近兩年來，無論是在語音識別、圖像識別還是文本理解，深度學(xué)習(xí)在醫(yī)療領(lǐng)域都有超乎想象的突破。

在語音識別領(lǐng)域，梅奧診所與以色列語音分析公司Beyond Verbal合作的研究發(fā)現(xiàn)13個語音特征和冠心病存在相關(guān)性，其中一個語音特征與冠心病存在強(qiáng)相關(guān)。

在自然語言處理領(lǐng)域，IBM的沃森機(jī)器人能夠在17秒內(nèi)，閱讀3469本醫(yī)學(xué)專著，248000篇論文，69種治療方案，61540次實(shí)驗(yàn)數(shù)據(jù)，106000份臨床報告，并根據(jù)醫(yī)生輸入的病人指標(biāo)信息，最終提出優(yōu)選的個性化治療方案。

與此同時，伴隨著計算機(jī)視覺的技術(shù)進(jìn)步，深度學(xué)習(xí)技術(shù)在醫(yī)療影像領(lǐng)域頻頻取得重大突破，人工智能除了教會機(jī)器如何“聽懂”和“讀懂”，更能教會機(jī)器“看懂”我們的世界，并在此基礎(chǔ)上協(xié)助醫(yī)生診斷疾病。醫(yī)療數(shù)據(jù)中有超過90%的數(shù)據(jù)來自醫(yī)療影像，醫(yī)療影像領(lǐng)域擁有孕育深度學(xué)習(xí)的海量數(shù)據(jù)，也存在著借助深度學(xué)習(xí)提高醫(yī)生“看片子”診斷的效率的需求。因此，在醫(yī)療影像領(lǐng)域，深度學(xué)習(xí)可能率先進(jìn)入臨床階段。

13萬張圖像的訓(xùn)練下，深度學(xué)習(xí)識別皮膚癌的準(zhǔn)確率媲美人類醫(yī)生

皮膚癌是人類最常見的惡性腫瘤，雖然它們出現(xiàn)在皮膚表面，但人們往往將其誤認(rèn)為是自然生長的“痣”，耽誤病情，確診后已為時過晚。奇點(diǎn)糕還記得，電影《非誠勿擾2》里面，孫紅雷飾演的李香山從小就長出來的一顆黑痣轉(zhuǎn)變成了惡性的黑色素瘤，最終不堪絕癥折磨的他選擇跳海自殺。

早期檢測到的黑色素瘤的 5 年生存率在 97% 左右，如果晚期查出 5 年生存率將會下降 14%，皮膚癌的早期發(fā)現(xiàn)可能會對其結(jié)果產(chǎn)生巨大的影響。對于皮膚癌的篩查，主要是通過視覺診斷。一般先進(jìn)行臨床篩查，之后可能進(jìn)行皮膚鏡分析、活檢和組織病理學(xué)研究。那么有沒有一種更簡單地方法篩查皮膚癌呢？或者說，能不能利用智能手機(jī)篩查皮膚癌？

借助深度卷積神經(jīng)網(wǎng)絡(luò)（CNN）技術(shù)，斯坦福大學(xué)的研究者讓這個設(shè)想更進(jìn)一步：研究者們在谷歌用于識別貓和狗算法的基礎(chǔ)上，經(jīng)過13萬張皮膚病變的圖像訓(xùn)練后，可用于識別皮膚癌。該系統(tǒng)與21位皮膚科醫(yī)生進(jìn)行的2輪的對比測試：角質(zhì)細(xì)胞癌與良性脂溢性角化病，以及惡性黑色素瘤和普通的痣。第一輪代表最常見的癌癥識別，第二輪代表了最致命的皮膚癌識別。深度卷積神經(jīng)網(wǎng)絡(luò)在這兩個任務(wù)上的表現(xiàn)都達(dá)到了所有接受測試的專家的水平，證明了這一人工智能系統(tǒng)的皮膚癌鑒定水平與皮膚科醫(yī)生相當(dāng)。這一研究成果發(fā)表在2017年1月份的Nature期刊上。