吳恩達進軍AI醫(yī)療領域：通過心電圖可判斷患者是否心律不齊

　　近來，一組由吳恩達博士帶領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，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。

　　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)療上的應用產生了興趣。

　　近年來，科學家們已經(jīng)發(fā)現(xiàn)了通過分析醫(yī)療影像，機器學習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變觀念，接受深度學習在某些垂直醫(yī)療領域可以做出比專業(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)之外新領域的應用，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)進行自己的學術研究。

　　斯坦福大學的研究團隊訓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)象可以導致心臟驟停在內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)填充到龐大復雜的模擬神經(jīng)網(wǎng)絡之中的過程，并不斷優(yōu)化直到能準確識別有問題的心電圖信號。

　　該方法在識別復雜圖片和音頻的過程中已經(jīng)發(fā)展得十分成熟，產生了表現(xiàn)優(yōu)于人類的語音識別和圖像識別的產品。這么來看，將深度學習技術轉移到醫(yī)療圖像的識別上，顯得再自然不過了。

　　用來收集數(shù)據(jù)的便攜心電圖設備

　　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。