吳恩達進(jìn)軍AI醫療領(lǐng)域：通過(guò)心電圖可判斷患者是否心律不齊

　　近來(lái)，一組由吳恩達博士帶領(lǐng)的斯坦福研究人員開(kāi)發(fā)了一個(gè)新的機器學(xué)習模型，通過(guò)心電圖來(lái)判斷患者是否心律不齊，其效果甚至已經(jīng)超過(guò)了人類(lèi)專(zhuān)家。

　　這一可自動(dòng)作出診斷的新方法對于日常醫療意義重大，它可以幫助人們對可能致死的心律不齊的癥狀做出更好的判斷，防患于未然。此外，它還能夠在醫療資源較為匱乏的地區提供良好的醫護服務(wù)。

　　看來(lái)吳恩達從百度離職以后加入Drive.ai，也對人工智能在醫療上的應用產(chǎn)生了興趣。

　　近年來(lái)，科學(xué)家們已經(jīng)發(fā)現了通過(guò)分析醫療影像，機器學(xué)習在治療諸多疑難雜癥中所發(fā)揮的寶貴價(jià)值，如皮膚癌、眼科疾病和乳腺癌。

　　“看到人們能這么迅速地轉變觀(guān)念，接受深度學(xué)習在某些垂直醫療領(lǐng)域可以做出比專(zhuān)業(yè)醫師更為準確的診斷的事實(shí)時(shí)，我感到相當欣慰。”吳恩達在一封電子郵件中這樣說(shuō)道。此外他還補充到，看到研究人員已經(jīng)開(kāi)始開(kāi)拓醫療AI在除了以心電圖為代表的圖像數據之外新領(lǐng)域的應用，也十分令人激動(dòng)。

　　在今年三月從百度離職后，吳恩達博士已經(jīng)回到了斯坦福來(lái)繼續進(jìn)行自己的學(xué)術(shù)研究。

　　斯坦福大學(xué)的研究團隊訓練了一個(gè)用來(lái)甄別心電圖數據中各式各樣不規則心跳的機器學(xué)習算法。部分心律不齊現象可以導致心臟驟停在內的諸多嚴重健康問(wèn)題，但是這些信號通常難以捕捉，病人們不得不連續數周佩戴心電圖監測器以確保安全。

　　重要而坑爹的一點(diǎn)是，由于心律不齊自身的特性，很多時(shí)候醫術(shù)高超的醫生也很難在良性和惡性心率不穩中做出判斷。

　　與心電圖設備制造商iRhythm合作

　　研究團隊和可攜帶心電圖設備制造商iRhythm達成了合作，他們從患有各類(lèi)心律不齊的病人身上收集了三萬(wàn)份長(cháng)達30秒的心電圖數據。

　　為了評估算法的準確性，團隊還請來(lái)了五位不同背景的心血管專(zhuān)家，讓他們和AI對300份未經(jīng)過(guò)檢測的數據進(jìn)行判斷?？茖W(xué)家從中抽取了三位專(zhuān)家的結果作為參考。

　　深度學(xué)習包含了將大量數據填充到龐大復雜的模擬神經(jīng)網(wǎng)絡(luò )之中的過(guò)程，并不斷優(yōu)化直到能準確識別有問(wèn)題的心電圖信號。

　　該方法在識別復雜圖片和音頻的過(guò)程中已經(jīng)發(fā)展得十分成熟，產(chǎn)生了表現優(yōu)于人類(lèi)的語(yǔ)音識別和圖像識別的產(chǎn)品。這么來(lái)看，將深度學(xué)習技術(shù)轉移到醫療圖像的識別上，顯得再自然不過(guò)了。

　　用來(lái)收集數據的便攜心電圖設備

　　身兼微軟搜索部門(mén)主管、職業(yè)醫師和機器學(xué)習專(zhuān)家三個(gè)身份的Eric Horvitz提到，來(lái)自MIT和密歇根大學(xué)(University of Michigan)的另外兩個(gè)團隊也在專(zhuān)攻利用機器學(xué)習診斷心律不齊這個(gè)難題上。