谷歌正在利用其深度学习技术来诊断疾病

如果你给计算机提供足够多的照片和正确的算法，它就能学会看东西。如果照片显示眼睛受损，计算机就能比人类更好地诊断眼疾。

糖尿病患者经常会患上一种称为糖尿病视网膜病变的疾病，即眼球后部（视网膜）的微小血管受损并开始渗漏。大约三分之一的糖尿病患者患有这种损伤，如果不及时治疗，可能会导致永久性失明。但如果及早发现，这种疾病是可以治愈的。

问题在于，许多人无法找到能够诊断的眼科医生。全球有 3.87 亿糖尿病患者需要看专科医生才能尽早发现疾病，而我们目前的预防措施效果不佳——糖尿病视网膜病变是劳动年龄人口视力受损和失明的主要原因。

因此，谷歌设计了一种利用深度机器学习来教神经网络如何从患者眼睛的照片中检测糖尿病视网膜病变的方法。他们于周二在《美国医学会杂志》上发表了他们的研究成果。

神经网络就像一个人工大脑，尽管它很简单。通过向它展示大量视网膜受损和未受损患者的图像，工程师可以训练网络区分患病和未患病的眼睛。训练结束后，谷歌团队测试了神经网络，看看该算法是否能像看过相同图像的眼科医生一样检测出糖尿病视网膜病变。

谷歌的算法表现略优于人类眼科医生，这表明神经网络将来可以帮助筛查患者，或者至少协助医生进行诊断过程。

医生已经使用类似的技术来帮助诊断心脏病和某些癌症等疾病。当前的技术不如谷歌的新深度学习算法先进，但基于相同的原理。医生通过查看身体图像（无论是 X 光还是 CT 扫描）来识别心脏病中的动脉阻塞和癌症中的异常生长等问题。这类图像的专家——放射科医生——在查看照片和挑选问题区域方面拥有多年的经验。

但人类的视觉能力有限，人们很容易犯错。如果计算机能够做到同样的事情，它很可能能够超越人类，找到癌变或动脉阻塞。合理的解决方案是教会计算机什么是不规则图像，什么是规则图像。这似乎很简单——毕竟，理解图像对人类来说很容易。

问题在于，计算机理解图像比人脑更困难。如果你把上面的图片给计算机看，它实际上看到的只是一系列像素，这些像素被赋予了特定的颜色。而你看到的是一片海滩和一个女人。你可以认出她的太阳镜和帽子。你知道她在跳水，穿着一件带有白色小花的绿色比基尼，而且天色阴沉。除非计算机有计算机视觉，否则它对这些一无所知。

计算机视觉是一种教会计算机如何“看”的方法，即看着图像并知道一个人正穿着紫色泳裤躺在海滩上。计算机目前帮助诊断患者的方式是计算机视觉的一种基本形式，但它只能辅助诊断过程——还不足以取代人眼。

谷歌有潜力改变这一现状。他们已经非常擅长计算机视觉，部分原因是他们拥有大量数据。你可以亲眼看到它已经运行得多么好，因为谷歌使用他们的计算机视觉技术来整理你的个人照片。如果你现在访问 Google Photos（假设你有一个谷歌账户，你可能有），你可以看到系统已编入目录的所有照片，并可以按术语进行搜索。试试“雪景图片”，或者更好的是“狗景图片”。雪景和狗景的图片会出现，这并不是因为有人用文字标记了这些照片，而是因为谷歌的计算机视觉算法在这些图片中识别出了雪景和狗。

糖尿病视网膜病变是谷歌为其深度学习计算机视觉团队发现的首批诊断应用之一。其他团队已经在开展类似的项目。康奈尔大学有一个视觉和图像分析小组，正在研究使用计算机视觉来诊断肺部疾病、心脏病和骨骼健康问题。一个芬兰小组正在研究如何从血液图像中诊断疟疾，而 IBM 则花了数年时间开发一种检测皮肤癌的算法。

有一天，计算机视觉和深度学习可能会改变医生诊断患者的方式。但目前 FDA 尚未批准在医学领域使用这种技术。如果这是未来的发展方向，他们就必须弄清楚如何安全地调节神经网络。与此同时，你可以使用谷歌的计算机视觉功能找到你的狗的照片，并把它们变成噩梦。也许没那么有用，但却是打发时间的好方法。