發(fā)布日期：2017-07-19
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(xué)習(xí)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，它可以幫助人們對可能致死的心律不齊的癥狀做出更好的判斷，防患于未然。此外，它還能夠在醫(yī)療資源較為匱乏的地區(qū)提供良好的醫(yī)護服務(wù)。
看來吳恩達從百度離職以后加入Drive.ai，也對人工智能在醫(yī)療上的應(yīng)用產(chǎn)生了興趣。
近年來，科學(xué)家們已經(jīng)發(fā)現(xiàn)了通過分析醫(yī)療影像，機器學(xué)習(xí)在治療諸多疑難雜癥中所發(fā)揮的寶貴價值，如皮膚癌、眼科疾病和乳腺癌。
“看到人們能這么迅速地轉(zhuǎn)變觀念，接受深度學(xué)習(xí)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(zhǔn)確的診斷的事實時，我感到相當(dāng)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(xué)術(shù)研究。
斯坦福大學(xué)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(xué)習(xí)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(yán)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。
與心電圖設(shè)備制造商iRhythm合作
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)。
為了評估算法的準(zhǔn)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(xué)家從中抽取了三位專家的結(jié)果作為參考。
深度學(xué)習(xí)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，并不斷優(yōu)化直到能準(zhǔn)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，產(chǎn)生了表現(xiàn)優(yōu)于人類的語音識別和圖像識別的產(chǎn)品。這么來看，將深度學(xué)習(xí)技術(shù)轉(zhuǎn)移到醫(yī)療圖像的識別上，顯得再自然不過了。
用來收集數(shù)據(jù)的便攜心電圖設(shè)備
身兼微軟搜索部門主管、職業(yè)醫(yī)師和機器學(xué)習(xí)專家三個身份的Eric Horvitz提到，來自MIT和密歇根大學(xué)(University of Michigan)的另外兩個團隊也在專攻利用機器學(xué)習(xí)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(xué)習(xí)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(xué)習(xí)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。
優(yōu)質(zhì)的數(shù)據(jù)仍然是國外團隊的重要問題
在上文中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。
斯坦福的研究人員正在開展對于算法的訓(xùn)練
不過不同于圖像、語音識別這種相對輕松且更貼近生活的應(yīng)用領(lǐng)域，在醫(yī)療健康這種可能生死攸關(guān)的應(yīng)用層面，應(yīng)用AI面對的一大挑戰(zhàn)就是取得醫(yī)生和患者的信任。
對于非AI領(lǐng)域的專家來說，這些算法很容易顯得高深而晦澀。有時甚至帶領(lǐng)項目前進的人工智能專家，都無法完全掌握算法的運行機制。而具體到深度學(xué)習(xí)上，其更是整個機器學(xué)習(xí)中都算得上模糊難懂的分支。
如何讓醫(yī)師和患者相信這些機制復(fù)雜的冰冷計算機能做出最有利于他們身體健康的判斷，將是AI從業(yè)者所面臨的的一大難題。
盡管如此，吳恩達依然堅信醫(yī)療領(lǐng)域的大革命即將帶來。
“我們面前還要好很多工作需要著手處理，來使得這些算法進入醫(yī)療系統(tǒng)的工作流程。”他說道，“但我堅信十年內(nèi)，醫(yī)療行業(yè)將會更多地應(yīng)用到AI，變得和今天十分不同。”
來源：36氪
