据国外媒体报道，对于从手术中提取的组织样本，人类病理学专家通常需要大约30分钟才能从中诊断出脑瘤。相比之下，一种新的人工智能系统可以在不到150秒的时间内做到这一点，而且比人类同行更准确。

在近期发表在《自然-医学》（Nature Medicine）杂志上的一项新研究中，科学家描述了一种新的诊断技术，它结合了先进的光学成像技术和人工智能的力量。该系统可以在患者仍在手术台上的情况下，对脑肿瘤进行实时、快速、准确的诊断。在测试中，人工智能做出的诊断比人类病理学家做出的诊断稍微准确一些，时间也更短一些。令人兴奋的是，这个新系统可以在那些无法找到专业神经学家的地方大显身手，而且还有望帮助诊断其他类型的癌症。

在癌症手术中，外科医生提取一些有潜在问题的组织用于实验室分析并不罕见。这些术中活检有助于更准确的诊断，并帮助医疗团队设计下一步的治疗方案，如安排后续手术切除肿瘤。这项新研究称，美国一年大约有110万份大脑样本需要由训练有素的神经病理学家进行活检，这个过程是“时间、资源和劳动密集型的”。

事实上，这些诊断涉及十几个步骤，包括将组织从手术室运输到实验室，暂时将其放在低温冷冻状态，再对样品进行解冻和脱水，用二甲苯清洁，最后再放在显微镜下分析。最重要的是，执行所有这些步骤都需要组织病理学家，而这正是目前所缺乏的。研究报告称，“鉴于神经病理学研究人员42%的空缺率，预计还会出现进一步的短缺。”

为了简化这一过程，纽约大学的神经学家丹尼尔·奥林杰（Daniel Orringer）和同事开发了一种诊断技术，将一种名为“受激拉曼组织学”（stimulated Raman histology ，简称SRH）的新型光学成像技术与人工智能深层神经网络结合起来。SRH使用散射激光来照射标准成像技术中通常看不到的特征。在手术过程中，通过SRH获得的图像由人工智能算法进行评估，所需时间不到150秒，而人类神经病理学家往往需要20至30分钟。

更为神奇的是，人工智能还能探测到肉眼看不到的活检特征。“作为外科医生，我们只能根据所见来采取行动；这项技术让我们能够看到原本看不见的东西，从而提高手术的速度和准确性，降低误诊的风险，”丹尼尔·奥林杰表示，“有了这种成像技术，癌症手术比以往任何时候都更安全、更有效。”

为了建立深度神经网络，科学家利用415名患者的250万张图像对系统进行训练。在训练结束时，人工智能已经可以将脑组织分为13种常见的脑肿瘤，如恶性胶质瘤、淋巴瘤、转移性肿瘤、弥漫性星形细胞瘤和脑膜瘤。

随后，研究人员在三家不同的医疗机构对278名脑瘤和癫痫患者进行了临床试验，以测试该系统的有效性。由人类专家和人工智能分别对SRH图像进行了评估。结果显示，人工智能识别肿瘤的正确率为94.6%，而人类神经病理学家的正确率为93.9%。有趣的是，人类所犯的错误与人工智能所犯的错误是不同的，这实际上是一个好消息，因为这表明人工智能的错误性质可以在未来得到解释和纠正，从而获得一个更准确的系统。

SRH将彻底改变神经病理学领域，因为它改善了手术过程中的决策过程，而且在缺少神经病理学家的医院里，它可以提供专家级的评估结果。此外，该研究还指出，由于脑瘤的许多组织学特征在其他形式的癌症中也能看到，因此该系统最终可能用于其他领域，包括皮肤科、妇科、乳腺外科和头颈外科手术。

可以肯定的是，人工智能正在缓慢地超越人类。例如，谷歌公司开发出了比人类专家更擅长诊断乳腺癌和肺癌的系统。对于超越人类的人工智能，我们有时会感到紧张（这也情有可原），但在医疗这方面，让人工智能的步子迈得更大一些吧。

检测乳腺癌的谷歌人工智能

在进军医疗领域的努力中，谷歌公司的研究人员已经成功训练出能够检测乳腺癌的人工智能，其准确率甚至比医生还高。在谷歌资助的这项研究中，一个由不同医院和大学的独立研究人员、谷歌健康部门的研究人员，以及DeepMind（谷歌拥有的英国人工智能公司）的工程师组成的团队，对来自英国和美国的近29000张乳房X光片进行了分析和比较。研究报告发现，美国和英国的假阴性结果分别减少了9.7%和2.7%，假阳性结果分别减少了5.7%和1.2%。这还是在人工智能处理的信息较少的情况下实现的。在其对照研究中，谷歌从其美国数据集中随机选择了500张X光片，并提供了患者的年龄、乳腺癌病史和之前的X光片。

对于调查样本，谷歌提供的人口统计信息有限，但如果将人工智能用于现实世界中更具多样性人群里，那人工智能或许就有助于发现隐藏在致密组织背后的癌症。这篇论文还指出，与美国不同，人工智能还可以减少英国放射科医生的“工作量”。与美国不同，英国患者通常在每次乳房X光检查时会得到二次意见。

毫无疑问，随着谷歌公司将业务扩展到医疗技术领域，未来十年还将会出现更多的发展。谷歌首席执行官桑达·皮采（Sundar Pichai）表示，医疗是人工智能最大的应用领域之一，“在未来10到20年里，它的益处将不断显现”。在最新的这项研究之前，谷歌已经在研究通过深度学习检测乳腺癌的扩散。过去几年里，谷歌还一直在训练人工智能来检测糖尿病眼疾和心脏病，以及分析多发性硬化症进展的数据。2014年，谷歌曾尝试推出一款植入微芯片的智能隐形眼镜，用来检测血糖水平，但后来发现眼泪量不足以测量血糖，因此停止了这款眼镜的研发工作。在这种背景下，谷歌收购了Fitbit公司（包括其子公司Fitbit Health Solutions），旨在将健康保险成本与Fitbit的数据结合起来。

不过谷歌公司对用户数据的挖掘也存在争议，尽管他们宣称是为了慈善目的。2017年，英国有关部门指控谷歌非法获得了160万人的健康记录，用于DeepMind所进行的一项肾脏损伤研究。就在几个月前，谷歌在一项名为“南丁格尔计划”（Project Nightingale）的研究中，在数百万美国人不知情的情况下，收集了他们的医疗数据（谷歌认为其数据收集是与健康保险流通与责任法案兼容的）。

埃塔·皮萨诺（Etta Pisano）是贝斯以色列莱赫医疗中心放射科的住院教授，他认为医疗界不用操之过急。皮萨诺提到了早期计算机辅助检测（CAD）技术的失败。上世纪九十年代，该技术首次引入，“在实验检测中表现出了巨大前景，但未能在现实中获得成功”。该技术的诊断准确性并没有强于人类。不过，皮萨诺也写道，乳腺癌筛查“可能是人工智能在医学成像领域一个理想的应用”，因为它有大量的数据集可以利用，而且与其他必须考虑多方面因素的诊断相比，乳腺癌检测更具有二元性。