最近，OpenAI、微軟、Google等公司開發的人工智能（AI）搜索引擎占據大部分頭條，這些AI工具的出現似乎打算顛覆我們的生活和工作方式。近年來，人工智能在醫學上的應用也在逐步增多，尤其是在診斷疾病方面。現在越來越多的醫生開始依賴於深度學習技術（DeepLearning），一種模仿人工神經網絡的機器學習方法。
該技術可以像人腦一樣學習，在醫學方面能幫助檢測一些容易被忽略的危險疾病，如癌癥、心臟病、甚至是無癥狀的新冠病例。
一項最新的研究表明，人工智能在醫學領域的下一個突破可能是診斷阿爾茨海默氏癥。
準確率高達90%
阿爾茲海默氏癥會導致不可逆轉的認知能力下降和癡呆。自該疾病被發現以來的一個世紀裡，醫學研究人員一直未能找到治療方法和可靠的早期檢測方法。
上周四（3月2日）發表在國際著名科學期刊PLOS ONE上的一篇研究文章表明，深度學習技術在阿爾茨海默氏癥診斷中比未經訓練的AI模型更加準確，而且該技術能夠排除一些幹擾診斷的因素，如年齡。
馬薩諸塞州綜合醫院（Massachusetts General Hospital）的研究人員測試深度學習技術在阿爾茨海默氏癥檢測中的應用。研究人員首先采用數萬張人腦掃描圖像訓練一個深度學習模型，這些人部分患有阿爾茲海默氏癥，部分沒有。
隨後，研究人員將該深度學習模型用於臨床診斷。
結果顯示，經過訓練的深度學習模型識別阿爾茨海默氏癥的準確率達到90.2%，相比之下，沒有接受過變量訓練的、更簡單的人工智能模型的診斷準確率要低大約5個百分點。
馬薩諸塞州綜合醫院的研究員Matthew Leming指出，“我們的研究結果具有跨地點、跨時間、跨人群的普遍性，為這種AI診斷技術的臨床應用提供強有力的證據。”
值得一提的是，90%的準確率還遠遠高於人類得出的臨床檢出率。根據2017年美國國立衛生研究院（NIH）公佈的一項研究，人類得出的臨床檢出率僅為77%。
誤診帶來的損失
美國衛生與公眾服務部去年12月的一項研究顯示，美國每年有700多萬人被誤診。近300萬急診室患者因誤診而遭受不良影響，超過37萬人遭受永久性殘疾或死亡。
據非營利組織“改善醫學診斷協會(Society to Improve Diagnosis in Medicine)”稱，誤診也是一種經濟負擔。該協會預計，誤診、錯誤治療、以及由此引發的醫療事故訴訟每年將造成約1000億美元的額外支出。
醫生們也認為，人工智能在改善診斷技術方面有著巨大的前景，盡管在醫學研究中也出現許多與人工智能有關的問題，比如可能會出現事實錯誤和種族偏見。
去年1月發表在美國國立衛生研究院（NIH）上的一篇關於AI技術在醫療診斷方面的文獻綜述發現，人工智能在癌癥、糖尿病和阿爾茨海默氏癥診斷等領域都有前景。不過該文章建議建議進一步研究以提高AI的識別準確性。
病癥預測更加困難
到目前為止，阿爾茨海默氏癥是最難預測和診斷的疾病之一。它是老年人中最常見的一種癡呆癥，全世界約有4400萬患者。
不過，這隻是與癡呆癥相關的眾多疾病的一種形式，所以很多其他癡呆癥很容易被誤診為阿爾茨海默氏癥。
2017年，美國醫學網站《Medscape》上的一項針對900多人的研究發現，多達四分之一的阿爾茨海默病患者被誤診，誤診為假陽性或假陰性的比例大致相同。
阿爾茨海默氏癥很容易和路易體癡呆、額顳葉癡呆混淆。根據美國神經病學學會（AAN）的說法，誤診的概率隨著年齡的增長而增加，阿爾茨海默氏病和其他癡呆疾病在老年群體中很容易被搞混。
相對於診斷，預測則更加困難。阿爾茨海默氏癥幾乎沒有可靠的早期篩查模型，大多數病例是在腦損傷癥狀開始出現後才被診斷出來的。
此次馬薩諸塞州綜合醫院的研究並沒有涉及深度學習技術是否有助於阿爾茨海默氏癥的預測。不過仍有不少其他研究人員認為，AI或許能夠在這方面發揮重要作用。