吴恩达从百度离职以后加入Drive.ai，对人工智能在医疗上的应用产生了兴趣。一组由吴恩达博士带领的斯坦福研究人员开发了一个新的机器学习模型，通过心电图来判断患者是否心律不齐，其效果甚至已经超过了人类专家。这一可自动作出诊断的新方法对于日常医疗意义重大，它可以帮助人们对可能致死的心律不齐的症状做出更好的判断，防患于未然。此外，它还能够在医疗资源较为匮乏的地区提供良好的医护服务。
科学家们已经发现了通过分析医疗影像，机器学习在治疗诸多疑难杂症中所发挥的宝贵价值，如皮肤癌、眼科疾病和乳腺癌。人们迅速地转变观念，接受深度学习在某些垂直医疗领域可以做出比专业医师更为准确的诊断的事实，此外研究人员已经开始开拓医疗AI在除了以心电图为代表的图像数据之外新领域的应用，也十分令人激动。
斯坦福大学的研究团队训练了一个用来甄别心电图数据中各式各样不规则心跳的机器学习算法。部分心律不齐现象可以导致心脏骤停在内的诸多严重健康问题，但是这些信号通常难以捕捉，病人们不得不连续数周佩戴心电图监测器以确保安全。重要的是，由于心律不齐自身的特性，很多时候医术高超的医生也很难在良性和恶性心率不稳中做出判断。
研究团队和可携带心电图设备制造商iRhythm达成了合作，他们从患有各类心律不齐的病人身上收集了三万份长达30秒的心电图数据。为了评估算法的准确性，团队还请来了五位不同背景的心血管专家，让他们和AI对300份未经过检测的数据进行判断。科学家从中抽取了三位专家的结果作为参考。深度学习包含了将大量数据填充到庞大复杂的模拟神经网络之中的过程，并不断优化直到能准确识别有问题的心电图信号。该方法在识别复杂图片和音频的过程中已经发展得十分成熟，产生了表现优于人类的语音识别和图像识别的产品。
新思界
医药行业分析人士表示，用深度学习诊断心律不齐尚属于AI医疗领域较为简单的应用，如果把目光投到其他相对更为复杂的疾病上，将看到十分不同的光景。更重要的是，需要将更多的问题纳入考虑范围。医疗行业将会更多地应用到AI，变得和今天十分不同，医疗领域的大革命即将带来。
新思界为您提供
《2017-2021年中国健康医疗行业投资潜力及发展前景研究报告》！
