聊起 AI，画面都充斥着机械语言：精密高级的芯片，光怪陆离的智能产业……你眼中的 AI 有什么样的能力？能给传统行业带来哪些变革与发展？基于此，腾讯云开发者社区联手知乎科技，从知乎AI 与传统行业相关话题中精选内容落地社区专题「 AI 与传统行业的融合 」。
本文为“AI 将如何影响医疗”的精华内容分享。
AI: 能让我看看你的眼睛吗？
你: 为什么？
AI: 因为， 我能从你的眼睛看到你的心。
—— 人工智能（在医疗影像辅助诊断）的土味情话。（出处就是，我瞎编的）
人工智能（AI）在医疗方面的应用前景确实一颗赛艇。不过这是一个比较新的领域，就像任何一项新技术的广泛应用需要有伦理考量和制度支持，AI在医疗方面的应用也不例外，争议也不少。因为我研究的方向是人类视觉，那就说说与视觉有关的、AI在医疗影像辅助诊断方面的成功应用吧。保险起见，选出一个我觉得不太有争议的作品 --- 通过深度学习视网膜基底照片来预测心血管疾病。
这个算法是Google Brain使用视网膜基底照片辅助医疗的算法演变中最新款，（我所了解的）其最初版本是在2016年JAMA上发表的这篇论文中发布的。 Accuracy of a Deep Learning Algorithm for Detection of Diabetic Retinopathy （视网膜眼底照片检测糖尿病视网膜病变算法的准确性）
图片来源： Accuracy of a Deep Learning Algorithm for Detection of Diabetic Retinopathy
作为视觉研究工作者，这个算法的选题和创新性我是认可的。确实，糖尿病会对眼睛产生影响，其中最常见的微血管并发症之一是糖尿病视网膜病变，这也是导致患者失明的原因之一 。这个算法使用的128175 张视网膜基底照片，由54名眼科医师专业评估（平均每张图被评估3-7次）。深度学习算法预测与现实结果非常接近，与有数年经验的眼科医生的诊断不相上下。尤其是在关于信号检测理论（signal detection theory）的两个方面：
- 敏感度(Sensitivity)：正确诊断出有病的概率，高达90%，这也意味着‘有病被诊断成没病的漏诊率’约为10%
2. 特异度(Specificity)：正确诊断出没病的概率，高达98%，这也意味着“没病被诊断成有病的误诊率”只有2%
虽然算法还不完美，但其低误诊低漏诊率已经能与优秀眼科医生的诊断水平相媲美。具体临床怎么应用我不是特别了解，可以考虑用类似算法对病人进行早期的筛查和诊断工作。
%%%%% 算法演变的分割线 %%%%%
如果说上面这项研究于我来评估仅仅是认可程度的话，下面这个‘升级版’的心血管疾病应用简直要让人惊呼，厉害了我们的AI。今年年初在纽约听到关于下面这篇论文的演讲时，谷歌团队说他们当时也没想到深度学习的算法会在心脑血管疾病方面带来意外的惊喜。
心脑血管疾病是心脏血管和脑血管疾病的统称，泛指由于高脂血症、血液黏稠、动脉粥样硬化、高血压等所导致的心脏、大脑及全身组织发生的缺血性或出血性疾病。心脑血管疾病是一种严重威胁人类，特别是50岁以上中老年人健康的常见病，具有高患病率、高致残率和高死亡率的特点，即使应用目前最先进、完善的治疗手段，仍可有50%以上的脑血管意外幸存者生活不能完全自理，全世界每年死于心脑血管疾病的人数高达1500万人，居各种死因首位。(来源：百度百科)
与心脑血管发病率相关的因素有很多，大部分分为遗传方面和生活习惯方面的因素。
传统诊断方法面临很多问题：
- 信息过少：医生问诊就那么几个问题，得到的数据量较少
- 信息有误：病人回答问题的时候对应的记忆不一定准确
- 检测方法的仪器依赖性：心脏病传统的诊断方法通常依赖于心电图、超声、X射线等医用大型仪器
数据分析方面也有自身的问题，比如
4. 模型低效：在传统的数学模型中，比如将所有的遗传和非遗传因素都放到一个线性回归模型里并不能很好的做出预测。
5. 数据过多：无时不刻对被试身体所有数据进行收集并不经济，什么才是最重要的预测信息呢？
归根到底，我们需要的是“正确”的数据和＂有效＂的算法。
这也是下面这篇文章诞生的时代背景。
图片来源：Prediction of cardiovascular risk factors from retinal fundus photographs via deep learning
鉴于
1）已知视网膜血管与主要心血管事件风险之间存在高相关性
2）上面介绍的2016年算法已被验证有效
于是在这次对 284,335 位病人数据进行深度学习训练，和通过12,026和999名患者的两个独立数据集进行验证后，结果还不错！
这次的视网膜图像算法进一步量化了视网膜血管与主要心血管事件风险的关联，能以70％的准确率预测五年内哪一位患者会发生心脏病发作或其他重大心血管事件，哪一位患者不会。且这些结果符合需要抽血来测量患者胆固醇的测试方法。
图片来源：Prediction of cardiovascular risk factors from retinal fundus photographs via deep learning
【一颗彩蛋】
比较意外的是，这个视网膜算法对于病人的年龄、性别、和吸烟状况的预测也非常准。
”憋说话，扫你的眼，我就知道你是不是经常抽烟哦。“
—— AI吸烟测谎仪
作者：This Is Not Tina
链接：https://www.zhihu.com/question/281655439/answer/421749326
来源：知乎 著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。
