一組由吳恩達博士帶領(lǐng)的斯坦福研究人員開(kāi)發(fā)了一個(gè)新的機器學(xué)習模型，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(lèi)專(zhuān)家。

這一可自動(dòng)作出診斷的新方法對于日常醫療意義重大，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，它還能夠在醫療資源較為匱乏的地區提供良好的醫護服務(wù)。

看來(lái)吳恩達從百度離職以后加入Drive．a(chǎn)i，也對人工智能在醫療上的應用產(chǎn)生了興趣。

吳恩達進(jìn)軍AI醫療領(lǐng)域：通過(guò)心電圖可判斷患者是否心律不齊

近年來(lái)，科學(xué)家們已經(jīng)發(fā)現了通過(guò)分析醫療影像，機器學(xué)習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變觀(guān)念，接受深度學(xué)習在某些垂直醫療領(lǐng)域可以做出比專(zhuān)業(yè)醫師更為準確的診斷的事實(shí)時(shí)，我感到相當欣慰。”吳恩達在一封電子郵件中這樣說(shuō)道。此外他還補充到，看到研究人員已經(jīng)開(kāi)始開(kāi)拓醫療AI在除了以心電圖為代表的圖像數據之外新領(lǐng)域的應用，也十分令人激動(dòng)。

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(lái)繼續進(jìn)行自己的學(xué)術(shù)研究。

斯坦福大學(xué)的研究團隊訓練了一個(gè)用來(lái)甄別心電圖數據中各式各樣不規則心跳的機器學(xué)習算法。部分心律不齊現象可以導致心臟驟停在內的諸多嚴重健康問(wèn)題，但是這些信號通常難以捕捉，病人們不得不連續數周佩戴心電圖監測器以確保安全。

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)候醫術(shù)高超的醫生也很難在良性和惡性心率不穩中做出判斷。

吳恩達進(jìn)軍AI醫療領(lǐng)域：通過(guò)心電圖可判斷患者是否心律不齊

與心電圖設備制造商iRhythm合作

研究團隊和可攜帶心電圖設備制造商iRhythm達成了合作，他們從患有各類(lèi)心律不齊的病人身上收集了三萬(wàn)份長(cháng)達30秒的心電圖數據。

為了評估算法的準確性，團隊還請來(lái)了五位不同背景的心血管專(zhuān)家，讓他們和AI對300份未經(jīng)過(guò)檢測的數據進(jìn)行判斷?？茖W(xué)家從中抽取了三位專(zhuān)家的結果作為參考。

深度學(xué)習包含了將大量數據填充到龐大復雜的模擬神經(jīng)網(wǎng)絡(luò )之中的過(guò)程，并不斷優(yōu)化直到能準確識別有問(wèn)題的心電圖信號。

該方法在識別復雜圖片和音頻的過(guò)程中已經(jīng)發(fā)展得十分成熟，產(chǎn)生了表現優(yōu)于人類(lèi)的語(yǔ)音識別和圖像識別的產(chǎn)品。這么來(lái)看，將深度學(xué)習技術(shù)轉移到醫療圖像的識別上，顯得再自然不過(guò)了。

吳恩達進(jìn)軍AI醫療領(lǐng)域：通過(guò)心電圖可判斷患者是否心律不齊

用來(lái)收集數據的便攜心電圖設備

身兼微軟搜索部門(mén)主管、職業(yè)醫師和機器學(xué)習專(zhuān)家三個(gè)身份的EricHorvitz提到，來(lái)自MIT和密歇根大學(xué)（UniversityofMichigan）的另外兩個(gè)團隊也在專(zhuān)攻利用機器學(xué)習診斷心律不齊這個(gè)難題上。

如果我們把目光放得更為長(cháng)遠，機器學(xué)習通過(guò)結合大量毫不相關(guān)的數據進(jìn)行分析判斷，來(lái)搜查各類(lèi)疾病的蛛絲馬跡也是充滿(mǎn)想象力的一件事情。

用深度學(xué)習診斷心律不齊尚屬于A(yíng)I醫療領(lǐng)域較為簡(jiǎn)單的應用，如果把目光投到其他相對更為復雜的疾病上，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)的數據仍然是國外團隊的重要問(wèn)題

在上文中提到的利用人工智能進(jìn)行癌癥診斷的項目時(shí)，帶領(lǐng)團隊的MIT教授ReginaBarzilay發(fā)現了制約醫療AI的重要問(wèn)題所在——優(yōu)秀的疾病數據的匱乏。

“你總是在焦躁地尋找信息，特別是數據。”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？”“疾病復發(fā)的概率是多少？”……

如果沒(méi)有可靠的臨床數據，你選擇的診斷將只能停留在純粹猜測的階段。

吳恩達進(jìn)軍AI醫療領(lǐng)域：通過(guò)心電圖可判斷患者是否心律不齊

斯坦福的研究人員正在開(kāi)展對于算法的訓練

不過(guò)不同于圖像、語(yǔ)音識別這種相對輕松且更貼近生活的應用領(lǐng)域，在醫療健康這種可能生死攸關(guān)的應用層面，應用AI面對的一大挑戰就是取得醫生和患者的信任。

對于非AI領(lǐng)域的專(zhuān)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)項目前進(jìn)的人工智能專(zhuān)家，都無(wú)法完全掌握算法的運行機制。而具體到深度學(xué)習上，其更是整個(gè)機器學(xué)習中都算得上模糊難懂的分支。

如何讓醫師和患者相信這些機制復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(zhù)手處理，來(lái)使得這些算法進(jìn)入醫療系統的工作流程。”他說(shuō)道，“但我堅信十年內，醫療行業(yè)將會(huì )更多地應用到AI，變得和今天十分不同。