發(fā)布日期：2017-07-19
近來(lái)，一組由吳恩達(dá)博士帶領(lǐng)的斯坦福研究人員開發(fā)了一個(gè)新的機(jī)器學(xué)習(xí)模型，通過(guò)心電圖來(lái)判斷患者是否心律不齊，其效果甚至已經(jīng)超過(guò)了人類專家。
這一可自動(dòng)作出診斷的新方法對(duì)于日常醫(yī)療意義重大，它可以幫助人們對(duì)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(hù)服務(wù)。
看來(lái)吳恩達(dá)從百度離職以后加入Drive.ai，也對(duì)人工智能在醫(yī)療上的應(yīng)用產(chǎn)生了興趣。
近年來(lái)，科學(xué)家們已經(jīng)發(fā)現(xiàn)了通過(guò)分析醫(yī)療影像，機(jī)器學(xué)習(xí)在治療諸多疑難雜癥中所發(fā)揮的寶貴價(jià)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(shí)時(shí)，我感到相當(dāng)欣慰。”吳恩達(dá)在一封電子郵件中這樣說(shuō)道。此外他還補(bǔ)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(dòng)。
在今年三月從百度離職后，吳恩達(dá)博士已經(jīng)回到了斯坦福來(lái)繼續(xù)進(jìn)行自己的學(xué)術(shù)研究。
斯坦福大學(xué)的研究團(tuán)隊(duì)訓(xùn)練了一個(gè)用來(lái)甄別心電圖數(shù)據(jù)中各式各樣不規(guī)則心跳的機(jī)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(wèn)題，但是這些信號(hào)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(cè)器以確保安全。
重要而坑爹的一點(diǎn)是，由于心律不齊自身的特性，很多時(shí)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(tuán)隊(duì)和可攜帶心電圖設(shè)備制造商iRhythm達(dá)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(wàn)份長(zhǎng)達(dá)30秒的心電圖數(shù)據(jù)。
為了評(píng)估算法的準(zhǔn)確性，團(tuán)隊(duì)還請(qǐng)來(lái)了五位不同背景的心血管專家，讓他們和AI對(duì)300份未經(jīng)過(guò)檢測(cè)的數(shù)據(jù)進(jìn)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(guò)程，并不斷優(yōu)化直到能準(zhǔn)確識(shí)別有問(wèn)題的心電圖信號(hào)。
該方法在識(shí)別復(fù)雜圖片和音頻的過(guò)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(yǔ)音識(shí)別和圖像識(shí)別的產(chǎn)品。這么來(lái)看，將深度學(xué)習(xí)技術(shù)轉(zhuǎn)移到醫(yī)療圖像的識(shí)別上，顯得再自然不過(guò)了。
用來(lái)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(jī)器學(xué)習(xí)專家三個(gè)身份的Eric Horvitz提到，來(lái)自MIT和密歇根大學(xué)(University of Michigan)的另外兩個(gè)團(tuán)隊(duì)也在專攻利用機(jī)器學(xué)習(xí)診斷心律不齊這個(gè)難題上。 如果我們把目光放得更為長(zhǎng)遠(yuǎn)，機(jī)器學(xué)習(xí)通過(guò)結(jié)合大量毫不相關(guān)的數(shù)據(jù)進(jìn)行分析判斷，來(lái)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(jiǎn)單的應(yīng)用，如果把目光投到其他相對(duì)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(wèn)題納入考慮范圍。
優(yōu)質(zhì)的數(shù)據(jù)仍然是國(guó)外團(tuán)隊(duì)的重要問(wèn)題
在上文中提到的利用人工智能進(jìn)行癌癥診斷的項(xiàng)目時(shí)，帶領(lǐng)團(tuán)隊(duì)的MIT教授Regina Barzilay發(fā)現(xiàn)了制約醫(yī)療AI的重要問(wèn)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(shuō)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(cè)的階段。
斯坦福的研究人員正在開展對(duì)于算法的訓(xùn)練
不過(guò)不同于圖像、語(yǔ)音識(shí)別這種相對(duì)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(duì)的一大挑戰(zhàn)就是取得醫(yī)生和患者的信任。
對(duì)于非AI領(lǐng)域的專家來(lái)說(shuō)，這些算法很容易顯得高深而晦澀。有時(shí)甚至帶領(lǐng)項(xiàng)目前進(jìn)的人工智能專家，都無(wú)法完全掌握算法的運(yùn)行機(jī)制。而具體到深度學(xué)習(xí)上，其更是整個(gè)機(jī)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(jī)制復(fù)雜的冰冷計(jì)算機(jī)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(dá)依然堅(jiān)信醫(yī)療領(lǐng)域的大革命即將帶來(lái)。
“我們面前還要好很多工作需要著手處理，來(lái)使得這些算法進(jìn)入醫(yī)療系統(tǒng)的工作流程。”他說(shuō)道，“但我堅(jiān)信十年內(nèi)，醫(yī)療行業(yè)將會(huì)更多地應(yīng)用到AI，變得和今天十分不同。”
來(lái)源：36氪
