谷歌在医疗方面的雄心正在迅速形成

谷歌宣布合并DeepMind Health部门，作为新成立的Google Health的一部分。谷歌内部医疗AI项目正在重组，由新任医疗战略负责人、医疗界大咖David Feinberg带领。

谷歌在医疗方面的雄心正在迅速形成。

作为正在进行的医疗保健工作重组的一部分，谷歌宣布它正在吸收DeepMind Health，这是位于伦敦的AI实验室DeepMind的一部分。

DeepMind在今天发表的博客文章中表示：“我们很高兴地宣布，Streams团队将加入谷歌。”Streams是DeepMind开发的一个医疗App。

Streams app

DeepMind的创始人表示，这对DeepMind来说是一个“重大里程碑”，有助于让Streams应用程序成为“医生和护士的AI助理”，将“最好的算法和最直观的设计相结合”。目前，这款应用已经在英国试用，帮助医护人员管理患者。

DeepMind表示，Streams团队将继续留在伦敦， 由前NHS外科医生和研究专家Dominic King博士带领，并致力于与英国国家医疗服务体系(NHS)持续开展合作。其中包括许多雄心勃勃的研究项目，比如使用AI在常规扫描中发现眼部疾病。

至于DeepMind Health，该子公司将不再作为独立品牌存在，并入到谷歌旗下，成为该公司最近成立的Google Health的一部分。DeepMind的其他部门仍将保持独立。

鉴于DeepMind与NHS之间的早期交易在英国引起不满，这一消息可能存在争议。英国数据监管机构在2017年裁定，DeepMind与NHS达成的合作关系是非法的，因为个人没有被告知他们的医疗数据将如何被使用。

在英国，隐私拥护者们一直担心的另一个问题是，谷歌可能会获得这些医疗数据。根据CNBC的报道，DeepMind内部建立的负责监督医疗工作的独立审查委员会可能会因此而被关闭。

另一方面，这一举动清楚地表明了谷歌在医疗领域的雄心，以及它希望充分利用对这家伦敦AI实验室的收购。据报道，DeepMind和谷歌之间长期存在紧张关系，谷歌希望将DeepMind的工作商业化。而与谷歌相比，DeepMind将自己定位为一个致力于长期研究的机构，并在此过程中吸引了一批世界上最优秀的AI人才。

Jeff Dean钦点：谷歌挖来新医疗战略负责人

与DeepMind的其他部门相比，DeepMind Health已经开展的工作更直接、更实用，这可能是吸引上周成为Google Health新任CEO David Feinberg的理由。

Feinberg的新任务是重组谷歌在医疗领域的所有工作，从硬件到算法。显然，只要有必要，这些重组还将包括吸收Alphabet的其他部分。

David Feinberg

上周，谷歌宣布任命医疗界大咖David Feinberg为医疗战略负责人，领导Google Health团队，直接向谷歌人工智能主管Jeff Dean汇报。

David Feinberg此前是美国顶级医疗保健机构Geisinger的CEO。据知情人士透露，谷歌搜寻这一人选的工作已经进行了数月。

知情人士表示，谷歌人工智能主管Jeff Dean一直在深入参与这一过程，并亲自面试应聘者。一些候选人包括健康咨询、医院管理和保险领域的领导者。该职位将向Jeff Dean汇报，但也将与谷歌首席执行官Sundar Pichai密切合作。

Feinberg将负责研究如何整合谷歌内部分散的医疗健康项目，这些项目在该公司旗下许多不同的业务部门之间相互重叠。谷歌内部涉及医疗保健研究的部门包括谷歌核心的搜索部门、云业务部门、AI研究部门Google Brain、Nest家庭自动化部门和谷歌Fit可穿戴设备部门等。

谷歌和DeepMind的主要医疗AI成果

眼疾：DeepMind AI系统可检测50余种眼疾，准确率高于眼科专家

DeepMind 8月在Nature Medicine上发表一项里程碑式的医疗AI研究成果，它的AI系统能够对常规临床实践中的眼球扫描结果进行快速诊断，可识别50余种眼部疾病，准确率与眼科专家一样出色，甚至更好。

在 997 名患者的扫描影像上进行的测试中，DeepMind 的算法在转诊推荐的准确度比摩尔菲尔茨眼科医院的 8 名视网膜专科医生表现得更好——DeepMind 算法的错误率为 5.5%，而 8 名人类医生的错误率在 6.7% 到 24.1% 之间；如果向人类医生提供患者的背景信息，人类医生的错误率降低到 5.5% 到 13.1% 之间，结果与 AI 的水平相当或稍差。

乳腺癌：谷歌AI在转移性乳腺癌检测的准确率已达99%

Google AI部门与圣地亚哥海军医疗中心合作开发一种新的检测方案，采用癌症检测算法，能够自动评估淋巴结活检。这个AI系统被称为“淋巴结助手”(简称LYNA)。

在《美国外科病理学杂志》中，他们针对这个系统发表了“基于人工智能的乳腺癌淋巴结转移检测”论文。在转移性乳腺癌的检测精度测试中，LYNA的准确率达到99%，超过了人类专家的检测准确率。

心血管疾病：谷歌AI使用深度学习分析视网膜图像，以此预测心血管疾病突发的风险

谷歌的研究人员在《自然》子刊 Nature Biomedical Engineering发表的《使用深度学习从视网膜基底照片中预测心血管危险因子》中，证明除了检测眼病外，眼睛的医学图像还可以非常准确地预测心血管健康的其他指标。

使用深度学习来获得人体解剖学和疾病变化之间的联系，这是人类医生此前完全不知道的诊断和预测方法，不仅能帮助科学家生成更有针对性的假设，还可能代表了科学发现的新方向。