人工智能和機(jī)器學(xué)習(xí)或?qū)?duì)醫(yī)療工作者和患者產(chǎn)生革命性的影響

當(dāng)谷歌DeepMind的AlphaGo在2016年令人震驚地?fù)魯髌鎳暹x手李世石（Lee Sedol）時(shí)，人工智能（AI）、機(jī)器學(xué)習(xí)和深度學(xué)習(xí)等術(shù)語被推入了技術(shù)主流。

人工智能通常被定義為電腦或機(jī)器展示或模擬智能行為的能力，比如特斯拉（Tesla）的自動(dòng)駕駛汽車和蘋果（apple）的數(shù)字助理Siri。這是一個(gè)蓬勃發(fā)展的領(lǐng)域，也是許多研究和投資的重點(diǎn)。機(jī)器學(xué)習(xí)是人工智能系統(tǒng)從原始數(shù)據(jù)中提取信息，并從新數(shù)據(jù)中學(xué)習(xí)預(yù)測(cè)的能力。深度學(xué)習(xí)將人工智能與機(jī)器學(xué)習(xí)相結(jié)合。它關(guān)注的算法靈感來自于大腦的結(jié)構(gòu)和功能，稱為人工神經(jīng)網(wǎng)絡(luò)。

最近，深度學(xué)習(xí)在消費(fèi)者世界和整個(gè)醫(yī)學(xué)界都受到了廣泛關(guān)注。Alex Krizhevsky設(shè)計(jì)的神經(jīng)網(wǎng)絡(luò)AlexNet獲得了2012年ImageNet大型視覺識(shí)別挑戰(zhàn)賽（ImageNet Large Scale Visual Recognition Challenge）的冠軍，這是一項(xiàng)年度圖像分類競(jìng)賽。另一個(gè)相對(duì)較新的進(jìn)展是使用圖形處理單元（graphical processing units， GPUs）來支持深度學(xué)習(xí)算法。GPUs擅長(zhǎng)深度學(xué)習(xí)應(yīng)用程序所需的計(jì)算（乘法和加法），從而降低了應(yīng)用程序的處理時(shí)間。

在薩斯喀徹溫大學(xué)的實(shí)驗(yàn)室里，研究人員正在進(jìn)行與醫(yī)療保健應(yīng)用相關(guān)的有趣的深度學(xué)習(xí)研究——作為一名電氣和計(jì)算機(jī)工程教授，Seokbum Ko教授領(lǐng)導(dǎo)著這個(gè)研究團(tuán)隊(duì)。在醫(yī)療保健方面，使用人工智能或機(jī)器學(xué)習(xí)進(jìn)行診斷是一項(xiàng)新技術(shù)，已經(jīng)取得了令人興奮和充滿希望的進(jìn)展。

提取眼睛里的血管

視網(wǎng)膜血管異常是診斷糖尿病和心臟病的重要手段。為了提供可靠和有意義的醫(yī)學(xué)信息，醫(yī)生必須從視網(wǎng)膜圖像中提取視網(wǎng)膜血管進(jìn)行可靠和有意義的解釋。雖然手工分割是可能的，但它是一項(xiàng)復(fù)雜、耗時(shí)、繁瑣的工作，需要較高的專業(yè)技能。這個(gè)研究團(tuán)隊(duì)已經(jīng)開發(fā)出一種系統(tǒng)，可以通過讀取原始視網(wǎng)膜圖像來分割視網(wǎng)膜血管。它是一種計(jì)算機(jī)輔助診斷系統(tǒng)，減少了眼科護(hù)理專家和眼科醫(yī)生的工作量，處理圖像的速度提高了10倍，同時(shí)保持了較高的準(zhǔn)確性。

檢測(cè)肺癌

計(jì)算機(jī)斷層掃描（CT）被廣泛應(yīng)用于肺癌的診斷。然而，由于CT掃描中良性（非癌性）和惡性（癌性）病變的視覺效果相似，因此CT掃描不能總是提供一個(gè)可靠的診斷。即使是有多年經(jīng)驗(yàn)的胸部放射科醫(yī)生也是如此。CT掃描分析的快速發(fā)展，迫切需要先進(jìn)的計(jì)算工具來協(xié)助放射科醫(yī)生進(jìn)行篩查。

為了提高放射科醫(yī)生的診斷能力，研究人員提出了一種深度學(xué)習(xí)的解決方案。根據(jù)他們的研究結(jié)果，他們的解決方案優(yōu)于有經(jīng)驗(yàn)的放射科醫(yī)生。此外，使用基于深度學(xué)習(xí)的解決方案總體上提高了診斷性能，經(jīng)驗(yàn)較少的放射科醫(yī)生從系統(tǒng)中獲益最大。

局限和挑戰(zhàn)

盡管深度學(xué)習(xí)算法已經(jīng)在放射學(xué)和醫(yī)學(xué)的各種任務(wù)中顯示出巨大的前景，但這些系統(tǒng)還遠(yuǎn)遠(yuǎn)不夠完美。獲取高質(zhì)量的帶注釋的數(shù)據(jù)集仍然是深度學(xué)習(xí)培訓(xùn)的一個(gè)挑戰(zhàn)。大多數(shù)計(jì)算機(jī)視覺研究是基于自然圖像的，但對(duì)于醫(yī)療保健應(yīng)用程序，我們需要大型的帶注釋的醫(yī)療圖像數(shù)據(jù)集。

從臨床角度來看，另一個(gè)挑戰(zhàn)將是測(cè)試深度學(xué)習(xí)技術(shù)與人類放射科醫(yī)生相比表現(xiàn)如何。醫(yī)生和機(jī)器學(xué)習(xí)科學(xué)家之間需要更多的合作。人類生理的高度復(fù)雜性也將對(duì)機(jī)器學(xué)習(xí)技術(shù)帶來挑戰(zhàn)。

另一個(gè)挑戰(zhàn)是驗(yàn)證用于臨床實(shí)施的深度學(xué)習(xí)系統(tǒng)的需求，這可能需要多機(jī)構(gòu)協(xié)作和大型數(shù)據(jù)集。最后，需要一個(gè)高效的硬件平臺(tái)來保證深度學(xué)習(xí)系統(tǒng)的快速處理。在復(fù)雜的醫(yī)療保健領(lǐng)域，人工智能工具可以支持人類從業(yè)者提供更快的服務(wù)和更準(zhǔn)確的診斷，并分析數(shù)據(jù)，以識(shí)別可能導(dǎo)致某人患上某種特定疾病的趨勢(shì)或遺傳信息。

當(dāng)節(jié)省時(shí)間就意味著挽救生命時(shí)，人工智能和機(jī)器學(xué)習(xí)可能會(huì)對(duì)醫(yī)療工作者和患者產(chǎn)生革命性的影響。