据DeepMind官网，每个数据包括四张影像
AI筛查准确率超放射科专家
结果显示，AI筛查乳腺癌的准确性可达放射科专家水平。与人类医生相比，该算法可减少癌症被误诊的情况。美国和英国的假阳性情况分别降低了5.7％和1.2％，假阴性情况则分别降低了9.4％和2.7％。
不过现实中的影像检查情况要复杂得多。在美国，胸部X光影像通常由一名放射科医生筛查，而英国至少由两名放射科医生筛查，当这两名医生出现分歧时，会有第三名甚至第四名医师来做出判断。对此，研究人员表示，DeepMind算法的准确性优于单名放射科医生，甚至“不逊色”于两位人类医生。
据皇家放射学会，英国目前共有542位专业的乳腺放射科医生，8％的医院存在该职位空缺，而全英放射科医生缺口至少在1104名左右。Dominic King指出，如果第二筛查医生的角色可以由AI取代，那便可以减轻一部分人员短缺。这也是放射科医生建议谷歌健康研究AI进行筛查的原因。“三四年前，英国一些高级乳腺放射科医生与我们取得联系，他们不仅认为乳腺癌筛查是AI可大展身手的领域，探索技术对于医疗服务的可持续性也至关重要，尤其是目前病例积压已久的英国。”
为了验证这一设想，研究人员进行了一项附加研究项目，模拟该算法如何与人类放射科医生共同工作。研究结果显示，AI和人类医生的诊断结果有88％是一致的，这意味着只有12％的X光影像需要由另一位放射科医师检查。不过，该研究使用的数据有限，只有六名美国背景的放射科医生接受研究测试，其中接受过乳腺影像研究级别培训的只有两位。谷歌健康的临床科学家、合著该研究的Christopher Kelly表示：“我们希望未来对此进行更深入的研究，但仅是作为模拟，这也让我们对未来系统的发展潜力感到兴奋。”
而成像设备的供应商不同也能带来偏差问题，这也是未来的研究应该注意的地方。据悉，谷歌这次研究中所使用的图像均来自Hologic，而更深入的研究也应支持其他设备的图像。
除此之外，DeepMind尚未发布该算法所使用的代码，也引起了一部分人的质疑。这篇论文中写道：“用于训练模型的代码对内部工具、基础架构和硬件有很大的依赖性，因此不对外进行发布。”研究人员还表示补充材料中对此进行了足够详细的描述，已足够非营利性数据库使用。
“这项研究的确很成功，但若作者们决定只公布AI是如何工作，却不提供源代码的话就很可惜了。源代码这些内容可以大大提高该项研究的影响力，不仅可以帮助其他科学家在此基础上继续研究，更好地探析如何得到结果，也有助于研究人员进行多次研究，避免重大错误的发生。” Andrew Holding说。
Holding还表示：“如果患者已经慷慨地将自己个人数据分享给谷歌这样的公司，那么这些公司也理应向这些患者提供研究的结果和方法，毕竟没有他们的同意，这项研究也不可能成功。”
谷歌健康的Kelly则认为黑匣子算法纵然能帮助医生了解其工作原理，但在临床上的用处并不大。我们大概能知道的是，这个特定的系统由三个不同的模型组成，三个模型共同给出一个分数，不过可能只有突出可疑区域的局部模型对于临床的作用会比较大。
这意味着尽管全局模型具有最准确的预测，但对人类放射科医生来说，却可能帮助不大。“尽管它可能表现最好，但这是一个黑匣子。” Holding补充说，“虽然我对’黑匣子’持怀疑态度，但相较而言，每个医生如何结合多年的经验做出诊断，我们也不是完全了解。”
最后，Holding认为：“目前在医学影像领域的这些研究，为这双数字眼找到了一条宽阔辽远的道路。利用AI发现潜在病症，用技术为人类提供更好的医疗，人类大可信心满满，不必担忧。”
本文译自Wired：DeepMind’s new AI can spot breast cancer just as well as your doctor，原文网址：https://www.wired.co.uk/article/deepmind-google-ai-breast-cancer