特稿 >

前沿热点 >

吴恩达最新研究成果:机器学习算法准确度大幅提升 可充当医生

吴恩达最新研究成果:机器学习算法准确度大幅提升 可充当医生

Xtecher编译 丨 前沿热点

12755
1838

2017-07-10

  大琴

Xtecher特稿作者

关注

也许不久之后,机器学习算法会和医生一样例行公事——挽救病人的生命。只要医生愿意在机器上建立更多的信任。

 

最近,由著名研究员吴恩达领导的斯坦福大学机器学习小组研发出一种新的深度学习算法,据Xtecher了解,该深度学习算法可以诊断14种类型的心律失常。同时,吴恩达团队表示,机器学习模型可以比专家更精确的诊断心律失常。

 

在日常的医疗方法诊断当中,通过自动化的方法来诊断可能致命的不规则心跳更可靠。该方法还可以更容易在资源匮乏的地区提供高质量的护理。

 

这项工作也是机器学习如何改革医学的最新标志。近几年来,研究人员已经表示,机器学习技术可以用来发现各种各样的疾病,比如乳腺癌,皮肤癌,以及从医学图像中看到的眼睛各种疾病等等。“我一直用深度学习诊断的准确性高于正常的医生来鼓励人们更快地接受深度学习技术”,吴恩达补充说,“看到研究员将目光从成像技术看向其他形式的数据(如ECG)是令人鼓舞的”。

 

斯坦福大学机器学习小组训练了一种深入学习算法,以识别ECG(心电图)数据中不同类型的不规则心跳。有些不正常现象可能导致严重的健康并发症,包括心源性猝死,但信号难以检测,因此患者经常被要求佩戴ECG传感器数周。即使是这样,医生也很难区分哪些是良性的,哪些可能需要治疗。

 

666.jpg

图注:斯坦福大学机器学习小组训练了一种深入学习算法,以识别ECG(心电图)数据中不同类型的不规则心跳

 

据Xtecher了解,斯坦福大学的研究员和iRhythm一起合作研究该项目,后者是一家制造便携式ECG设备的公司。他们一起合作,从各种心率失常的患者中收集了3万个30秒的ECG数据。为了评估该算法的准确性,研究员们提供了一组300个未诊断的ECG数据,并对其中5个不同的心脏病专家的表现进行了比较。最后,他们由三个心脏病专家组成的专家小组来会诊。使用这些带标注的数据,深度学习算法可以预测这些心脏病专家将如何标记其所呈现的其它ECG结果,然后对上述比较给出一个真实、可靠的诊断结果。


555.jpg

图注:研究人员使用便携式ECG设备,从不同的心律失常患者中收集3万个30秒的片段

 

深度学习算法将大量的数据纳入大型的模拟神经网络当中,并对其相关参数进行微调,知道气准确识别出有问题的ECG信号。据Xtecher了解,该方法已经被证明能够识别图像和音频中复杂模式,并且大多数情况下能超过心脏病专家。

 

微软研究院总经理、同时也是一名医学博士和机器学习专家埃里克·霍维茨(Eric Horvitz)表示,麻省理工学院(MIT)和密歇根大学(University of Michigan)的两家不同团队的研究员们正在应用机器学习来检测心律失常。

 

展望未来,机器学习仍然有潜力通过梳理大量不同的数据,找到治疗相应疾病的方法。

 

然而,我们的关键挑战将是如何说服医生和病人相信这些算法,毕竟这些算法通常是如此复杂(详细可见The Dark Secret at the Heart of AI)。深度学习是机器学习的一种特别不透明的形式,寻找一个更有解释性的方法对于建立算法信任和细节化处理都很重要。

 

尽管如此,吴恩达并不怀疑一场革命即将到来。他说:“我们仍在努力把这些算法应用到医疗系统的工作流程当中去,但是我认为和今天相比,10年后的医疗保健将会使用更多的人工智能,将会有更多的不同”。


原文链接:https://www.technologyreview.com/s/608234/the-machines-are-getting-ready-to-play-doctor/

所有版权属于原作者,本文仅出于传播资讯目的翻译转载。

打开微信“扫一扫”,打开网页后点击屏幕右上角分享按钮

账号登录

重置密码

还没有账号?立即注册>

账号注册

已有账号?立即登录>注册企业会员

重置密码

返回

绑定手机