Google医学影像产品经理Lily Peng：AI影像方案落地医院临床，需恪守这3大原则

雷锋网 (公众号：雷锋网) 按：目前全球范围内大约有4.5亿的糖尿病患者，单是中国就有1.1亿左右，而糖尿病视网膜病变致盲问题也愈发受到人们的关注。

据悉，只要在发病初期定期进行眼底检查，失明风险可下降94.4%，但由于眼底病灶微小，部分医生经验不足等原因，使得诊断中可能出现漏诊、误诊的情况，因此，借助AI辅助诊断是未来的一大趋势。

作为科技领域的领导者，Google在眼底影像方向也有着不少研究。

Google医学影像产品经理Lily Peng谈到，她们团队从糖网病眼底筛查切入，其重要原因是发现印度有45%的糖尿病患者出现视力下降的情况，而整个印度却存在12万名眼科医生的缺口。因为Google欲利用AI技术缓解这一现象。

为此，Lily Peng团队通过与印度和美国的医生密切合作，创建了一个包含12.8万张眼底扫描图片的数据集用于训练检测糖尿病性视网膜病变的深度神经网络，并且进行了88万次诊断和不同分级。经训练后的模型可自动筛选疑似病变的眼底扫描图，医生可通过该工具辅助病情诊断。

Lily Peng指出，现在Google已与美国药监局达成合作，同时完成部分临床实验和具体效果研究，实验成果深受眼科医生的喜爱。

“虽然目前算法表现非常好，但还需要部署大量工作。我们意识到如果要让算法发挥出更大作用的话，从源头上讲，首先要有不错的成像质量，拿到高质量的影像数据后，才能更好地做标注、训练和筛查。因此硬件本身也是一个门槛。针对这一问题我们与生命科学公司合作，同器械商共同研究软硬件，以便达到更好的训练和筛查效果。”

在问到Google与医院的合作形式时，Lily Peng谈到双方的合作是由医院来主导研究方向。

“通常情况下，医院方会把他们的需求问题告知我们。与印度医院之间的合作，我们当时恰好发现有相关的算法方案能够帮助他们解决问题。”

合作期，Google会专门为医院打造一些可辅助医生用于临床测试和临床验证的工具，同时也会对这些医院的工作人员进行算法和工具使用培训，让他们懂得病患进行治疗过程中，如何有效利用人工智能进行综合治疗。

众所周知，整个行业的医疗AI产品化都会面临一个无法回避的问题：要想从实验研究项目到临床使用，是一个较为漫长且复杂的过程。

在这一问题上，Google也不例外，Lily Peng说道：“打磨“工具”固然重要，但它只是冰山一角。中国平均每个医生一天要看100多病人，而美国只有20个左右，以国内医疗环境为例，这其中还需有大量配套工作才能保证这些算法能够在临床环境下应用。医学AI产品没有做到很完美，往往负面效果比正面效果更大。”

把医学产品带到医生手中，让他们用起来主要保证三点：

• 安全性： 医学AI产品首先要进行临床测试，证明它的安全性、有效性，得到临床验证后，大家才知道这个产品可以用。

• 建立医生和解决方案研究者之间的互信： 一家技术公司打造的医学解决方案性能表现很好，但不代表医院、医生就足够相信它。医生通过人工智能给病患做检查，在解读结果时不仅要告诉病人得了什么病、要预防哪些事项，还需要知道AI背后的东西。因此研究员们需要创建一套方法论，给医生们解释清楚算法得出诊断结果的工作原理是什么？能不能呈现出可视化的热力图供医生参考？具体细化到哪一块像素有问题？唯独这样才能使医生能更权威、更专业地跟患者进行解释，从而更加顺利地协助医生做决策。

• 用户体验： Google一直恪守以用户为导向的设计原则，医学产品也如此。

Google从医生（用户）角度出发，为医生提供一个端到端的设计和解决方案，使他们的工作变得更加顺畅。但前提是确保打造的解决方案不会干扰医生现有的工作，而是能够无缝嵌入到他的工作流程，融合到医生总体的解决框架当中。

为此，Google不断与解决方案的直接使用者进行沟通，了解他们的需求，了解医生在操作过程中的使用习惯。除了影像科医生外，还要了解护士、护理人员以及所有跟解决方案间接打交道的人的需求和痛点所在，以多维度用户为导向进行设计。

除此之外，产品和UI交互越简洁越好，这样不仅方便医生使用，也可减轻信息化工程团队的任务。

最后，Lily Peng说到人工智能时代是一个激动人心的时代，把医学与AI结合起来，可让更完美的医学方案落地到临床，从而帮助到更多医生和患者。

更多关于人工智能升级传统行业的文章，请关注雷锋网AI商业化垂直微信公众号：AI掘金志。 雷锋网

。