谷歌 AI：医疗影像诊断的新突破

一、谷歌 AI 医疗影像诊断新进展引人瞩目

谷歌在医疗影像诊断领域的新进展可谓令人瞩目。近年来，谷歌不断加大在该领域的投入，其人工智能技术正逐步改变医疗行业的格局。

从成功辨识肿瘤突变影像到辅助医生作出更准确的诊断，谷歌 AI 在医疗影像诊断方面的成果层出不穷。例如，美国纽约大学研究团队重新训练现成的 Google 深度学习算法，辨识两种最常见的肺癌类型 —— 肺腺癌和鳞状细胞癌，辨识准确度可达 97%。团队利用 Google Inception v3——Google 训练辨识一千种不同种类物体的开源算法，通过病患组织检体公共数据库成千上万的癌症基因体图谱影像进行训练，首先达到 99% 准确度辨识恶性细胞的能力，接着训练辨识不同类型肺癌，最后使用不同数据库检体资料检测分析能力，诊断影像准确率在 83% – 97% 之间。

谷歌旗下 DeepMind 研发的医疗辅助 AI 系统 CoDoC 也在医学影像诊断中发挥了重要作用。该系统可以对医学图像作出解释与判断，在模拟医疗环境中，将人类医学专业知识和预测 AI 模型相结合，比单独使用任何一种都更准确。它能够将乳房 X 线摄影数据集的误报率降低 25%，还可以减少临床医生阅读的病例数量。

此外，谷歌开发出诊断癌症的人工智能显微镜，将增强现实技术引入到显微镜中，使得只有普通复式光学显微镜的病理科也能用上病理 AI 技术，降低了使用门槛。谷歌还开源了 Python 库 EZ WSI DICOMWeb，简化医学数字影像传输协议存储的操作，促进数字病理学人工智能应用的发展。

谷歌推出的 AI 医学成像套件也为医疗影像诊断带来了新的可能。该套件使用人工智能算法扫描医学图像，提供更快、更准确的诊断结果，缓解医院放射科医生的巨大工作量，提高运转效率，改善医疗服务水平和患者的护理结果。

女子早癌病变被漏诊时，AI 医生在 X 光中发现。一个名叫 Mia 的 AI 工具，在 11 名女性的乳腺 X 光检查中，发现了被人类医生遗漏的微小迹象。同时，谷歌的研究团队开发的 AI 工具可以通过分析人的咳嗽和呼吸，诊断出疾病。

拜耳和谷歌云合作开发人工智能解决方案，为放射科医生开发 AI 医疗保健应用程序，加速人工智能医疗保健应用程序的开发和部署，重点是放射学。

谷歌在医疗影像诊断领域的不断突破，展示了其在 “AI + 医疗” 领域的强大实力和巨大潜力。未来，谷歌 AI 有望在医疗影像诊断中发挥更大的作用，为患者提供更准确、更高效的医疗服务。

二、谷歌 AI 在医疗影像诊断中的具体应用

（一）肺癌诊断

纽约大学研究团队利用 Google Inception v3 算法，成功训练出能够辨识两种最常见肺癌类型的人工智能。该算法通过公共数据库的癌症基因体图谱影像进行训练，先达到 99% 准确度辨识恶性细胞，再训练辨识肺癌类型，辨识准确度可达 97%。此外，谷歌还曾与美国西北大学医学院合作研制一款针对早期肺癌诊断的人工智能系统，准确率可达 94%，超过放射科医生，且能比医生早一年查出肺癌。谷歌的 AI 系统不仅能预测整体肿瘤，也可识别细微的恶性组织，还可评估肺结节的生长速度。基于美日 627 例患者的临床数据，谷歌证实了 AI 辅助肺癌筛查的群体有效性，在美国和日本进行了跨国的回顾性研究。在人工智能辅助下，可将特异性提高 5%-7%，而敏感性没有明显下降，平均每位病例筛查时间可减少 14 秒，并且大大增强了医生的诊断信心。

（二）X 光医学影像解读

谷歌利用人工智能技术，借助包含数千个高质量的数据资料库，能够精准解读医学 X 光影像。研究人员发现，利用人工智能模型分析胸部 X 光影像，可检测几项指标，包括气胸、结节和肿块、骨折和气腔模糊等。为推进 X 光图像分类的目标，谷歌研究人员首先开发一个以文本为基础的系统，提取每张 X 光影像的放射医疗报告并标记，再由放射科医生审查，生成模型评估参考标记并测试资料库图像。虽然结果显示整体准确性能够达到专家水平，但各个资料库的结果却不尽相同，这证明建立具有明确参考指标的标准化评估图像库的必要性，同时将 AI 和放射科医生各自的优势相结合，很可能是人工智能应用于医学影像解读的最佳方式。

（三）辅助医生临床判断

DeepMind 研发的医疗辅助 AI 系统 CoDoC，可以对医学图像作出解释与判断，判断何时依照系统判断或听从医生判断。CoDoC 能够帮助医生改进预测 AI 模型，无需医生修改模型本身，且满足普通医生安装运行、训练数据少、与专有模型兼容等标准。在模拟医疗环境中，将人类医学专业知识和预测 AI 模型相结合，比单独使用任何一种都更准确，它能够将乳房 X 线摄影数据集的误报率降低 25%，还可以减少临床医生阅读的病例数量。

（四）发现早癌迹象

AI 工具 Mia 在乳腺 X 光检查扫描中，成功发现被人类医生遗漏的乳腺癌早期迹象，标记出所有有癌症症状的人。经过六年训练，Mia 在微软云计算能力上运行，接受了来自世界各地女性的数百万张乳房 X 光检查的训练。Mia 几乎能让等待结果的时间从 14 天减少到 3 天，目前每张扫描图会由两名放射科医生检查，但在不久的未来，AI 很可能就会取代一名人类医生，让工作量减半。

（五）通过咳嗽声诊断疾病

谷歌研究团队开发的机器学习工具，可以通过分析人的咳嗽声和呼吸声等，帮助医生检测和监控健康状况。这个名为健康声学表征（HeAR）的 AI 系统，得到了数百万音频片段中人声的训练，并未来可能被用于诊断 COVID – 19、结核病等疾病，以及评估一个人的肺部健康状况。其创新之处在于，HeAR 所训练的庞大数据集，以及它能够根据不同的需求进行调整，以完成多种任务。谷歌团队采用自监督学习的方式，从 YouTube 公开视频中提取音频，训练模型检测疾病，结果显示，HeAR 在不同数据集上进行 COVID – 19 检测的得分分别为 0.645 和 0.710，这比基于语音或普通音频数据训练的现有模型表现更佳。

（六）加速开发 AI 医疗保健应用程序

拜耳和谷歌云合作开发人工智能解决方案，支持放射科医生，重点开发放射学领域的人工智能医疗保健应用程序。利用谷歌云的技术，包括生成式人工智能工具，加速人工智能医疗保健应用程序的开发和部署。

（七）探测眼病迹象

DeepMind 开发新的人工智能技术，通过分析医学影像进行疾病诊断，首先在视网膜扫描图数据上训练算法探测眼病迹象。算法使用匿名 3D 视网膜扫描图进行训练，可寻找青光眼、糖尿病视网膜病变以及老年性黄斑退化三大眼疾的迹象。

（八）提升乳腺癌筛查正确率

谷歌健康开发的 AI 系统由三个深度学习模型组成，从病变、乳房和整个案例角度进行解读和诊断，提升乳房 X 光造影筛查的正确率。该系统判断的假阳性分别减少了 5.7%（美国）和 1.2%（英国）；假阴性分别减少了 9.4%（美国）和 2.7%（英国）。AI 系统有望快速找到 30%-40% 的需要优先诊断的病例，并在后续追踪中达到 80% 的确诊率。准确性的提高，还将降低医院的人力成本，在英国，第二名读片人的工作量可以减少 88%。

三、谷歌 AI 医疗影像诊断的未来展望

谷歌 AI 在医疗影像诊断领域的新进展为医疗行业带来了新的希望。虽然目前仍处于早期阶段，但随着技术的不断发展和完善，谷歌 AI 有望在未来为医疗影像诊断提供更准确、高效的解决方案，辅助医生作出更精准的诊断，为患者带来更好的治疗效果。

一方面，谷歌 AI 在肺癌诊断、X 光医学影像解读、辅助医生临床判断、发现早癌迹象、通过咳嗽声诊断疾病等方面的应用已经取得了显著成果。未来，随着算法的不断优化和数据的不断积累，其诊断准确率和效率有望进一步提高。例如，在肺癌诊断中，谷歌的人工智能系统可以继续提高对不同类型肺癌的辨识准确度，减少误诊和漏诊的情况。在 X 光医学影像解读方面，可以通过建立具有明确参考指标的标准化评估图像库，进一步提高整体准确性，并更好地将 AI 和放射科医生的优势相结合。

另一方面，谷歌 Cloud 推出的医学成像套件展示了谷歌在医疗影像诊断领域的技术实力和创新能力。未来，该套件可以不断优化和扩展功能，为医疗工作者提供更强大的工具。例如，可以增加更多的基于人工智能的注释工具，提高影像实验室的工作效率；进一步优化成像人工智能管道模块，让用户更快速地创建人工智能管道并建立可扩展的机器学习模型。同时，继续确保图像数据的隐私和安全，满足医疗机构的合规性要求。

此外，谷歌在 AI 人工医疗辅助方面的不断探索，如 DeepMind 研发的医疗辅助 AI 系统 CoDoC，为未来的发展提供了更多可能性。CoDoC 可以将人类医学专业知识和预测 AI 模型相结合，提高诊断准确性，减少临床医生的工作量。未来，类似的系统可以在更多的临床场景中得到应用，辅助医生进行各种疾病的诊断和治疗。

然而，谷歌 AI 在医疗影像诊断领域的发展也面临一些挑战。例如，数据隐私问题一直是医疗领域的关注焦点。谷歌需要继续加强数据安全和审核系统，确保患者数据的隐私和安全。同时，医疗行业的严格监管也要求谷歌在技术创新的同时，必须遵守相关法规和标准。

免费小程序《字形绘梦》上线啦！

欢迎大家体验！