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

　　如果我們把目光放得更為長遠，機器學習通過結合大量毫不相關的數(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。

　　用深度學習診斷心律不齊尚屬于AI醫(yī)療領域較為簡單的應用，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用領域，在醫(yī)療健康這種可能生死攸關的應用層面，應用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。而具體到深度學習上，其更是整個機器學習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)將會更多地應用到AI，變得和今天十分不同。”