今年二月份，斯坦福大学的人工智能专家、前谷歌无人驾驶汽车项目的副总裁
Sebastian Thrun
及其同事发现
，
深度学习算法能够诊断的皮肤癌，
甚至
达到了专业医生的诊断水平。
相关的研究报告发表在了世界顶级科学期刊《
Nature
》上。但是，该报告仅仅是一部分，这也让我们初步看见了
“
软件诊断疾病
”
的新时代：在这里，人工智能辅助医生诊断疾病，甚至与医生相竞争。
在过去几年，深度学习已经在面部识别和对象识别等方面取得了重大突破，这使得像照片，
X
光片，核磁共振图片都能近乎完美地与深度学习软件相匹配。
一些公司已经开始行动了。去年
12
月，谷歌的母公司（
Alphabet
）的生命科学部门
Verily
与尼康公司（
Nikon
）联合开发算法去探究糖尿病患者的失明原因。与此同时，放射学领域产生了大量的详尽的图片，也因此被称为
“
医药硅谷
”
。
黑盒子医疗
尽管
Thrun
团队的预测精度极高，但是，没有人清楚深度学习
是如何分辨癌变组织的
。这就是医学版的深度学习
“
黑盒子
”
问题。
传统的计算机视觉软件遵循着既定的规则，这一点与深度学习软件不同。深度学习能够自己找到规则并进行学习，但是这通常也带来
了
麻烦
——
不能检测跟踪其学习过程，使得它所做出的决策难以解释。
专注于卫生法研究的密歇根大学的法律学者
Nicholson Price
说：
“
在
这种
情况下，医生不知道将会发生什么，黑盒子本质就是不透明的。
”
但是，
Price
并不认为这会给医疗行业造成严重障碍。他将深度学习比作药物。有些时候，我们并不知道药物治愈疾病的完整机制，但并不影响药物给我们带来的好处。锂元素就是一个例子，它影响心情的准确生物机制目前尚未弄清楚，但含锂的药物仍然被批准用于治疗
相关疾病
。一直以来，阿司匹林都是世界上使用最广泛的药物，但阿司匹林治愈疾病的机制在过去
70
年仍未被完全理解。
Price
也表示，
“
黑盒子问题
”
不会给美国食品和药物管理局（
FDA
）造成问题，如果深度学习软件要用于治疗和防御疾病，它必然会受到
FDA
的监管。
FDA
在一份声明中表示，在过去
20
年，它已经批准了许多基于模式识别、机器学习和计算机视觉技术的图像分析程序。
FDA
也证实它正在看到更多的深度学习软件问世，并允许这些公司的算法细节被保密。
FDA
已经给至少一种深度学习算法开了绿灯。
1
月份，
FDA
批准了由
Arterys
（一家位于旧金山的私人医疗成像公司）开发的销售软件，
Arterys
的算法
叫
“DeepVentricle”
，用于分析心室内部轮廓的
MRI
图像，并计算患者心脏可以保持和泵送的血液体积。
Arterys
说，该软件能在
30
秒内完成计算，而传统的方法通常需要花费一小时。
FDA
要求
Arterys
进行大量的测试以确保算法的结果能与医师的诊断结果相媲美。该公司的首席技术官
ohn Axerio-Cilies
表示：
“
你需要在统计学上证明，你的算法符合它所有的预期用途以及实现其正在承诺的市场声明。
”
大的需求量
为了训练他们的软件，
Thrun
领导的团队将
129405
张经专家评估过皮肤状况的图片喂入软件系统。这些图片覆盖了
2032
种不同的疾病，包括了确定为皮肤癌的
1942
张图像。最终，该软件在识别患有皮肤癌的任务中战胜了
21
位皮肤科医师。
该研究论文的另一名作者、斯坦福大学的皮肤科医师
Robert Novoa
说：
“
当皮肤科医生看到这种技术的潜力时，我认为他们大多数都会
喜欢
这种技术。
”
他和团队其它成员都拒绝透露是否打算将该软件商业化。
纪念斯隆凯特琳癌症中心（
Memorial Sloan Kettering Cancer Center
）的皮肤科医师兼国际皮肤数字成像学会（
International Society for Digital Imaging of the Skin
）会长的
Allan Halpern
表示，担忧医生不久将会失业的想法都是不恰当的。他认为算法能够推动皮肤病学服务的迅速提高。
这是因为筛查测试中呈阳性的样本仍需进行活检。
Halpern
说，深度学习软件能够在初级保健机构发挥作用，但是，如果要将其作为全民的筛查测试，或者是通过向消费者提供此应用程序，这还没有足够的皮肤科医生跟踪可疑的情况。
Axerio-Cilies
