乍一看，这个研究确实像踢馆。不过仔细一想，确诊是离不开活检的，还有其他临床信息，而照片识别只是初筛。预计到2021年就会有63亿台智能手机装上这样的App，为大家进行皮肤癌的早期筛查了。

    NatureBiomedicalEngineering：罕见病的诊疗建议及监控

    上一篇研究提到，数据量越大，训练出来的AI就越准确。那么罕见病怎么办？原本就没有这么多病例，是不是可以退出江湖了？中山大学的研究者证明给你看，少量数据不仅一样可以达到很高的识别准确度，还可以进行风险分层、给出治疗建议，而且已经进入临床试验了！

    又是CNN算法，这回是识别先天性白内障（CongenitalCataract,CC），人群中发病率只有1%，还多出现于欠发达地区，医疗资源相对匮乏，于是需要更高效的监控。

    这位AI宝宝是有名字的，叫CC-Cruiser，即CC巡洋舰。它的训练数据库包括带有诊断标记的410张各种严重程度的CC图片和476张正常图片，那410张CC图片又各自带有严重程度标记（晶体混浊面积、密度、位置）和治疗建议（手术或随访）标记，就这么低调华丽有内涵。

    之后进行了多项验试。包括电脑模拟测试（insilicotest）、57例临床样本的临床试验、53例样本的网络图片测试，CC-Cruiser的表现都很令人满意。以人类专家意见为参考，对前两者的诊断准确率都在98%左右，网络图片质量参差不齐，但也达到了92.45%；对风险评估、诊断建议的判断也同样出色。接下来是有趣的“大海捞针试验”，模拟CC的发病率，混淆100张正常图片和1张CC图片让它识别，连测3组，CC-Cruiser都全部通关。最后在跟人类眼科医生的比拼中，不出意料地赢了。

    这么优秀的AI，给它发个规培证吧~研究者建立了一个云平台，来帮助非专科医院进行诊疗。

    地方医院里来了一位患者，他的人口学信息、联系方式连同眼科检查资料都一起上传到CC-Cruiser处理器和云平台，让它进行诊断、风险评估并给出治疗建议。如果建是手术，则同时给中国卫生部儿童白内障计划（CCPMOH）的专家发送提示进行人工确认，专家和地方医院、患者进行沟通，制定治疗计划。

    NatureBiomedicalEngineering：脑瘤的术中快速诊断

    图像识别除了CNN，还有别的算法。在一项关于脑瘤术中快速诊断的研究中，研究者用采一项叫受激拉曼散射显微镜（stimulatedRamanscattering,SRS）的技术，生成高度模拟传统的HE染色病理切片的新图像，称之为受激拉曼组织学（stimulatedRamanhistology,SRH）图像。病理医生对SRH图像和传统HE图像做了比较，确认了SRH的诊断作用。