人工智能在專業(yè)醫(yī)學(xué)領(lǐng)域全面戰(zhàn)勝人類醫(yī)生的例子還很少見。最近一項深層神經(jīng)網(wǎng)絡(luò)算法在診斷灰指甲方面，成功擊敗了42位皮膚科專家?；抑讣资且环N常見的真菌感染，它會讓指甲脫色和脆化，這種疾病每年困擾著大約3500萬美國人。
 

這項成功很大程度依賴于一個韓國研究團隊的努力，他們收集了大約5萬張指甲/趾甲的圖片。大量的訓(xùn)練數(shù)據(jù)，是深層神經(jīng)網(wǎng)絡(luò)成功識別灰指甲，戰(zhàn)勝人類醫(yī)學(xué)專家的關(guān)鍵所在。

韓國首爾的皮膚科醫(yī)生、臨床醫(yī)生Seung Seog Han表示，“迄今為止，在很多研究——比如識別糖網(wǎng)、皮膚癌和閱讀胸片等項目中，人工智能已經(jīng)接近了人類專家的水平。但這項研究首次表明，人工智能已經(jīng)超越了人類專家。”

過去人工智能和皮膚科醫(yī)生之間的較量通常勢均力敵。但在這項研究中，在一個特定場景下的三次實驗里，只有一名皮膚科醫(yī)生的表現(xiàn)全部略優(yōu)于深度神經(jīng)網(wǎng)絡(luò)。而且，值得注意的是，對于簡單病例，深層神經(jīng)網(wǎng)絡(luò)的優(yōu)勢更加明顯。

這項研究成果發(fā)表在了2018年1月19日的PLOS ONE 雜志網(wǎng)絡(luò)版上。參與這項研究的除了Seung Seog Han，還有韓國翰林大學(xué)的皮膚病學(xué)教授 Gyeong Hun Park，以及韓國蔚山大學(xué)的皮膚病學(xué)教授 Sung Eun Chang。

作為一名醫(yī)生，Han在日常工作中接觸到了各種各樣的皮膚病。同時，他也學(xué)習(xí)了不少計算機編程語言方面的知識，比如C++和Python。后來，AlphaGo擊敗世界圍棋冠軍李世乭，又激發(fā)了Han探索深度學(xué)習(xí)的興趣。

人類往往難以把握大數(shù)據(jù)的規(guī)律，但深度學(xué)習(xí)算法在大數(shù)據(jù)的模式檢測方面有著獨到的優(yōu)勢。在這個案例中，韓國的研究人員發(fā)現(xiàn)可以用微軟研究院開發(fā)的深度學(xué)習(xí)算法幫助醫(yī)生從數(shù)字照片中識別可能的灰指甲感染病例。

但任何深度學(xué)習(xí)模型都需要基于大量的數(shù)據(jù)進行訓(xùn)練。收集灰指甲病例的圖片給研究人員提出了巨大的挑戰(zhàn)，因為這些圖片通常沒有標準和統(tǒng)一的格式。很多圖片是從不同角度拍攝的，里面既有健康的指甲/趾甲，也有受到感染的指甲趾甲。此外，受深度學(xué)習(xí)算法的技術(shù)限制，所有圖像都要調(diào)整到224 x 224像素大小，這樣一來很多圖片就無法識別了。

韓和他的同事們訓(xùn)練了一種名為Faster R-CNN的目標檢測算法，對圖像進行識別和裁剪，使圖片中只包含受感染的指甲/趾甲，然后再將圖片放大，這樣就得到了一個可以用于訓(xùn)練深層神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)集。數(shù)據(jù)集中的大部分圖片都來自于一個Han 在 2007 年開發(fā)的、名為MedicalPhoto的皮膚病臨床照片管理程序。

即便如此，Han還是要手動讀取Faster R-CNN裁剪出來的10萬張照片，并對每張照片進行兩次標記，將不準確或不合適的指甲/趾甲照片剔除，以保證訓(xùn)練數(shù)據(jù)的準確性。即使Han平均每10秒鐘能處理一張照片，且每天工作數(shù)小時，這項工作也需要耗費他大約550個小時，合計超過70天。

該數(shù)據(jù)集幫助訓(xùn)練了用于識別病癥的卷積神經(jīng)網(wǎng)絡(luò)——微軟的 ResNet-152 和牛津大學(xué)的 VGG-19 模型，以執(zhí)行識別指甲真菌感染可能病例的工作。這種深度學(xué)習(xí)方法表現(xiàn)優(yōu)于 42 位皮膚科專家組成的小組——其中包括 16 名教授、18 名臨床醫(yī)生和 8 名住院醫(yī)師。

研究人員表示，在額外的測試中，深度學(xué)習(xí)算法的表現(xiàn)也通常優(yōu)于5名最好的皮膚科醫(yī)生。他們還發(fā)現(xiàn)，人工智能的診斷評估也比一般內(nèi)科醫(yī)生、醫(yī)學(xué)生、護士和非醫(yī)務(wù)人員的診斷結(jié)果要好。

該研究團隊發(fā)布了他們深度學(xué)習(xí)算法的早期演示版本，任何人都可以通過網(wǎng)站或下載Android智能手機應(yīng)用程序進行嘗試。通過在網(wǎng)站和應(yīng)用程序中收集數(shù)據(jù)，研究人員希望發(fā)現(xiàn)該人工智能算法在實際醫(yī)療實踐中使用時可能會出現(xiàn)哪些問題。

Han和他的同事們也在嘗試用深度學(xué)習(xí)診斷皮膚癌等其他皮膚疾病。相關(guān)的研究論文發(fā)表在了2018年2月8日的《Journal of InvesTIgaTIve Dermatology》網(wǎng)絡(luò)版上。

這類研究表明，人工智能依賴于臨床影像來診斷疾病，因此在遠程醫(yī)療領(lǐng)域更有用武之地。人類皮膚科醫(yī)生在做診斷時還是要結(jié)合病人的病史和其他臨床信息，因為對于大多數(shù)人來說，僅憑影像就下診斷還是顯得太過草率了。

Han和他的同事們認為，他們的研究對于全科醫(yī)生尤其有用，因為病人們經(jīng)常會向全科醫(yī)生反饋自己的指甲和皮膚問題。Han說道：“人工智能的診斷要比普通臨床診斷更為準確，我認為它對全科醫(yī)生確定灰指甲的治療方向有所幫助。”