（原标题：谷歌自揭“家丑”：医疗AI试验室体现超神，临床成果却欠安）
汹涌新闻记者 王心馨
在医疗范畴，尤其是在医学影像筛查进程中，人工智能常被描绘为完美的工作者。它们能精确辨认疾病，具有人类专家级的发现才干，还不知疲倦。但与许多技能相同，在试验室取得成功是一回事，而到了临床运用阶段，人工智能能否发挥效果，就又是另一回事了。
4月25日，谷歌在自己的官网上表明，他们与泰国公共卫生部门协作，在泰国11家乡村诊所安装了检测糖尿病性视网膜病变（DR）症状的AI体系。经过实践运用后，谷歌研讨人员发现，这套体系在临床上的体现，并未照试验室里所体现的相同：不只确诊成果不一致，实践操作办法和在试验室里也彻底不相同。
护理在给患者摄影眼部相片
检测糖尿病性视网膜病变是对糖尿病前期筛查的一个办法。2016年，谷歌就在《美国医学会期刊》(JAMA)宣布了他们的研讨成果。研讨表明，谷歌开发的深度学习算法能够解说视网膜相片中的DR痕迹，能够在必定程度上协助医师筛查更多的患者，尤其是在资源有限的社区中。
其时，谷歌研讨人员专门建立了一个12.8万幅图片的数据集，每张图片记录了3-7名眼科医师的评价成果。为了验证算法的功能，他们还运用了2个独立的临床试验数据集，包含1.2万幅图片，审阅成果由专家来判定。在理性的试验环境下，这套体系的确诊精确率到达90%，相当于人类专家水平。
谷歌DR筛查体系闪现成果
试验室里超神的成果，也让谷歌研讨员看到了这套体系能实践投入到正常的运用中的期望。所以，他们在泰国巴吞他尼省和清迈省的11所诊所安装了该体系。
要确诊患者的糖尿病性视网膜病变，护理们需求给每一位糖尿病患者的眼睛摄影，取得一张“眼底相片”，然后将它们分批发送给眼科医师，然后由眼科医师进行评价并回来成果。因为医疗资源有限，一起需求量又大，一般得到确诊成果至少需求4-5周。
谷歌研讨人员期望经过AI体系能够改动这样的状况，因为AI体系能够在几秒钟内就能供给相似眼科医师的专业确诊。然后护理就能够在几分钟内而不是一个月内，为患者转诊或许供给进一步查看的主张。理论上这套体系是能做到的。
但是，抱负很饱满，实践却很骨感。研讨人员表明，11家诊所的眼科查看进程存在高度差异。例如，因为各个诊所资源不同，护理拍的相片质量因而存在很大差异。11家诊所中，只要两家诊所设有专门的暗房，能够暗化房间以保证患者的瞳孔能变得足够大，然后摄影到高质量的眼底相片。
这种条件和进程中的资源不一致也导致图画无法到达算法的高标准。
“深度学习体系对要评价的图画有严厉的规则……例如，假如图画有些含糊或暗区，即便能够做出强有力的猜测，体系也会回绝。该体系对高图画质量的要求与护理有限环境下惯例收集的图画之间的对立，反而增加了体系的工作量。”研讨表明。
别的，衔接和上传也呈现了问题。在谷歌试验环境中，研讨团队具有强壮的互联网衔接，图画和成果往往只需几秒钟就能闪现。但在实践中，诊所会常常呈现衔接速度慢，可靠性差的状况。这就导致了图画上传需求60-90秒的时刻，减慢了筛查速度，也约束了每天能招待的患者。在其中一家诊所中，还发生过互联网中止2小时的状况，导致筛查人数从200人减到了100人。
最终还有一个关键因素，便是患者。因为研讨自身便是以患者为中心的，假如患者不满意或许不愿意，就有必要进行改善。但在实践进程中，护理起到很大的效果，有些护理或许就会主张患者不要参与研讨，以削减不必要的费事。一起，护理也说到，患者最关怀的问题一般不是确诊的精确性，而是体会怎么。假如确诊的进程太费事，他们甘愿不参与研讨，直接找医师确诊。
试验室里超神的AI体系，来到实践中，却是这样的成果，这难免让研讨人员和外界感到绝望。不过，这并不是一个坏消息。谷歌自己在官方博客中发布研讨失利成果的一起，也着重，有了这样与医师、患者的互动，才干更好的改善这项技能。
