谷歌宣布合并DeepMind Health部門，作為新成立的Google Health的一部分。谷歌內部醫療AI項目正在重組，由新任醫療戰略負責人、醫療界大咖David Feinberg帶領。

谷歌在醫療方面的雄心正在迅速形成。

作為正在進行的醫療保健工作重組的一部分，谷歌宣布它正在吸收DeepMind Health，這是位于倫敦的AI實驗室DeepMind的一部分。

DeepMind在今天發表的博客文章中表示：“我們很高興地宣布，Streams團隊將加入谷歌?！盨treams是DeepMind開發的一個醫療App。

Streams app

DeepMind的創始人表示，這對DeepMind來說是一個“重大里程碑”，有助于讓Streams應用程序成為“醫生和護士的AI助理”，將“最好的算法和最直觀的設計相結合”。目前，這款應用已經在英國試用，幫助醫護人員管理患者。

DeepMind表示，Streams團隊將繼續留在倫敦， 由前NHS外科醫生和研究專家Dominic King博士帶領，并致力于與英國國家醫療服務體系(NHS)持續開展合作。其中包括許多雄心勃勃的研究項目，比如使用AI在常規掃描中發現眼部疾病。

至于DeepMind Health，該子公司將不再作為獨立品牌存在，并入到谷歌旗下，成為該公司最近成立的Google Health的一部分。DeepMind的其他部門仍將保持獨立。

鑒于DeepMind與NHS之間的早期交易在英國引起不滿，這一消息可能存在爭議。英國數據監管機構在2017年裁定，DeepMind與NHS達成的合作關系是非法的，因為個人沒有被告知他們的醫療數據將如何被使用。

在英國，隱私擁護者們一直擔心的另一個問題是，谷歌可能會獲得這些醫療數據。根據CNBC的報道，DeepMind內部建立的負責監督醫療工作的獨立審查委員會可能會因此而被關閉。

另一方面，這一舉動清楚地表明了谷歌在醫療領域的雄心，以及它希望充分利用對這家倫敦AI實驗室的收購。據報道，DeepMind和谷歌之間長期存在緊張關系，谷歌希望將DeepMind的工作商業化。而與谷歌相比，DeepMind將自己定位為一個致力于長期研究的機構，并在此過程中吸引了一批世界上最優秀的AI人才。

Jeff Dean欽點：谷歌挖來新醫療戰略負責人

與DeepMind的其他部門相比，DeepMind Health已經開展的工作更直接、更實用，這可能是吸引上周成為Google Health新任CEODavid Feinberg的理由。

Feinberg的新任務是重組谷歌在醫療領域的所有工作，從硬件到算法。顯然，只要有必要，這些重組還將包括吸收Alphabet的其他部分。

David Feinberg

上周，谷歌宣布任命醫療界大咖DavidFeinberg為醫療戰略負責人，領導Google Health團隊，直接向谷歌人工智能主管Jeff Dean匯報。

DavidFeinberg此前是美國頂級醫療保健機構Geisinger的CEO。據知情人士透露，谷歌搜尋這一人選的工作已經進行了數月。

知情人士表示，谷歌人工智能主管Jeff Dean一直在深入參與這一過程，并親自面試應聘者。一些候選人包括健康咨詢、醫院管理和保險領域的領導者。該職位將向Jeff Dean匯報，但也將與谷歌首席執行官Sundar Pichai密切合作。

Feinberg將負責研究如何整合谷歌內部分散的醫療健康項目，這些項目在該公司旗下許多不同的業務部門之間相互重疊。谷歌內部涉及醫療保健研究的部門包括谷歌核心的搜索部門、云業務部門、AI研究部門Google Brain、Nest家庭自動化部門和谷歌Fit可穿戴設備部門等。

谷歌和DeepMind的主要醫療AI成果

眼疾：DeepMind AI系統可檢測50余種眼疾，準確率高于眼科專家

DeepMind 8月在Nature Medicine上發表一項里程碑式的醫療AI研究成果，它的AI系統能夠對常規臨床實踐中的眼球掃描結果進行快速診斷，可識別50余種眼部疾病，準確率與眼科專家一樣出色，甚至更好。

在 997 名患者的掃描影像上進行的測試中，DeepMind 的算法在轉診推薦的準確度比摩爾菲爾茨眼科醫院的 8 名視網膜?？漆t生表現得更好——DeepMind 算法的錯誤率為 5.5%，而 8 名人類醫生的錯誤率在 6.7% 到 24.1% 之間；如果向人類醫生提供患者的背景信息，人類醫生的錯誤率降低到 5.5% 到 13.1% 之間，結果與 AI 的水平相當或稍差。

乳腺癌：谷歌AI在轉移性乳腺癌檢測的準確率已達99%

Google AI部門與圣地亞哥海軍醫療中心合作開發一種新的檢測方案，采用癌癥檢測算法，能夠自動評估淋巴結活檢。這個AI系統被稱為“淋巴結助手”(簡稱LYNA)。

在《美國外科病理學雜志》中，他們針對這個系統發表了“基于人工智能的乳腺癌淋巴結轉移檢測”論文。在轉移性乳腺癌的檢測精度測試中，LYNA的準確率達到99%，超過了人類專家的檢測準確率。

心血管疾?。汗雀鐰I使用深度學習分析視網膜圖像，以此預測心血管疾病突發的風險

谷歌的研究人員在《自然》子刊Nature Biomedical Engineering發表的《使用深度學習從視網膜基底照片中預測心血管危險因子》中，證明除了檢測眼病外，眼睛的醫學圖像還可以非常準確地預測心血管健康的其他指標。

使用深度學習來獲得人體解剖學和疾病變化之間的聯系，這是人類醫生此前完全不知道的診斷和預測方法，不僅能幫助科學家生成更有針對性的假設，還可能代表了科學發現的新方向。