深度学习方法已经能识别二维医学影像，实现疾病诊断，但其对复杂详细的三维影像的识别效果尚不明朗。容积成像技术已经协助从业医师完成了不少医疗诊断，将深度学习算法应用于三维影像识别和疾病诊断，有望进一步缩小这项技术与人类专家的差距。

此次美国伊坎医学院科学家埃里克·欧曼及其同事，使用全新卷积神经网络方法分析了37200多张头部CT扫描，不但对中风或出血等急性神经系统疾病发作实现了正确诊断，还通过模拟临床应用证实该系统能缩短诊断时间。

在另一项研究中，谷歌旗下人工智能子公司——“深度思维”（DeepMind）科学家奥拉夫·罗纳伯格及其同事，开发了一款深度学习架构，用于分析视网膜光学相干断层（OCT）扫描并诊断视网膜疾病，准确率高达95%。该系统可以分别进行三维影像分割和疾病诊断，对不同成像设备输出的复杂医学扫描都能作出准确判断。

而早在去年5月，“深度思维”就已宣布，包括其最知名的人工智能“阿法狗”在内，不再参加到人机大战竞技中去。团队将研发出广泛算法以投入应用，其中最重要的就是能“提供疾病治疗方案”的人工智能，并与全球最知名的眼科医院之一、伦敦摩菲眼科医院展开了为期两年的合作。

以上两项互补研究，将深度学习算法成功应用于三维医学影像的快速分析，意味着这些系统有望实现快速准确的诊断，从而帮助人类提升医疗工作效率。（张梦然）