一项大规模研究显示，深度学习系统在皮肤癌、糖尿病视网膜病变等多个医学影像诊断任务中，准确率已超过经验丰富的专业医生。
这一突破对于医疗资源不足的地区意义重大，AI辅助诊断有望缓解医生短缺问题，提高诊断效率和准确性。
不过，专家也指出AI诊断工具仍需在真实临床环境中进行更广泛的验证。
这些AI诊断系统的核心技术基于卷积神经网络（CNN），通过在数百万张标注医学影像上进行训练，系统能够识别出人类肉眼难以察觉的细微病变特征。在一项发表于《自然·医学》的研究中，AI系统在皮肤癌诊断中的准确率达到了94.5%，而参与测试的58位皮肤科医生的平均准确率为88%。
在糖尿病视网膜病变筛查方面，Google Health开发的AI系统已经在印度等国家的基层医疗机构投入使用，帮助缺乏眼科专家的地区进行早期筛查。类似的技术也在肺癌、乳腺癌的早期检测中展现出巨大潜力。
医疗行业领袖对此持积极态度。斯克里普斯研究所的Eric Topol博士表示，AI辅助诊断将开启医疗的新纪元。然而，数据隐私保护、算法偏见以及临床验证的充分性仍是需要解决的关键挑战。
专家预计，未来五年内，AI诊断工具有望成为医院和诊所的标准配置，与医生形成协作关系，让医生将更多精力投入到复杂病例和患者关怀中。