肺癌已經是美國最常見的癌癥相關死因，估計2018年的致死人數為16萬人。美國和歐洲的大規模臨床試驗表明，胸部檢查可以發現癌癥，降低死亡率。但是，這種方法錯誤率高、實用性有限，加之其他臨床因素的影響，許多肺癌在發現時已是晚期，難以治愈。
此次，美國谷歌健康研究部門（GHR）的科學家丹尼爾·謝及同事，新開發了一種深度學習模型。他們采用42290張CT掃描圖像進行訓練，以便使人工智能在無人類參與的情況下，預測肺結節的惡性程度。
結果發現，在6716個測試病例中，該人工智能系統能夠以94%的準確率，發現極小的惡性肺結節。在無先前CT掃描圖像的情況下，該系統的表現超越所有6位放射醫學專家；而在有先前CT掃描圖像的情況下，兩者表現不相上下。
研究人員提醒說，這些發現還需要經過大規模的臨床驗證，但其仍然可以說明，這一模型未來將推動改善肺癌患者的管理和預后。
今年1月，美國FDNA分析技術公司已訓練人工智能在接受上萬張真實患者面部圖像訓練后，以高準確率識別罕見的遺傳綜合征；而更早時間，谷歌旗下人工智能子公司——“深度思維”也已成功使一種人工智能算法通過分析醫學影像檢測眼病，其尋找青光眼、糖尿病視網膜病變和老年性黃斑退化這三大眼疾的跡象，比人類專家的判斷更為迅速高效。
總編輯圈點
AI醫療評估系統的診斷準確率達到甚至超過人類醫生，已不算新聞。它的優勢顯而易見：不會疲憊，經驗豐富。AI不會取代醫生，但也許會取代拒絕AI技術的醫生。不同水平的醫生能對同一張片子作出完全不同的判斷，AI的出現，相當于給基層醫生配備了一流專家助手，在醫療資源不那么豐富的地區，它具有現實的應用意義。不過，現有醫療AI領域公布的漂亮的數據，都相當于研發測試階段的結果，需要走完完整流程，才有可能真正應用于臨床。
