我们正处于一个数据爆炸的时代，对于正趋向于精准医疗的医学领域来说更是如此。海量的数据让我们比以往任何一个时期都更加需要AI的发展。

近日，在由deeplearning．ai举办的一场线上研讨会上，分子医药学专家、北美独立科学研究机构Scripps Research Institute创始人Eric Topol博士与人工智能专家吴恩达（Andrew Ng）博士进行了深度对话，向观众介绍了AI医学领域的最新研究成果与临床应用。

Eric Topol博士曾被汤森路透社评为“世纪医生”，他是美国医学院院士，曾发表了1100多篇高引用率的文章，在医药领域文章引用率排名前十。他曾撰写了30多本医用教科书，同时是畅销书《颠覆医疗》的作者。

吴恩达（Andrew Ng）则是人工智能领域最权威学者之一，被誉为“AI大师”，是deeplearning．ai的创始人，同时也是在线教育平台Coursera的联合创始人。

在文章的第一部分，我们将顺着Eric Topol博士与吴恩达博士的对话，梳理过去一年内AI在医疗领域的最新进展，比如NYU对乳腺癌筛查的研究、深透医疗（Subtle Medical）的医学影像产品，还有手机超声波探测器、斯坦福大学研发的智能马桶等有趣的应用。在文章的第二部分，我们将更深入地探讨AI＋医疗在临床落地中所遇到的困境，以及当下究竟需要什么样的AI应用。

AI在医学领域的最新应用

为什么我们的医学需要AI这条全新的路径？当前的医疗技术仍存在着诸多问题，比如检测结果准确率低，常常漏诊、误诊，检测与治疗昂贵，存在大量资源浪费等等。Topol博士认为，AI有潜力较好地解决这些问题，并且，全人类都能从AI+医疗的发展中受益，这种益处贯穿了人类从出生到死亡的每一个阶段。

提高准确性

Google团队曾经做过一个实验，如果向眼科医生展示一张视网膜的图像，然后问他，这个视网膜属于男性还是女性。那么这些眼科医生答对的几率是50％，但一个经过训练的AI神经网络，正确率可以达到97％或98％。

这个例子想要说明的是，AI的一大作用是提高诊断的准确性。通过深度学习，AI诊断的准确率可以达到专家水平，甚至远超专家。当然，这只是简单举例，事实上我们有千万种更好的办法来判断器官的主人是男是女。

准确性不高所带来的严重后果就是误诊与漏诊，这在临床中较为普遍。以乳腺癌筛查为例，乳腺癌是全球女性最大的癌症杀手之一，但在乳腺的X光片中，却存在大量的假阴性和假阳性问题。

纽约大学于2019年10月发表了一篇论文，研究者用深层卷积神经网络对超过100万张图像进行乳腺癌筛查的分类、训练和评估，这是迄今为止最大规模的乳腺癌研究。该研究表明，其神经网络在预测乳房中是否存在癌症中可以达到专家的水平（AUC＝0．895）。研究者还对照了14位放射科医生的解读结果，他们让每位医生阅读了720幅乳腺X光片，结果证明，AI判断的准确性与放射科医生相差无几。而若将放射科医生预测的恶性概率与其神经网络相平均后的混合算法，所产生的预测结果还会更加准确。这项研究非常有价值，因为每年有数亿女性进行乳腺检测，却常常得到错误的检测结果。

提高检测效率

在准确性之外，AI在现实医疗中的另一大重要应用是提高效率。比如，在医学影像中用AI获得更快的扫描与检测速度，并在更短的时间内取得更高的成像质量。对于医院、医生和患者来说，这类应用能够带来实实在在的价值。

Eric Topol博士在直播中以深透医疗（Subtle Medical）的产品进行了举例，这家创立于2017年的公司致力于用AI改善医学影像的质量，缩短检测流程，改善放射科的患者体验，并在检测过程中降低造影剂的剂量，以降低对患者健康的危害。