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

不過前提是醫(yī)生和病人愿意接受和相信冰冷機(jī)器做出的決斷。

近來，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(dòng)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(hù)服務(wù)。

吳恩達(dá)博士的新成就，是機(jī)器學(xué)習(xí)正在開始顛覆醫(yī)療領(lǐng)域的最新標(biāo)志。

近年來，科學(xué)家們已經(jīng)發(fā)現(xiàn)了通過分析醫(yī)療圖片，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(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?！?/p>

吳恩達(dá)在一封電子郵件中這樣說道。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(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。

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份長達(dá)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(zhǔn)確性，團(tuán)隊(duì)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(jìn)行判斷。科學(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，并不斷修改優(yōu)化參數(shù)直到豈能準(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，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(xué)習(xí)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(jī)器學(xué)習(xí)專家三個(gè)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(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遠(yuǎn)，機(jī)器學(xué)習(xí)通過結(jié)合大量毫不相關(guān)的數(shù)據(jù)進(jìn)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(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(shí)甚至帶領(lǐng)項(xiàng)目前進(jìn)的人工智能專家，都無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。