聯(lián)系電話: 010-8882344888
- 網(wǎng)傳所謂“DeepMind發(fā)布AI血檢系統(tǒng)，識別13種癌癥并獲FDA批準(zhǔn)”的說法，目前并無公開記錄，且缺乏任何可核實的權(quán)威來源。既未在公開數(shù)據(jù)庫中找到該研究，也無FDA審批或醫(yī)院試點的官方信息。
- DeepMind近年來確有布局醫(yī)學(xué)影像AI系統(tǒng)的研究，相關(guān)成果聚焦于乳腺癌和結(jié)核病等特定病種，且距離全面臨床應(yīng)用仍需大量驗證與監(jiān)管審批。
近日，社交平臺流傳一則消息，稱英國人工智能公司DeepMind于凌晨發(fā)表了一篇論文，宣布其“新一代AI診療系統(tǒng)”可通過血檢數(shù)據(jù)，在3秒內(nèi)識別13種早期癌癥。該系統(tǒng)據(jù)稱已通過美國食品藥物管理局（FDA）的綠色審批通道，并將于下周起在美國紐約長老會醫(yī)院（NewYork-Presbyterian Hospital）試點運行。相關(guān)說法還聲稱，這篇長達37頁披露了該系統(tǒng)能夠預(yù)判未來5年患癌概率、檢測患者隱瞞病史，診療費用等細節(jié)。
該傳言并未提供確切消息來源，如論文標(biāo)題、作者、網(wǎng)址、期刊名、發(fā)布時間等，僅以“白皮書”“朋友圈”“張主任”等模糊字眼作為支撐。
通過關(guān)鍵詞反搜，在DeepMind官方網(wǎng)站、arXiv預(yù)印本平臺、《Nature》系列期刊和Google Scholar等權(quán)威數(shù)據(jù)庫中，并未能找到與該說法相關(guān)的研究論文。所謂“37頁白皮書”也無從查證。
DeepMind官方網(wǎng)站近三個月論文發(fā)表記錄截圖，并未發(fā)現(xiàn)與“新一代AI診療系統(tǒng)在3秒鐘內(nèi)揪出13種早期癌癥”的相關(guān)研究成果。
在美國食品藥物管理局醫(yī)療器械數(shù)據(jù)庫中，以“DeepMind”“Google Health”以及母公司“Alphabet”等關(guān)鍵詞進行檢索，亦未發(fā)現(xiàn)近期有“新一代AI診療系統(tǒng)”獲得審批的記錄。該機構(gòu)對最新醫(yī)療技術(shù)設(shè)備的名單也僅更新至2024年。
同時，紐約長老會醫(yī)院官網(wǎng)與社交媒體賬號也無任何關(guān)于該試點項目或合作聲明的消息發(fā)布。
不過，DeepMind近年來確實在AI醫(yī)療領(lǐng)域取得成果。已有公開發(fā)表的相關(guān)研究顯示，早在2020年，DeepMind、Google Health 聯(lián)合英國癌癥研究院帝國學(xué)院中心、西北大學(xué)、英國皇家薩里郡醫(yī)院等機構(gòu)，開發(fā)了一種基于深度學(xué)習(xí)的AI系統(tǒng)，可通過乳腺X光片（鉬靶圖像）實現(xiàn)高精度乳腺癌預(yù)測。
2020年1月2日，發(fā)表于《Nature》雜志 題為《針對乳腺癌篩查人工智能系統(tǒng)的國際評估研究》的論文截圖。
這項發(fā)表于《Nature》的研究指出，該AI系統(tǒng)在英美兩國的臨床數(shù)據(jù)集上表現(xiàn)優(yōu)異，顯著降低誤報（假陽性）和漏診（假陰性）數(shù)量，其準(zhǔn)確率超過多位來自英國和美國的放射科專家。
研究團隊基于超過2.8萬名女性的乳腺癌篩查數(shù)據(jù)，模擬AI作為英國乳腺癌篩查“雙讀”機制中的“第二讀者”參與臨床流程。結(jié)果顯示，該系統(tǒng)可在不保持原有診斷水平的同時，能將第二位放射科醫(yī)生的工作量減少88%。
在英國，乳腺癌篩查常采用“雙讀+仲裁”制度，即每張乳腺X光片需由兩位放射科醫(yī)生分別獨立解讀，并在存在分歧時通過仲裁機制解決。一般而言，第一讀者為放射科醫(yī)生負責(zé)初讀，若影像結(jié)果存在疑問，則由第二讀者，也就是另一位醫(yī)生或AI系統(tǒng)復(fù)核，以確保更高的診斷準(zhǔn)確性。
不過，該系統(tǒng)目前僅用于乳腺癌篩查，并非“秒診所有癌癥”。2022年起，該系統(tǒng)已在英國國家醫(yī)療服務(wù)體系（NHS）及美國醫(yī)療機構(gòu)開展臨床試驗。
研究發(fā)現(xiàn)，CoDoC在乳腺癌篩查方面展現(xiàn)出顯著的性能提升。在英國的大型乳腺癌篩查項目中，該系統(tǒng)在保持假陰性率不變的前提下，假陽性率下降了25%。同時，通過智能分配診斷任務(wù)，減少了臨床醫(yī)生的工作量66%。在結(jié)核病篩查中，相較于單獨依賴AI或傳統(tǒng)人工流程，CoDoC可使假陽性率降低5%至15%。
上述研究成果已發(fā)表在《Nature Medicine》期刊上，研究團隊還將CoDoC的代碼在 GitHub上開源，推動醫(yī)療AI在現(xiàn)實場景下的透明部署與安全落地。
2023年7月17日，發(fā)表于《Nature Medicine》期刊 題為《通過基于互補性的轉(zhuǎn)診機制提升人工智能輔助診斷的可靠性與準(zhǔn)確》的論文截圖。
盡管CoDoC展現(xiàn)出在乳腺癌和結(jié)核病診斷方面的潛力，研究人員也強調(diào)系統(tǒng)尚存在局限性，包括對更大規(guī)模數(shù)據(jù)的依賴，以及當(dāng)前醫(yī)療體系尚未完全接受AI作出自主診斷決策。未來仍需開展更多臨床研究，以評估其在不同醫(yī)療場景下的實際應(yīng)用價值。
但無論是2020年針對乳腺癌的AI系統(tǒng)，還是2023年的AI醫(yī)療輔助系統(tǒng)，都與近期網(wǎng)傳“通過血檢3秒揪出13種早期癌癥”不是同一系統(tǒng)和成果。
此外，其他相關(guān)研究還指出，AI在醫(yī)療領(lǐng)域雖有快速發(fā)展，但必須考慮假陽性率、倫理、數(shù)據(jù)隱私、醫(yī)生配合度等實際因素。
綜上所述，網(wǎng)傳所謂“DeepMind發(fā)布AI血檢系統(tǒng)，識別13種癌癥并獲FDA批準(zhǔn)”的說法，目前并無公開記錄，且缺乏任何彩神官方可核實的權(quán)威來源。既未在公開數(shù)據(jù)庫中找到該研究，也無FDA審批或醫(yī)院試點的官方信息。此外，DeepMind近年來確有布局醫(yī)學(xué)影像AI系統(tǒng)的研究，相關(guān)成果聚焦于乳腺癌和結(jié)核病等特定病種，且距離全面臨床應(yīng)用仍需大量驗證與監(jiān)管審批。
