前言：谷歌的人工智能部DeepMind计划通过研究超过100万的眼球扫描数据，来帮助医生找出视力退化的早期迹象。
伦敦的Moorfields眼科医院每周要进行3000次光学相干断层扫描来诊断视力问题。这种扫描利用散射光来构造高分辨率的三维视网膜图像，这个过程中会产生大量数据。对这些数据进行分析是相当耗时的，这需要经过训练的、经验丰富的人眼来判别具体场景下的具体问题，这使得医生几乎没有时间去分析那些更具广泛意义的人眼病变走向，而这可以让早期诊断变得更容易。
上述问题只能通过人工智能来解决。因此，当谷歌的DeepMind决定和医院合作，将机器学习应用到眼病诊断中，并将此作为其健康工程的一部分时，并不奇怪。这个项目中，DeepMind的软件对超过100万的眼球扫描数据（包括光学相干断层扫描和传统的视网膜成像）进行了研究，以确定在眼病发作初期，眼睛会发生哪些变化。
最开始时DeepMind将重点放在：如何自动诊断因糖尿病和年龄相关性黄斑部退化而带来的视觉问题上。糖尿病患者是非糖尿病患者失明概率的25倍。在英国，年龄相关性黄斑部退化是失明的最常见原因。这两种情况中，早发现都有助于进行更有效的治疗。
由于这是一个全新的进程，并且是通过机器学习去判别那些人眼不易鉴别的数据形式，因此这项技术实现的一些具体细节我们还不甚清楚。尽管如此，DeepMind称其计划探寻视觉退化的早期迹象，以便医生提早介入治疗。
这是DeepMind实施的第一个纯粹研究型的健康工程。在早期与伦敦北部的Royal Free医院的合作中，DeepMind开发了一款称为Streams的智能手机APP，以监测肾脏病患者的健康状况。 然而，New Scientist的一份报告指出：该项目自主提交多达160万患者的记录到DeepMind，公众对此信息安全表示担忧。
为此Moorfields提供的眼球扫描数据将是匿名的。 DeepMind称，根据这些数据找出其中的一位患者是不可能做到的，且这项技术“只对今后的医药关怀有用，而不会对任何病人现在享受的医药关怀有影响。”Royal Free医院事件已经促使DeepMind这一次更加谨慎行事。
这不是深度学习在健康领域的首次尝试。例如，IBM的Watson超级计算机，目前正通过60万的医学证明材料、150万的病人病历和临床试验，来帮助医生为癌症患者制定更好的治疗方案。同时，U.K.-based startup Babylon正在开发一款软件，获取用户的症状并为用户提供一个治疗方案。
然而，对于这些存在更为普遍的问题，可能还需要很长的时间才能给出有效的解决方案。既然已经有了一个明确的目标，DeepMind应该能够扩展人工智能，使其可以检查那每周3000次的扫描，以帮助眼科医生在眼病发作初期做出诊断，避免造成严重的后果。让我们拭目以待。
图：视网膜扫描图像