〈谷歌談機器學習〉導入判讀醫療影像應用 糖尿病患者可望受惠

深度學習已成為人工智慧中 (AI) 的顯學，應用逐漸擴展至各個層面，Google 研究團隊產品經理、同時也是醫學博士的彭浩怡，今 (8) 日針對深度學習領域分享醫療應用內容，她表示，藉由深度學習來分析醫療影像，未來可望篩選與判斷糖尿病視網膜及癌症等病變，協助醫生更有效率地判斷疾病。

彭浩怡表示，印度當地醫療資源匱乏，導致約 45% 的患者在接受診斷前飽受失明之苦，因此她與團隊透過 Google 的開源機器學習系統 TensorFlow 技術，希望能開發辨識糖尿病患者視網膜影像的技術，期間聘請了 54 名眼科醫生，建立 12.8 萬張眼底影像的資料庫，以 88 萬次的診斷結果，來進行 5 種層級的眼底圖像分類，建立起診斷工具，協助深度神經網路協助醫師診斷糖尿病視網膜病變。

彭浩怡透露，實驗結果顯示，在糖尿病視網膜影像的判讀上，演算法與 54 名眼科醫師的判讀結果一致性相當高，且演算法的 F-Score 值 (靈敏度與特異性) 的中位數，稍高於眼科醫師的表現。

針對這項糖尿病視網膜影像的深度學習判別技術，彭浩怡表示，目前已與美國食品藥品監督管理局 (FDA) 等主管機關合作，以制定相關規範，期許未來能讓深度學習技術廣泛應用於醫療領域上。

除了糖尿病視網膜外，彭浩怡說，深度學習也能應用於判讀癌症活體組織切片上，以檢測淋巴結中的乳癌轉移瘤，Google 目前正導入深度學習，打造協助病理學家有效提升時間效率與診斷一致性的自動檢測演算法。

儘管這些應用人工智慧中的深度學習技術於醫療領域的案例中，演算法都能讓機器在各項任務中維持良好表現，不過，彭浩怡指出，若缺少醫師對疾病的廣泛了解與實際經驗，這些應用將無法完成自身免疫疾病或發炎等其他異常病症的檢測，未來將透過與醫師工作流程整合的方式，讓醫療判斷結果更加精準。