吳恩達：AI已經(jīng)做好顛覆人類醫(yī)生的準備了

吳恩達 AI 人類醫(yī)生

人工智能資訊平臺 | 2017-07-12 14:23

【數(shù)據(jù)猿導(dǎo)讀】近來，一組由吳恩達博士帶領(lǐng)的斯坦福研究人員開發(fā)了一個新的機器學習模型，通過心電圖來判斷患者是否心律不齊，其效果甚至已經(jīng)超過了人類專家。

在生物角度上看毫無生氣的計算機算法，于危急中挽救人們性命的那一天已經(jīng)離我們不遠了。

不過前提是醫(yī)生和病人愿意接受和相信冰冷機器做出的決斷。

近來，一組由吳恩達博士帶領(lǐng)的斯坦福研究人員開發(fā)了一個新的機器學習模型，通過心電圖來判斷患者是否心律不齊，其效果甚至已經(jīng)超過了人類專家。

這一可自動作出診斷的新方法對于日常醫(yī)療意義重大，幫助人們對甚至可能致死的心律不整癥狀做出更好的判斷，防患于未然。此外，它還能夠在醫(yī)療資源較為匱乏的區(qū)域提供良好的醫(yī)護服務(wù)。

吳恩達博士的新成就，是機器學習正在開始顛覆醫(yī)療領(lǐng)域的最新標志。

近年來，科學家們已經(jīng)發(fā)現(xiàn)了通過分析醫(yī)療圖片，機器學習在治療諸多疑難雜癥中所發(fā)揮的寶貴價值，如乳腺癌、皮膚癌和眼科疾病。

看到人們能這么迅速地轉(zhuǎn)變觀念，接受深度學習在某些垂直醫(yī)療領(lǐng)域可以做出比專業(yè)醫(yī)師更為準確的診斷的事實時，我感到相當欣慰。

吳恩達在一封電子郵件中這樣說道。此外他還補充到，看到研究人員已經(jīng)開始開拓醫(yī)療 AI 在除了以心電圖為代表的圖像數(shù)據(jù)之外新領(lǐng)域的應(yīng)用，也十分令人激動。

在今年三月從百度離職后，吳恩達博士已經(jīng)回到了斯坦福來繼續(xù)進行自己的學術(shù)研究。

斯坦福大學的研究團隊訓(xùn)練了一個用來甄別心電圖數(shù)據(jù)中各式各樣不規(guī)則心跳的機器學習算法。部分心律不齊現(xiàn)象可以導(dǎo)致心臟驟停在內(nèi)的諸多嚴重健康問題，但是這些信號通常難以捕捉，病人們不得不連續(xù)數(shù)周佩戴心電圖監(jiān)測器以確保安全。

重要而坑爹的一點是，由于心律不齊自身的特性，很多時候醫(yī)術(shù)高超的醫(yī)生也很難在良性和惡性心率不穩(wěn)中做出判斷。

研究團隊和可攜帶心電圖設(shè)備制造商 iRhythm 達成了合作，他們從患有各類心律不齊的病人身上收集了三萬份長達 30 秒的心電圖數(shù)據(jù)。

用來收集數(shù)據(jù)的便攜心電圖設(shè)備

為了評估算法的準確性，團隊還請來了五位不同背景的心血管專家，讓他們和 AI 對 300 份未經(jīng)過檢測的數(shù)據(jù)進行判斷?？茖W家從中抽取了三位專家的結(jié)果作為參考。

深度學習包含了將大量數(shù)據(jù)填充到龐大復(fù)雜的模擬神經(jīng)網(wǎng)絡(luò)之中的過程，并不斷修改優(yōu)化參數(shù)直到豈能準確識別有問題的心電圖信號。

該方法在識別復(fù)雜圖片和音頻的過程中已經(jīng)發(fā)展得十分成熟，引領(lǐng)了表現(xiàn)優(yōu)于人類的語音識別和圖像識別產(chǎn)品的出現(xiàn)。這么來看，將深度學習技術(shù)轉(zhuǎn)移到醫(yī)療圖像的識別上，也顯得再自然不過了。

身兼微軟搜索部門主管、職業(yè)醫(yī)師和機器學習專家三個身份的 Eric Horvitz 提到，來自 MIT 和密歇根大學(University of Michigan)的另外兩個團隊也在專攻利用機器學習診斷心律不齊這個難題上。

如果我們把目光放得更為長遠，機器學習通過結(jié)合大量毫不相關(guān)的數(shù)據(jù)進行分析判斷，來搜查各類疾病的蛛絲馬跡也是充滿想象力的一件事情。

用深度學習診斷心律不齊尚屬于 AI 醫(yī)療領(lǐng)域較為簡單的應(yīng)用，如果我們把目光投到其他相對更為復(fù)雜的疾病上，我們將看到十分不同的光景;更重要的是，需要將更多的問題納入考慮范圍。

在上文提到的利用人工智能進行癌癥診斷的項目時，帶領(lǐng)團隊的 MIT 教授 Regina Barzilay 發(fā)現(xiàn)了制約醫(yī)療 AI 的重要問題所在優(yōu)秀的疾病數(shù)據(jù)的匱乏。

你總是在焦躁地尋找信息，特別是數(shù)據(jù)，她說道，我是該用這種藥還是另外一種這是最好的療法么疾病復(fù)發(fā)的概率是多少

如果沒有可靠的臨床數(shù)據(jù)，你選擇的診斷將只能停留在純粹猜測的階段。