|
更多精彩内容，关注乌镇智库微信公众号（WUZHEN-INSTITUTE） 对人工智能而言，医疗领域一直被视为很有前景的应用领域。目前主要的应用包括临床决策支持、病人监控、医疗系统管理等多方面。 基于大型海量的数据库，AI 系统可以通过各种复杂的计算模型和机器学习技术，提炼出种种重要的信息，实现对部分病症的诊断，提高诊断准确率，比如在对皮肤癌症、白内障等疾病的诊断上，就已经有了不错的结果。 人工智能算法诊断癌症，不比人类医生差 斯坦福大学的研究人员开发了一种基于深度学习的算法，以便直观地诊断潜在的癌症。 “我们意识到这是可行的，而且可以做得像人类皮肤科医生一样好。”斯坦福人工智能实验室的副教授 Sebastian Thrun 说，“就在那时，我们的想法改变了。也就在那时，我们说，‘看呐，这不仅仅是一个学生的课程，这是一个机会，为人类做出伟大贡献的机会。’” 研究人员与斯坦福医学院研究人员运用了 CUDA，TITAN X GPU 和 cuDNN进行深度学习工作，同时，他们用了代表超过2000种不同皮肤疾病的13000张的图像，来训练他们的深卷积神经网络。 图像深卷积神经网络——数据流从左到右 “我们没有足够大的皮肤癌数据集可以训练我们的算法，所以我们不得不做我们自己的数据。” Brett Kuprel —— Thrun 实验室的毕业生，也是此篇论文的合著者这样说，“我们从互联网上收集图像，并与医学院合作创建了一个分类法。搜集到的数据非常混乱，光标签就有多种语言，包括德语，阿拉伯语和拉丁语。” 在测试中，AI 算法匹配了21个不同专业的皮肤科医生。合格测试通过三个关键的诊断任务进行评估：角化细胞恶性肿瘤分类，黑素瘤分类，以及使用皮肤镜观察时的黑素瘤分类。该团队希望这个算法与智能手机有朝一日得以兼容。但他们也承认在此之前，系统还需要在临床环境上进行更多的测试。 除了诊断癌症，放射诊断也能用人工智能 类似的工作并不只是斯坦福大学的研究员在做，来自中国、美国其它机构组织的科学家和研究员也在尝试类似的研究。 美国国家卫生研究院（NIH）的科学家 Le Lu 和他的团队同样借助深度学习技术，用近百万患者病例训练他们的模型。这有助于他们建立更好的医疗图像理解工具和成像的生物标志物，从而更精确地检查癌症治疗工作的进展。 同样来自 NIH 的高级研究员 Ronald Summers 则分享了不同的研究方向，即如何通过先进的计算机技术提高放射诊断的准确度，以此来改善患者护理。 他的研究小组利用深度学习帮助医生做出更准确的诊断，减少错误的几率，同时还能帮助医疗条件薄弱，得不到先进的放射科服务的人群。 Ronald Summers 说：“通过深度学习和 GPU 加速，我们对这些计算机程序的性能都进行了大幅度改进，使程序的性能越来越接近普通医生的水平。 这个深度学习算法，诊断眼疾准确率超过90% 来自中国的眼科专家和科学家则开发了一种深度学习算法，用于识别先天性白内障。要知道全球失明的儿童中有10%是因为这种罕见的眼病。 研究人员提到，这个算法将帮助人类，而不是代替人类：“对于医生来说，这些技术还没有100％的把握能确定最佳的治疗方案。因此医生应该更为合理地利用机器给出的建议，以识别和防止潜在的误判，并补充自己的诊断。” 这个算法对疾病诊断的准确率超过90％。 他们使用三种不同的卷积神经网络进行白内障识别任务。第一种用于筛查普通人群的患者，第二种用于白内障患者的“风险分层”，第三种用于帮助眼科医生进行治疗决策。 这三种都借助于他们的云平台—— CC-Cruiser，它能够在15秒内向眼科医生提供诊断结果以及适当的治疗建议。 目前，这套方法已被用于三家非专业协作医院，以进一步验证临床实施的可行性。 生命是应该被尊重与保护的，因而医疗领域在面对尖端技术时，必然要报以谨慎的态度。在将AI用于常规临床实践之前，更加严格的临床试验还应当继续。 更多精彩内容，关注乌镇智库微信公众号（WUZHEN-INSTITUTE） 编译：王冰冰、韦彬 来源：Nvidia Developer |
|
|
