小演算法，大能力，吳恩達在斯坦福的新發明或讓AI取代醫生

不久前，一種計算機演算法在醫學界搞了一個大新聞，如果這種演算法投入使用，可能會在醫學界掀起一輪新的技術革命。這種演算法可以從心電圖中診斷出心律不齊。但是，現在很多患者對機器的診斷結果還不是很信任，因此該演算法的推行並非易事。

如果機器的診斷結果可以得到醫生的充分信任，那麼我們離用演算法拯救生命的日子可能就不太遠了。

圖丨可攜帶的心電儀

前百度首席科學家、斯坦福大學副教授吳恩達（Andrew Ng），曾幫百度打造了專門針對商業問題的AI實驗室。這次，他在斯坦福大學所帶領的小組研發出了一種可以從心電圖中診斷出心律不齊的演算法模型——它應用了機器學習（Machine Learning）技術，可以比醫學專家更精確的作出診斷。

心臟問題往往伴隨在日常生活中，它們潛伏在我們的身體里，等發現時多半是為時已晚。這項發明可以從日常的心跳中發現心臟的潛在危險並做出可靠診斷，叮囑患者跟進治療。在資源缺乏的地區，這項發明會為偏遠地區的人們帶來高效的醫療保障。

機器學習對醫學界的顛覆已不是新觀點，而他們的成果更加堅定了這一觀點。近年來，研究人員發現該技術可用於診斷各種病症，如乳腺癌、皮膚癌、以及眼病等等。

「現在，有些患者已經開始接受機器診斷的結果，這是一種很喜人的現象，因為這些機器都是應用深度學習得出診斷結果的。」通過E-mail，吳恩達這樣對《麻省理工科技評論》的記者說道，「研究人員現在已經不拘泥於一種數據類型，這本身也是一種進步。」

吳恩達所帶領的研究小組編寫了一種演算法，可以從現有心電圖中找出四種不同的心律不齊，雖說只是在心電圖上的小小異常，但這些小問題的發現對患者至關重要，因為有些微小的心律異常可以導致心臟性猝死等重大問題。

但是，此類問題的信號一般很難探測，很多病人因此被要求連續幾周佩戴心電儀。但即便如此，很多醫生也很難分辨結果是良性的還是需要治療的。

研究小組與製造心電儀的iRhythm公司進行了合作。他們收集了30000名患者有不同種類心律不齊的心電圖像，作為他們的測試數據。為了測試演算法的準確性，他們將剩下300個未診斷的心電圖像作為測試，並將演算法得出的結果與心臟科醫生的診斷結果進行比對。

最後，研究小組成立了一個由三位心臟科資深專家組成的諮詢組，來判定演算法結果是否有偏差。

以上的成果，是與深度學習息息相關的。將大量數據輸入進網路里並進行的相應的參數微調，已經是一種有效辨別複雜音頻和圖像的方法，並已經發展成很強大的圖像識別與音頻識別系統。研究員們覺得可以類似的方法來發現心電圖中的微小異常。

微軟研究院執行院長、機器學習專家EricHorvitz說，包括來自麻省理工學院和密歇根大學在內的多個研究小組都開始將機器學習技術用於偵測心律不齊。在未來，可能會有更多人應用機器學習在患者數據中尋找預測的方法。

但是，想要公眾接受這一技術並非易事。這些演算法的原理和邏輯都很繁雜，不是隨隨便便就能解釋清楚的。即便可以，醫生和病人也很難理解。尋找可行的解釋方式也對於增強醫患關係與強化治療方法十分重要，所以目前我們不會在周圍的醫院裡見到這種技術的身影。

即便如此，吳恩達仍然堅信，在醫療領域上會有一場技術革命，「我們還是需要讓演算法來適應醫療系統的數據流量。」他說道，「不過，我仍然覺得10年後的醫療系統會與今天的大不相同。」