只需要一张高精度的胸部透视照片，AI就能对“你是否会在未来5年内死亡”作出预测。
阿德莱德大学研究人员刚刚在《自然》杂志上发表的一篇论文展示了他们的最新成果。该系统通过一个深度学习系统，为48例患者的CT扫描照片进行了“未来5年是否会死亡”的诊断预测。预测精度为69％，与人类医生的准确度相似。
研究人员之一的流行病专家莱尔·帕尔默在接受采访时解释说，这些CT扫描照片中往往隐藏着一些即便是医学专家也无法破译和解读的某些躯体特征，而深度学习能够从中找出哪怕最微小的异常。
AI在诊断的这一阶段，其实与普通医生没有太大区别。在传统的临床检查过程中，医生通过自身的经验和在学校学到的知识去判断X光片中的哪些特征与疾病相关（比如冠状动脉的该化程度）。在辅以生活习惯、家族病史、年龄、性别等因素，人类医生在做出这种预测时的准确度通常在65%到75%之间。
AI做出这一预测的过程与人类医生一样，但区别主要在开始诊断的前一阶段，这让AI能够发现那些尚未被人类知识所验证的病理特征。
在以往，医学院需要大量的临床病例和可控实验才能够确定身体出现某一特征时，可能代表着某种疾病。但通过将大量“5年内死亡患者”的资料和其对应的数十万X光片输入深度学习系统，AI将能够对那些“人类医生看起来正常”的患者做出警告。
这意味着这个AI并不是在与某个具体的医生比拼医术，而是在对全人类的医疗诊断做出挑战。
但由于AI并不具备完整的医学知识，深度学习也不考虑人类生理背后的原理。AI在依靠自身建立的模型进行诊断时，更像是一种冷冰冰的预言。大多数深度学习的成果对于人类来说是黑箱的，所以AI做出的一些诊断甚至需要人类医学再进行仔细的研究才能理解其背后的致病逻辑。
但无论如何，这种技术将能够被用于提高对病人的早期发现和治疗中，因为大多数严重疾病的早期阶段都不具备特别明显的特征，一旦特征变得明显疾病已发展的比较严重。莱尔·帕尔默认为，医疗机构应该从现阶段开始鼓励保留和共享高清晰度的光学检测结果，并致力于类似的研究。
除了对重病的早期发现之外，深度学习诊断系统还可能攻破一个医学界多年以来的难题即慢性病、遗传病发病，比如糖尿病和心脏病。
在传统的医疗中，尽管可以通过基因检测和家族病史的分析，粗略的估算出一个人是否会得糖尿病或心脏病。但这只是徒增了潜在患者的心理担忧。
因为医生并不能更为精确的预测出某个人是否一定会发病或在什么情况什么时间发病，也不能准确预测一位已经患病的患者未来多久可能有生命危险。通过深度学习的诊断，医生希望能够准确的分析出一个拥有糖尿病家族史的高风险潜在患者是否会在未来5年中病发糖尿病，这将对慢性病的早期预防和治疗产生巨大的效果。
