實(shí)驗(yàn)室數(shù)據(jù)不斷刷新記錄的Google Health，最近公布了一項(xiàng)臨床診斷試驗(yàn)結(jié)果,。

不理想,。

不僅診斷結(jié)果不一致,，而且實(shí)際操作方法和在實(shí)驗(yàn)室里壓根不一樣,。

這項(xiàng)系統(tǒng)是檢測糖尿病性視網(wǎng)膜病變（DR）的癥狀，對糖尿病進(jìn)行一個早期的篩查,。

這,。。不正是前幾年，谷歌一直在發(fā)力的核心項(xiàng)目嗎,？

早在2016年,，谷歌就在《美國醫(yī)學(xué)會期刊》(JAMA)發(fā)表了他們的研究成果:

一個深度學(xué)習(xí)算法能夠解釋視網(wǎng)膜照片中的DR跡象，可能將幫助醫(yī)生篩查更多的病人,，尤其是在資源有限的社區(qū)中,。

而當(dāng)時谷歌產(chǎn)品經(jīng)理及醫(yī)學(xué)博士Lily Peng就表示：“幾年前，谷歌的一個研究小組就開始探索利用機(jī)器學(xué)習(xí)來篩查糖尿病性視網(wǎng)膜病變（DR）,。

深耕多年，內(nèi)部研究都已經(jīng)達(dá)到了90%的準(zhǔn)確度,，相當(dāng)于人類專家水平,。

沒想到，落到臨床試驗(yàn),，卻失敗了,。

這大概就是理想與現(xiàn)實(shí)的差距吧。理想有多豐滿,，現(xiàn)實(shí)就有多骨感,。

像極了我們在大學(xué)實(shí)驗(yàn)室里做實(shí)驗(yàn)的樣子。

若干年前,，谷歌的研究人員就致力于利用深度學(xué)習(xí)算法來增強(qiáng)糖尿病視網(wǎng)膜的檢測過程。

在2016年公布的論文“Development and Validation of a Deep Learning Algorithm for Detection of Diabetic RetinoPathy in Retinal Fundus Photographs”中,，就介紹了他們的實(shí)驗(yàn)結(jié)果,。

通常,，糖尿病人的眼部檢查是由眼科專家分析病人的眼底造影圖像,，并通過檢查眼底病變來判定患病以及嚴(yán)重情況。

為此,，谷歌研究人員專門建立了一個12.8萬幅圖片的數(shù)據(jù)集,，每張圖片記錄了3-7名眼科醫(yī)師的評估結(jié)果。

為了驗(yàn)證算法的性能,，他們還使用了2個獨(dú)立的臨床試驗(yàn)數(shù)據(jù)集,，包括1.2萬幅圖片，審核結(jié)果由專家來判決,。

最終的結(jié)果表明,，谷歌的算法診斷性能可以實(shí)現(xiàn)90%的準(zhǔn)確率，已經(jīng)可以跟眼科專家的診斷結(jié)果相媲美~

研究結(jié)果確實(shí)是很“豐滿”,，于是在這幾年,，他們就開始著手臨床試驗(yàn)了,。

這個項(xiàng)目主要是在泰國展開，與泰國公共衛(wèi)生部門合作,，在泰國巴吞他尼省和清邁省的11所診所安裝了這個深度學(xué)習(xí)系統(tǒng),。

首先是由護(hù)士挨個給患者拍攝眼球照片，然后將這張照片上傳到系統(tǒng),，隨后拿著照片到眼科醫(yī)生診斷,。

理論上,，這個系統(tǒng)能夠在幾秒鐘內(nèi)提供類似眼科專家的專業(yè)診斷,，然后護(hù)士們可以在一分鐘內(nèi)做出初步的轉(zhuǎn)診或進(jìn)一步檢查的建議。

然而,。,。。

實(shí)際情況是,，系統(tǒng)要1到2分鐘才能上傳圖片,，發(fā)送的圖像達(dá)不到標(biāo)準(zhǔn)，護(hù)士的判斷也就有了一定的誤差,。

那么我們就來具體聊一下他們的實(shí)際落地情況,。

首先，在第一步,，護(hù)士拍攝的眼球照片達(dá)不到算法的標(biāo)準(zhǔn),。

因?yàn)槊總€診所的條件和資源不盡相同，而要達(dá)到算法的高標(biāo)準(zhǔn),，通常需要一個暗室。

光線調(diào)暗了,，就確保了患者瞳孔放大,，這樣就能夠拍攝高質(zhì)量的眼底照片。

但是在11所診所當(dāng)中,，只有2所才有這樣專門的檢查室,。

這會造成什么樣的影響呢？

如果圖像有明顯的DR癥狀,，但是很模糊,、質(zhì)量很差，那么系統(tǒng)就會自行拒絕,，這樣流程就更加復(fù)雜,，耗費(fèi)更多的人力物力。

甚至,，患者還有可能跑去另一家醫(yī)院檢測,。

這還給護(hù)士帶來了很大的壓力,，因?yàn)樗惴ㄋ蟮膱D像跟平時常采集的圖像質(zhì)量要求有一定的差距。

接著,，可能是因?yàn)楣雀柩芯渴业木W(wǎng)絡(luò)連接太強(qiáng)大，只需要幾秒就可以上傳,。但是在診所里,，網(wǎng)絡(luò)并不那么流暢，圖像往往就需要一分多鐘才能上傳,。

這樣,，篩查進(jìn)程就變慢了。有一家診所在進(jìn)行眼底篩查時,，網(wǎng)絡(luò)中斷了兩個小時,，導(dǎo)致篩查的患者人數(shù)從200人減少到只有100人。

所以,，組織篩查流程的護(hù)士,，因?yàn)榫哂凶灾餍裕械淖o(hù)士就建議患者不參加研究,，避免一些不必要的麻煩,。

最后，其實(shí)還有一個最為關(guān)鍵的問題——患者,。

其實(shí)這項(xiàng)研究,，本身就以患者為中心，如果患者不愿意不滿意,，那就有必要進(jìn)一步改進(jìn),。

在實(shí)驗(yàn)中，一位診所的護(hù)士曾提到：

患者關(guān)心的不是診斷的準(zhǔn)確性,，而是體驗(yàn)如何,。如果診斷的過程太麻煩，他們寧愿不參加研究,，直接找醫(yī)生診斷,。

努力了那么久，卻是這樣的結(jié)果,，難免有些落差,。

但這并不是一個壞消息。

谷歌公布失敗結(jié)果的同時,，也強(qiáng)調(diào),，有了這樣與醫(yī)生患者的互動，才能更好的改進(jìn)這項(xiàng)技術(shù),。

同時,，也給谷歌這種勇于“正視淋漓的臨床結(jié)果”的態(tài)度,，點(diǎn)個贊。

畢竟這個行業(yè)里,，報喜的多,，吹哨的少。

也提醒我們,，醫(yī)療AI,，沒那么簡單。

畢竟AI“進(jìn)軍”醫(yī)療,，年頭不少了,，但你在醫(yī)院和普通門診場景里，有見到嗎,？你愿意把疾病交給AI診斷嗎,？

參考鏈接：https://www.blog.google/technology/health/healthcare-ai-systems-put-people-center/

論文地址：https://dl./doi/fullHtml/10.1145/3313831.3376718

— 完 —