- 網(wǎng)傳所謂“DeepMind發(fā)布AI血檢系統(tǒng)，識(shí)別13種癌癥并獲FDA批準(zhǔn)”的說(shuō)法，目前并無(wú)公開(kāi)記錄，且缺乏任何可核實(shí)的權(quán)威來(lái)源。既未在公開(kāi)數(shù)據(jù)庫(kù)中找到該研究，也無(wú)FDA審批或醫(yī)院試點(diǎn)的官方信息。

　　- DeepMind近年來(lái)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(yàn)證PG電子與監(jiān)管審批。

　　近日，社交平臺(tái)流傳一則消息，稱(chēng)英國(guó)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(guò)血檢數(shù)據(jù)，在3秒內(nèi)識(shí)別13種早期癌癥。該系統(tǒng)據(jù)稱(chēng)已通過(guò)美國(guó)食品藥物管理局（FDA）的綠色審批通道，并將于下周起在美國(guó)紐約長(zhǎng)老會(huì)醫(yī)院（NewYPG電子ork-Presbyterian Hospital）試點(diǎn)運(yùn)行。相關(guān)說(shuō)法還聲稱(chēng)，這篇長(zhǎng)達(dá)37頁(yè)披露了該系統(tǒng)能夠預(yù)判未來(lái)5年患癌概率、檢測(cè)患者隱瞞病史，診療費(fèi)用等細(xì)節(jié)。

　　該傳言并未提供確切消息來(lái)源，如論文標(biāo)題、作者、網(wǎng)址、期刊名、發(fā)布時(shí)間等，僅以“白皮書(shū)”“朋友圈”“張主任”等模糊字眼作為支撐。

　　通過(guò)關(guān)鍵詞反搜，在DeepMind官方網(wǎng)站、arXiv預(yù)印本平臺(tái)、《Nature》系列期刊和Google Scholar等權(quán)威數(shù)據(jù)庫(kù)中，并未能找到與該說(shuō)法相關(guān)的研究論文。所謂“37頁(yè)白皮書(shū)”也無(wú)從查證。

　　DeepMind官方網(wǎng)站近三個(gè)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(guó)食品藥物管理局醫(yī)療器械數(shù)據(jù)庫(kù)中，以“DeepMind”“Google Health”以及母公司“Alphabet”等關(guān)鍵詞進(jìn)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(jī)構(gòu)對(duì)最新醫(yī)療技術(shù)設(shè)備的名單也僅更新至2024年。

　　同時(shí)，紐約長(zhǎng)老會(huì)醫(yī)院官網(wǎng)與社交媒體賬號(hào)也無(wú)任何關(guān)于該試點(diǎn)項(xiàng)目或合作聲明的消息發(fā)布。

　　不過(guò)，DeepMind近年來(lái)確實(shí)在AI醫(yī)療領(lǐng)域取得成果。已有公開(kāi)發(fā)表的相關(guān)研究顯示，早在2020年，DeepMind、Google Health 聯(lián)合英國(guó)癌癥研究院帝國(guó)學(xué)院中心、西北大學(xué)、英國(guó)皇家薩里郡醫(yī)院等機(jī)構(gòu)，開(kāi)發(fā)了一種基于深度學(xué)習(xí)的AI系統(tǒng)，可通過(guò)乳腺X光片（鉬靶圖像）實(shí)現(xiàn)高精度乳腺癌預(yù)測(cè)。

　　2020年1月2日，發(fā)表于《Nature》雜志 題為《針對(duì)乳腺癌篩查人工智能系統(tǒng)的國(guó)際評(píng)估研究》的論文截圖。

　　這項(xiàng)發(fā)表于《Nature》的研究指出，該AI系統(tǒng)在英美兩國(guó)的臨床數(shù)據(jù)集上表現(xiàn)優(yōu)異，顯著降低誤報(bào)（假陽(yáng)性）和漏診（假陰性）數(shù)量，其準(zhǔn)確率超過(guò)多位來(lái)自英國(guó)和美國(guó)的放射科專(zhuān)家。

　　研究團(tuán)隊(duì)基于超過(guò)2.8萬(wàn)名女性的乳腺癌篩查數(shù)據(jù)，模擬AI作為英國(guó)乳腺癌篩查“雙讀”機(jī)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(shí)，能將第二位放射科醫(yī)生的工作量減少88%。

　　在英國(guó)，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(dú)立解讀，并在存在分歧時(shí)通過(guò)仲裁機(jī)制解決。一般而言，第一讀者為放射科醫(yī)生負(fù)責(zé)初讀，若影像結(jié)果存在疑問(wèn)，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(guò)，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(guó)國(guó)家醫(yī)療服務(wù)體系（NHS）及美國(guó)醫(yī)療機(jī)構(gòu)開(kāi)展臨床試驗(yàn)。

　　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(guó)的大型乳腺癌篩查項(xiàng)目中，該系統(tǒng)在保持假陰性率不變的前提下，假陽(yáng)性率下降了25%。同時(shí)，通過(guò)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(dú)依賴(lài)AI或傳統(tǒng)人工流程，CoDoC可使假陽(yáng)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(tuán)隊(duì)還將CoDoC的代碼在 GitHub上開(kāi)源，推動(dòng)醫(yī)療AI在現(xiàn)實(shí)場(chǎng)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(guò)基于互補(bǔ)性的轉(zhuǎn)診機(jī)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(qiáng)調(diào)系統(tǒng)尚存在局限性，包括對(duì)更大規(guī)模數(shù)據(jù)的依賴(lài)，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(lái)仍需開(kāi)展更多臨床研究，以評(píng)估其在不同醫(yī)療場(chǎng)景下的實(shí)際應(yīng)用價(jià)值。

　　但無(wú)論是2020年針對(duì)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(guò)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(yáng)性率、倫理、數(shù)據(jù)隱私、醫(yī)生配合度等實(shí)際因素。

　　綜上所述，網(wǎng)傳所謂“DeepMind發(fā)布AI血檢系統(tǒng)，識(shí)別13種癌癥并獲FDA批準(zhǔn)”的說(shuō)法，目前并無(wú)公開(kāi)記錄，且缺乏任何可核實(shí)的權(quán)威來(lái)源。既未在公開(kāi)數(shù)據(jù)庫(kù)中找到該研究，也無(wú)FDA審批或醫(yī)院試點(diǎn)的官方信息。此外，DeepMind近年來(lái)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(yàn)證與監(jiān)管審批。