近来，许多科学研究证实，人工智能在帮助医学专家更有效地诊断疾病方面，已取得显著进步。

最近的一项研究显示，AI在11位女性的乳腺X光检查中检测到了人类医师所忽视的早期乳腺癌迹象，其中一位成功通过AI拯救生命的女性，已经开始了康复之路。随着数据训练的深入，AI可逐步提高识别特定病症症状的能力，这恰是其优势所在。

深度学习先驱辛顿因两位妻子均因癌症离世而深感痛楚，他们在等待结果或面临模糊信息时所承受的心理煎熬，激励着他们致力于创新以改善病人的处境。

针对医疗专业人士在应用数据过程中的诸多问题，包括病历中的信息大量未被利用以及众多放射科医生对CT结果处理的差异等情况，AI的发展趋势令人鼓舞，有望降低类似悲剧发生的可能性。

在过去，由于人类医生可能会忽视早期癌症信号，使得部分早期患者无法及时确诊。英国广播公司近期报道称，AI成功检测到人类医师所忽略的早期乳腺癌。该研究中，名为Mia的 AI 工具在对11位女性的乳腺 X光片进行梳理后，成功找到了被人类医生遗漏的微小病变痕迹。

据进行此项研究的NHS机构的临床医生介绍，在分析超过10000名女性的乳腺X光检查数据后，Mia准确找出了所有存在癌症症状的个体，还发现了11例经人类医生未曾辨认出来的早期乳腺癌患者。“芭芭拉就是被AI成功标识为乳腺癌高风险的11名妇女之一，然而她的原始检查报告并未显示出明显异常。幸运的是，芭芭拉的病情得以被AI及早发现”，相关负责人表示。

芭芭拉所患的肿瘤仅为6毫米，因此在经过及时手术及后续治疗后，只需进行短时间的放疗便可恢复健康。同时，直径小于15毫米的早期乳腺癌患者5年内的生存率高达90%。然而若非AI技术的协助，芭芭拉的癌症可能会在未来三年左右才被确定，因为在此之前，她并未出现任何明显的症状。“我感觉自己真是太幸运了，相比那些需要接受更具侵袭性的治疗方法的家人，自己所承受的痛苦实在微不足道。”对此，芭芭拉感慨颇深。

此外，该项目的开发者透露，受益于AI极强的诊断效率，Mia有望将患者等待结果的时间压缩至正常周期的三分之一。虽然目前的测试案例仍由人工核实，但他预计将来有可能完全取代一名审阅医生，从而将工作量降至原来的一半。

为了训练出一台具备精确诊断癌症能力的AI医学助手，研究团队耗费了整整六年的时间进行研发。据悉，Mia借助于微软的云计算能力，并获取了来自全球范围内的数百万份女性乳腺X光检测样本作为训练依据。相比之下，一位经验丰富的乳腺癌医生全年通常只能完成约5000次的乳房扫描工作，每次最多可筛查出100张图像。

科学家近些年发现，通过应用AI技术构建患者的数字双胞胎，可有效地预测未来疾病的发展趋势。此类AI工具名为Foresight，主要运用生成式预训练Transformer技术，与著名的聊天GPT背后的LLM具有相似性。具体步骤如下，首先利用医学报告对模型加以训练，再向其输入新的医疗数据，进而打造出患者的虚拟替身。借助这一手段，可以预先获取关于患者未来可能患病以及所需用药的相关信息。

根据对美国数据的分析，数字孪生预测的精准度高达88％；然而，当涉及到英国国民医疗服务体系（NHS）的信息时，其精确度数值略显降低，分别为68％和76％。值得注意的是，近期研究人员研发出一款更为精确的新工具——Foresight 2，相关成果已于知名医学期刊《柳叶刀数字健康》上发布。

国王学院医院数据科学及人工智能主任詹姆斯·特奥是该研究的共同作者，他表示，这些数字双胞胎预测的准确性彰显了解读疾病的“全息图”的潜力。Teo先生说：“我们的生成式AI可以通过读取健康记录的文字信息来预测各类疾病、检测、药品、疗法或是并发症等多个领域的可能性。但遗憾的是，目前我们尚未建立完整真实人体的数字版本。”

然而，索菲亚知道推动整个过程面临诸多难度。首当其冲的就是技术层面的限制。实现这样复杂的仿真方案必须依赖尖端计算能力，例如目前全球最快的百万兆次级超级计算机 Frontier。即使是如此高性能的设备，其处理能力仍无法满足所需且产生大量能源消耗。此外，将虚拟身体各部位的代码协调集成在一起亦非易事。每一种元素，如细胞或者心脏都需要独立模拟且采用不同编码与执行速率。以此为基础，实现所有代码同步加载无疑是一项艰难任务。