圖像識別技術(shù)(Facebook用于人臉識別或谷歌在圖像搜索中使用的同類技術(shù))是最適合人工智能的任務(wù)之一，特別是深度學(xué)習(xí)。如今，這項(xiàng)技術(shù)正迅速發(fā)展到這樣的地步：拯救生命等更崇高的抱負(fù)正在實(shí)現(xiàn)。

Infersight在實(shí)踐中如何使用大數(shù)據(jù)和人工智能

肺癌在我國每年奪去60多萬人的生命，其主要原因是空氣污染。對于肺癌，CT掃描圖像由放射科醫(yī)生檢查，以盡早發(fā)現(xiàn)癌癥征象。然而，在一個(gè)真正缺乏醫(yī)生，特別是合格的放射科醫(yī)生的現(xiàn)狀下，這可能意味著放射科醫(yī)生每天要費(fèi)力地進(jìn)行數(shù)百次掃描。這既費(fèi)時(shí)又費(fèi)力，而且坦率地說，相當(dāng)乏味。簡單的人為錯(cuò)誤，通常是由疲勞引起的，意味著犯了錯(cuò)誤，錯(cuò)過了重要的診斷。

這個(gè)問題啟發(fā)了醫(yī)學(xué)影像診斷創(chuàng)業(yè)公司Infersight的創(chuàng)始人陳寬，將他的工作重點(diǎn)放在了醫(yī)學(xué)領(lǐng)域的深度學(xué)習(xí)和圖像識別上。想用深度學(xué)習(xí)來緩解這個(gè)巨大的問題。如果我們能用它來學(xué)習(xí)過去，幫助診斷更準(zhǔn)確，我們可以幫助解決問題。

陳寬和兩名團(tuán)隊(duì)成員花了整整一年的時(shí)間在四川人民醫(yī)院進(jìn)行一個(gè)試點(diǎn)項(xiàng)目，學(xué)習(xí)如何將他們正在構(gòu)建的Inferview工具與現(xiàn)有的醫(yī)院系統(tǒng)集成在一起。在這一年里，他們開始訓(xùn)練和教授他們的算法。這需要使用來自以前掃描圖像的真實(shí)數(shù)據(jù)，以提高模型在肺部掃描中識別癌癥生長跡象的準(zhǔn)確性。

2015年，在試點(diǎn)成功后，Inferview獲得了投資，該項(xiàng)目擴(kuò)大到中國其他一些醫(yī)院。今天，該公司正在尋找國際合作伙伴，以進(jìn)一步幫助減輕世界各地放射科醫(yī)生的負(fù)擔(dān)。陳寬強(qiáng)調(diào)的是，Infersight的使命并不是消除對人類放射學(xué)家的需求。相反，它的技術(shù)旨在幫助放射科醫(yī)生，使他們能夠更準(zhǔn)確和有效地診斷癌癥。

在中國，每年只有8萬名放射科醫(yī)生需要接受14億次放射學(xué)掃描。通過人工智能和深度學(xué)習(xí)，我們可以加強(qiáng)這些醫(yī)生的工作。這項(xiàng)技術(shù)絕不會取代醫(yī)生，它的目的是消除許多高度重復(fù)性的工作，并賦予他們更快的工作速度。

技術(shù)細(xì)節(jié)

人工智能深度學(xué)習(xí)使用的是模仿人腦功能的深層神經(jīng)網(wǎng)絡(luò)，數(shù)據(jù)沿著節(jié)點(diǎn)的網(wǎng)絡(luò)傳遞，這些網(wǎng)絡(luò)在節(jié)點(diǎn)間移動(dòng)時(shí)根據(jù)它們正在處理的數(shù)據(jù)進(jìn)行調(diào)整。通過這種方式，神經(jīng)網(wǎng)絡(luò)可以更有效地處理接下來的數(shù)據(jù)，這些數(shù)據(jù)是基于它之前的數(shù)據(jù)而產(chǎn)生的。這種從數(shù)據(jù)中“學(xué)習(xí)”的能力，以及一個(gè)系統(tǒng)有效地教授自己的能力，正是深度學(xué)習(xí)如此強(qiáng)大的原因。

陳寬和他的團(tuán)隊(duì)使用了一種被稱為“監(jiān)督學(xué)習(xí)”的方法，這意味著使用已知結(jié)果的數(shù)據(jù)集(在這個(gè)例子中，是癌癥診斷)來“教”模型如何在未來作出反應(yīng)?；旧希覀兯龅木褪墙趟A(yù)測x射線是否正常。

你能復(fù)制的想法和洞察力

看到人工智能以這種方式被使用是令人興奮的，當(dāng)然，這正是機(jī)器所擅長的任務(wù);機(jī)器可以不停地工作，而不會感到無聊，也不會瞬間失去注意力。特別有趣的是，陳寬對人工智能技術(shù)的不同使用方法，增強(qiáng)了人類放射學(xué)家的工作，而不是取代他們。有這么多關(guān)于自動(dòng)化和對人類工作的威脅的故事，它及時(shí)地提醒我們?nèi)斯ぶ悄苁侨绾螏椭覀內(nèi)祟惛斆鞯毓ぷ鞯摹?