专访《细胞》封面作者张康：AI诊断眼病超人类是如何做到的

北京时间2月23日凌晨，张康团队及其合作者在顶级学术期刊《细胞》（Cell）发表封面文章“Identifying Medical Diagnoses and Treatable Diseases by Image-Based Deep Learning”。这项最新研究训练了一个基于“迁移学习”的全新AI诊断工具，可通过视网膜OCT（光学相干断层扫描）图像筛查致盲性视网膜疾病，并能在30秒内决定患者是否需要治疗，准确率可达95%以上。

张康等人不仅试图将眼科医生从庞杂的看片工作中解放，他们还将目标定锁定在全身各系统可以进行图像检测的其他多种疾病。在此番发表的论文中，研究人员就通过将这套AI系统切换到诊断儿童肺炎中来探索其适用性。

结果证明，AI工具不光能鉴别肺炎和正常胸部X线平片，还能区分肺炎的病原体为细菌还是病毒，准确率可达90%以上。“未来我们将继续增加这个系统对于能够诊断的视网膜疾病，同时还将加入包括肿瘤等的其他系统的疾病。”张康表示。

举一反三的“迁移学习”

在医学领域，人工智能被认为在超越人类专家快速审阅大量医学影像方面极具潜力。然而，人工智能为医学成像提供临床决策的算法在可靠性和可识读性上仍存在挑战。

张康等人在这项研究中，应用的算法则是“迁移学习”（transfer learning algorithm）。论文中指出，目前传统的人工智能算法耗时且昂贵，而“迁移学习”则被认为是一种高效的技术，尤其是面临相对有限的训练数据。

所谓的“迁移学习”，就是把已训练好的模型参数迁移到新的模型来帮助新模型训练，也就是运用已有的知识来学习新的知识，找到已有知识和新知识之间的相似性。张康表示，“这实际上就相当于举一反三。”

张康进一步解释，比如，已经学会下围棋，就可以类比着来学习象棋；会打篮球，就可以类比着来学习排球；已经会中文，就可以类比着来学习英语、日语等等。如何合理的寻找不同模型之间的共性，进而利用这个桥梁来帮助学习新知识，就是“迁移学习”的核心。