谷歌旗下DeepMind團隊最近發表一篇名為《乳腺癌篩查AI系統的國際評估》的論文，表示他們已經在人工智能的醫學數據應用研究領域取得驚人進展。他們打造的系統能夠評估乳房X光片以做出乳腺癌預測，且實際表現似乎已經超越人類放射科醫生。與傳統人工看片方法相比，這套系統不僅改善了癌癥誤診率，同時也顯著降低了乳腺癌病例的漏診可能性。

[[312224]]

▲ DeepMind技術有限公司首席執行官兼聯合創始人Demis Hassabis在2016年11月15日（星期二）英國倫敦的谷歌Kings Cross辦公室發表講話。

DeepMind項目的患者數據來自英國與美國。在研究當中，六名人類放射科醫生與基于計算機的AI方案共同對乳房X光片進行評估。DeepMind團隊強調稱，這套方案的目標在于讓人工智能成為人類放射科醫生的好幫手，而非將其徹底取代。這確實是一招妙棋，畢竟人們至少很難接受完全由計算機進行診斷——埃隆·馬斯克的大腦芯片植入計劃也面臨著類似的困境。

為了將這項技術真正推向市場，DeepMind可能首先需要爭取監管部門的支持，將其認定為醫療設備，而后再獲取CE認證標識。看到這里，很多朋友可能要問：為什么要搞得這么麻煩？這套AI系統在本質上，不就是一種看圖軟件嗎？事實上，乳腺癌篩查工具甚至是相關輔助工具，都會受到嚴格的監管。因為一旦發生誤診，病人可能會接受有創手術；如果出現漏診，病人則可能錯失接受治療的最佳時機。

在歐洲，醫療設備的安全與質量標準相當嚴格，要求制造商進行大量臨床試驗，并對項目當中的設計、開發、配送甚至是安裝流程進行全面質量控制。此外，內部與外部審計也必不可少，包括由外部審計師進行極為嚴苛的風險管理評估。

目前的問題在于，以往傳統設備可以參考“同類產品”以證明自身的運行可靠性，但每套AI系統在一定程度上都可謂獨一無二，因此只能從零開始接受全面驗證。

谷歌當然不是唯一一家打算利用AI系統進軍醫療保健市場的企業。在此之前，IBM就一直在努力通過Watson解決直接醫學診斷問題，不雖然帶來了不少令人振奮的個別成果與產出，但醫學研究界目前普遍認為Watson演示中的“水分”過多，無法在日常臨床應用中發揮同等作用。此外，也有不少學生以及業余愛好者從事醫學數據AI應用方向的研究。但總體而言，將醫療類AI推向市場往往需要付出高昂的成本與努力，因此目前絕大部分相關工作仍局限于學術范疇之內。

除此之外，在將這一乳腺癌篩查技術推向市場的過程中，DeepMind還面對著另一項巨大挑戰——這類自主醫療篩查系統可能被惡意人士所欺詐，并在誤導之下做出錯誤判斷。

哈佛醫學院與麻省理工學院的一支聯合團隊發布了一篇振聾發聵的論文，這篇題為《針對醫療用深度學習系統的專業攻擊》的文章提出多種可欺騙此類AI診斷系統的方法。研究人員們發現，即使不清楚AI系統的內部細節，惡意一方仍然能夠成功欺騙目標系統。到目前為止，這種愚弄AI系統的能力可能正是迫使我們拒絕全面推廣相關方案的主要原因。

我們在無人駕駛汽車領域也發現了類似的趨勢，該技術最初承諾的是完全自動駕駛功能，但現實情況卻只能帶來自動跟車以及停車輔助系統等非常有限的自動化技術。而對于這些至關重要的應用領域當中，目前，我們還找不到快速擺脫困境的理想辦法。

說了這么多，之前強調的還主要是監管與技術層面的挑戰。但將這樣一套系統真正推向市場，其他挑戰同樣所在多有。在單一付款人系統當中，醫生沒有向企業付款的積極性，因此企業一方只能將技術產品出售給政府機構，這就會極大延長產品的消化周期。除了報銷難題之外，某些特定國家/地區還擁有自己的管理要求，例如數據隱私。本文開頭探討的是一種極具前景的概念驗證型AI系統，主要用于改善乳腺癌的診斷效果；但除了ISO認證與CE認證之外，這套系統甚至還沒有開始臨床試驗以及FDA審批流程。