標(biāo)準(zhǔn),。但這里的大多數(shù)照片不是專業(yè)的醫(yī)學(xué)影像,，角度、尺寸和亮度五花八門,。最后,，他們選出了129450張皮膚病變圖片，其中包含2032種不同的疾病,。每張照片是作為一個(gè)帶有相關(guān)疾病標(biāo)簽的像素輸入進(jìn)算法的,。這樣，研發(fā)者省去了許多前期的圖像分組工作,，大大提高了數(shù)據(jù)量,。
圖片樣本：良性和惡性的上皮細(xì)胞/黑色素細(xì)胞/皮膚鏡下的黑色素細(xì)胞。經(jīng)過訓(xùn)練后,，研究者們使用由愛丁堡大學(xué)和國(guó)際皮膚影像合作項(xiàng)目（International Skin Imaging Collaboration Project）提供的高質(zhì)量的,、經(jīng)活檢證實(shí)的照片來檢測(cè)機(jī)器的學(xué)習(xí)成果，照片涉及兩種最常見,、也最致命的皮膚癌：惡性黑色素瘤和角質(zhì)形成細(xì)胞癌,。21位人類皮膚科醫(yī)生被要求觀察其中的370多張圖片,，并對(duì)每一張作出判斷：是要進(jìn)一步進(jìn)行活檢或治療,，還是告訴病人一個(gè)好消息。
在測(cè)試中,，人工智能被要求完成三項(xiàng)診斷任務(wù)：鑒別角化細(xì)胞癌,、鑒別黑色素瘤，以及使用皮膚鏡圖像對(duì)黑色素瘤進(jìn)行分類,。研究者通過建構(gòu)敏感性（sensitivity）-特異性(specificity)曲線對(duì)算法的表現(xiàn)進(jìn)行衡量,。敏感性體現(xiàn)了算法正確識(shí)別惡性病變的能力，特異性體現(xiàn)了算法正確識(shí)別良性病變,，即不誤診為癌癥的能力,。在所有三項(xiàng)任務(wù)中，該人工智能表現(xiàn)與人類皮膚科醫(yī)生不相上下，敏感性達(dá)到91%,。
算法診斷不同數(shù)量的角化細(xì)胞和黑色素細(xì)胞圖片時(shí)的敏感性,，均在91%以上。除了媲美人類醫(yī)生的診斷敏感性之外,，該算法還有一大亮點(diǎn),，它的敏感性是可以調(diào)節(jié)的。研究者可以依據(jù)想要的診斷效果對(duì)敏感性進(jìn)行調(diào)整,。
未來的掌上醫(yī)生
這個(gè)算法現(xiàn)在還需要依托一個(gè)計(jì)算機(jī)運(yùn)行,，但斯坦福的這個(gè)團(tuán)隊(duì)會(huì)努力把它縮小到可以在手機(jī)上裝載的地步。他們覺得這種改裝還是挺容易的,，只是還需要更多實(shí)打?qū)嵉呐R床檢驗(yàn),。在不遠(yuǎn)的未來，也許人們手指輕輕一點(diǎn),，就可以進(jìn)行靠譜的皮膚癌診斷,。
Thrun實(shí)驗(yàn)室的研究生Esteva說道，“當(dāng)我想到智能手機(jī)強(qiáng)大的存在感后,，我真是靈光一閃,。未來每個(gè)人口袋里都會(huì)裝著一個(gè)超級(jí)計(jì)算機(jī)。如果我們用它來篩查皮膚癌,，或者其他疾病呢,？“
誠(chéng)然，深度學(xué)習(xí)這塊土壤培植了太多可能性,。斯坦福大學(xué)針對(duì)皮膚癌篩查的這個(gè)算法只是打開了通往新世界的一個(gè)小口子,，在未來，基于深度學(xué)習(xí)的人工智能將在更廣闊的醫(yī)療領(lǐng)域內(nèi)與人類大夫們并肩作戰(zhàn),。