自医疗AI诞生以来，其临床价值及社会意义一直备受关注，将医疗AI技术应用于疾病早筛领域，助力临床医师进行肺癌、乳腺癌等重大疾病的早筛，也是众多AI企业的共同梦想。

谷歌推出AI早期肺癌检测系统，准确率94％

幸运的是，随着AI在医疗领域广泛运用，通过计算机技术对各类癌症进行高效、精准的早期诊断与筛查已成为可能。近日《自然医学》杂志更新了美国谷歌公司新的研究情况，谷歌人工智能部门的Daniel Tse与斯坦福大学、纽约大学等联合开发了一个深度学习模型，可根据扫描图像来预测肺癌风险，比医生早一年查出肺癌，使患者存活概率提升40％。研究人员表示，该AI系统不仅能预测整体肿瘤，也可识别细微的恶性组织；通过对前后两次扫描图像的数据对比，AI系统还可评估肺结节的生长速度。

通过学习42290个CT扫描图像，这一深度学习模型实现了不依靠人工参与便可预测肺部结节的恶性程度。同时，其在6716例测试病例中检测微小恶性肺部结节的准确率达94％。尽管模型还需要经过大规模的临床验证，但这一发现仍展现了该AI系统或将成为肺癌筛查推广的利器，改善肺癌患者的治疗和预后，并降低社会医疗成本。

人工智能利用面部图像帮助识别遗传综合征

今年1月，美国FDNA分析技术公司已训练人工智能在接受17000多张真实患者面部图像训练后，以高准确率识别罕见的遗传综合征。研究者利用两个独立的测试数据集测试人工智能的表现，每一个数据集都包含数百张之前经过临床专家分析的患者面部图像。对于每一张测试图像，人工智能按照一定顺序列出各种潜在的综合征。在两组测试中，在90％左右的情况下，人工智能提出的前10条建议中都包括了正确的综合征，这超过了临床专家在另外三个实验中的表现。

虽然这项研究采用的测试数据集规模相对较小，而且没有和其他已有的识别方法或人类专家进行直接比较，但是研究结果表明人工智能有望在临床实践中，辅助罕见遗传综合征的优先级划分与诊断。

AI精准预测高血压治疗效果

今年3月，吴恩达宣布其斯坦福实验室团队运用机器学习方法，能够更加精确预测患者在高血压治疗中可能获得的效果。在一般的心血管疾病中，疾病治疗带来的绝对风险降低（ARR）是与该病的基线风险相关的，即高风险的患者能从治疗中获得更多的收益。 而斯坦福实验室使用随机试验数据，开发一个能够估计个体治疗效果的模型。

AI辅助结肠镜检查，让腺瘤检出率提高近50％

四川省人民医院的刘晓岗主任带领团队，与哈佛医学院贝斯以色列女执事医疗中心的研究人员合作，使用基于深度学习的高性能CADe系统的前瞻性随机对照试验，以帮助内镜医师检测患者的结肠息肉。实验中发现，与标准结肠镜相比，AI系统辅助的结肠镜检查，查出的ADR（腺瘤检出率）增加了近50％。每位患者检出的平均腺瘤数也增加了——AI检查出了更多的较小腺瘤。

在小组的初步研究中，该算法的敏感性为94．38％，特异性为95．92％，受试者工作特征曲线下面积（AUC）为0．984（越接近1，说明准确性越高）。此外，通过使用多线程处理系统，AI对实时视频的处理速度能够达到每秒至少25帧，延迟时间为76．80±5．60毫秒。对于内镜医师来说，检测延迟几乎不明显。

虽然研究中有很多待改进的地方，但通过这项研究表明了，基于深度学习的AI系统系统可以让低流行ADR区域中结肠直肠息肉和腺瘤检测率的显着增加。鉴于其高准确性、保真度和稳定性，AI系统可以更好地适用于当前临床实践中以更好地检测结肠息肉。

结尾：

AI+医疗是未来大势所趋。虽然现有医疗AI领域公布的漂亮的数据，都相当于研发测试阶段的结果，还需要走完整的流程，才有可能真正应用于临床。但是，AI医疗评估系统的诊断准确率达到甚至超过人类医生，相当于给医生配备了一流专家助手，具有强大的现实应用意义。

科技赋能下，国内人工智能垂直领域生根发芽的公司发展迅速，不仅应用在医疗领域，例如商汤科技、旷视科技、极链科技等在金融、交通、安防、智能家居、广告等众多领域都带来了全新的变化和惊喜。AI为未来的幸福社会提供了强大的动力和支持，我们正处于人工智能发展的最好机遇时期。