自醫療AI誕生以來，其臨床價值及社會意義一直備受關注，将醫療AI技術應用于疾病早篩領域，助力臨床醫師進行肺癌、乳腺癌等重大疾病的早篩，也是衆多AI企業的共同夢想。
谷歌推出AI早期肺癌檢測系統，準确率94%
幸運的是，随着AI在醫療領域廣泛運用，通過計算機技術對各類癌症進行高效、精準的早期診斷與篩查已成為可能。近日《自然醫學》雜志更新了美國谷歌公司新的研究情況，谷歌人工智能部門的Daniel Tse與斯坦福大學、紐約大學等聯合開發了一個深度學習模型，可根據掃描圖像來預測肺癌風險，比醫生早一年查出肺癌，使患者存活機率提升40%。研究人員表示，該AI系統不僅能預測整體惡性良性腫瘤，也可識别細微的惡性組織；通過對前後兩次掃描圖像的資料對比，AI系統還可評估肺結節的生長速度。
通過學習42290個CT掃描圖像，這一深度學習模型實作了不依靠人工參與便可預測肺部結節的惡性程度。同時，其在6716例測試病例中檢測微小惡性肺部結節的準确率達94%。盡管模型還需要經過大規模的臨床驗證，但這一發現仍展現了該AI系統或将成為肺癌篩查推廣的利器，改善肺癌患者的治療和預後，并降低社會醫療成本。
人工智能利用面部圖像幫助識别遺傳綜合征
今年1月，美國FDNA分析技術公司已訓練人工智能在接受17000多張真實患者面部圖像訓練後，以高準确率識别罕見的遺傳綜合征。研究者利用兩個獨立的測試資料集測試人工智能的表現，每一個資料集都包含數百張之前經過臨床專家分析的患者面部圖像。對于每一張測試圖像，人工智能按照一定順序列出各種潛在的綜合征。在兩組測試中，在90%左右的情況下，人工智能提出的前10條建議中都包括了正确的綜合征，這超過了臨床專家在另外三個實驗中的表現。
雖然這項研究采用的測試資料集規模相對較小，而且沒有和其他已有的識别方法或人類專家進行直接比較，但是研究結果表明人工智能有望在臨床實踐中，輔助罕見遺傳綜合征的優先級劃分與診斷。
AI精準預測高血壓治療效果
今年3月，吳恩達宣布其斯坦福實驗室團隊運用機器學習方法，能夠更加精确預測患者在高血壓治療中可能獲得的效果。在一般的心血管疾病中，疾病治療帶來的絕對風險降低（ARR）是與該病的基線風險相關的，即高風險的患者能從治療中獲得更多的收益。 而斯坦福實驗室使用随機試驗資料，開發一個能夠估計個體治療效果的模型。
AI輔助結腸鏡檢查，讓腺瘤檢出率提高近50%
四川省人民醫院的劉曉崗主任帶領團隊，與哈佛醫學院貝斯以色列女執事醫療中心的研究人員合作，使用基于深度學習的高性能CADe系統的前瞻性随機對照試驗，以幫助内鏡醫師檢測患者的結腸息肉。實驗中發現，與标準結腸鏡相比，AI系統輔助的結腸鏡檢查，查出的ADR（腺瘤檢出率）增加了近50%。每位患者檢出的平均腺瘤數也增加了——AI檢查出了更多的較小腺瘤。
在小組的初步研究中，該算法的敏感性為94.38％，特異性為95.92％，受試者工作特征曲線下面積（AUC）為0.984（越接近1，說明準确性越高）。此外，通過使用多線程處理系統，AI對實時視訊的處理速度能夠達到每秒至少25幀，延遲時間為76.80±5.60毫秒。對于内鏡醫師來說，檢測延遲幾乎不明顯。
雖然研究中有很多待改進的地方，但通過這項研究表明了，基于深度學習的AI系統系統可以讓低流行ADR區域中結腸直腸息肉和腺瘤檢測率的顯着增加。鑒于其高準确性、保真度和穩定性，AI系統可以更好地适用于目前臨床實踐中以更好地檢測結腸息肉。