人工智慧再次突破！診斷皮膚癌精準率可與醫生媲美

2016年人工智慧開火猛烈，今年年初，人工智慧的火苗還未消。阿爾法狗在圍棋對戰中戰勝人類，據相關消息稱，中國圍棋職業九段棋手柯潔預計將今年4月份迎戰阿爾法狗，又一場「人機大戰」挑動人們的神經。1月20日，最強大腦中王昱珩在與百度機器人小度的PK中落敗，且目前百度人工智慧還未嘗一敗。從這些案例中，不得不讓人類感嘆，人工智慧真的有這麼厲害了嗎？

無論是阿爾法狗在圍棋中獲勝還是百度機器人的未嘗一敗，這些都是人工智慧深度學習的成果。對於一個機器，若給它喂以數千萬的圖片之後，它經過深度學習就能識別出是何物。人工智慧的深度學習演算法，在圖像識別領域突破非常顯著。近日，《Nature》雜誌在封面發表了一篇關於利用深度學習識別皮膚癌的論文。研究人員訓練系統觀看了將近13萬張痣、皮疹和其他皮膚病變的圖像，然後讓系統與21位皮膚科醫生的診斷進行對比，結果系統的精準率達到91%左右。使用這一技術，將有望造出家用便於攜帶的皮膚癌掃描儀，造福廣大患者。

文章其中的一位主要作者Andre Esteva 表示，他們研究出了一個非常強大的人工智慧演算法，能夠從數據中學習，不是通過編寫代碼，而是讓系統去發現該尋找、該識別的東西。所謂的「深度學習」，即是神經網路，這個演算法最早出現在谷歌大腦中。在Andre Esteva 他們開始這項研究時，神經網路已經可以從大約1000個不同類別中識別128萬圖像。但是，在醫學中不僅是純粹識別分類圖像這麼簡單，還需診斷出患者的病症是良性還是惡性。此次研究中的兩個案例，角質細胞癌與良性脂溢性角化病，以及惡性黑色素瘤和普通的痣，系統需學習根據一塊不規則的皮膚色斑辨別出良性脂溢性角化病還是惡性腫瘤，這關乎患者的生命，因此演算法需要極高的準確率和可靠性。

由於沒有可以用來訓練演算法的資料庫，只能靠研究人員自己研究。他們通過收集數據，進行整理分類，再對圖像的數據進行清洗，最終積累了大約13萬張可用的皮膚病變圖像，其中覆蓋了2000多種不同的疾病類型。將這些數據集創建了圖像庫，最終形成的數據集比此前公布的任何同種方法都要大100倍左右，當然這種方法還存在一定的提升空間。隨著日後更多數據的填充，機器可以在自己錯誤時被改正並進行學習，讓其性能逐漸得到提升。最後將圖像庫作為原始圖像提供給演算法，對系統進行訓練總結圖像里的模式，讓演算法弄清楚疾病傳播的規則，辨別出不同種類的皮膚病。

演算法是人工智慧在醫學上的新突破，但是演算法的精準度是由參考信息的精準度決定的，如果出現機器診斷和人診斷不一樣結果的情況，那麼機器和人診斷的相對準確率就需根據病變的發展進程不斷進行追蹤。人工智慧用在醫學上還可以使人們獲得更高質量的醫療，如果這項技術能被投到實際應用中，通過智能手機里的皮膚癌檢測儀進行診斷，那將是極大的方便。

來源：線上采編

環球科技視界 | 挖掘雲計算、物聯網、AI等科技前沿的革命探索和深度報道

本文為頭條號作者發布，不代表今日頭條立場。