醫療資源和日益增長的醫療需求一直存在著矛盾。在一些貧窮地區，由于缺少高質量的醫療服務，重大疾病和癌癥不能及時確診，往往導致病人因得不到合適的治療而死亡。不過，借助人工智能的深度學習算法，這樣的情況在未
醫療資源和日益增長的醫療需求一直存在著矛盾。在一些貧窮地區，由于缺少高質量的醫療服務，重大疾病和癌癥不能及時確診，往往導致病人因得不到合適的治療而死亡。
不過，借助人工智能的深度學習算法，這樣的情況在未來會得到改善。在中國就有一家名為推想科技的公司，正在使用機器學習和計算機視覺來幫助醫生診斷肺癌。
資料圖
“我們合格的醫生數量不夠，因此一個醫生每天必須服務許多病人。對于病人來說，他們接受的護理質量存在個體差異。”推想科技CEO陳寬說。
這種情況在放射科尤為嚴重。有公開資料顯示，目前，中國放射科醫師大概有八萬多名，每年診斷14.4億影像，閱片量每年約增長30%，而放射科醫生只增長4%。陳寬的姑姑就是受此影響的患者之一。在四川綿陽，她未能及時確診肺癌，沒能得到適當和及時的治療。
在成立推想科技之前，陳寬是美國芝加哥大學經濟學和政治學博士。在美國讀書期間，陳寬和他的朋友們接觸到了人工智能，尤其是深度學習。他們在2012年視覺識別競賽（ImageNetILSVRC）中拿到了冠軍。
2014年，陳寬回到中國，在深入了解醫療行業之后，他看到了基層醫院在優質醫療資源上的短缺，也看到了大醫院在普通病診斷上的資源浪費。
“放射科醫生每天工作量很大，下午3、4點鐘是一天當中最疲乏的時候，出錯的可能性會增加。所以，醫生希望降低工作壓力、提高工作效率，從醫院管理層的角度，也希望能夠加強對醫療服務質量的監控。”陳寬說，這讓他看到了人工智能在醫療影像領域應用的機會。
工作場景
另外一方面，自2003年，“非典”爆發以來，中國的醫院都在積極地建立數字化基礎設施。這樣的趨勢，也讓推想科技能夠使用中國健康數字化記錄作為深度學習模型的訓練數據。同時，公司還從全國各地20家醫院（包括北京協和醫院和上海長征醫院）中實時收集數據。有了數據后，利用深度學習算法可以提高識別準確率，還能診斷出一些人眼無法看出的細微病變。
“傳統人工智能模型的成本非常高，需要一大批的專家來訓練機器某一種疾病各種類型的特征。這種模型準確率本身不高，而且能夠做出來的病種也非常有限。”陳寬說，“但深度學習的模型不一樣，本質上有點類似一個普通醫學學生的學習過程。”
根據陳寬的介紹，推想科技會將其軟件內置于醫院醫療系統，并根據醫院的訓練數據，更新自己的圖像識別和診斷工具。訓練分為兩部分：一是實際訓練系統，該系統能將放射科醫生收集的數據納入訓練模型；二是模型會將更新后的軟件分發到醫院網絡。
前期，我們主要是集中在胸部的肺、心臟等方面的疾病。”陳寬說，“現在隨著產品逐漸成熟，迭代速度不斷加快，我們在向頭部、腹部、股骨頭、病理、超聲等領域擴展。”
據推想科技介紹，該公司還與通用醫療、思科公司和英偉達合作開發、完善技術。自去年發布最初版本以來，他們已經處理了約10萬張CT和10萬張X光片。
“這項技術絕對不會取代醫生，我們的目標是消除大量高度重復的工作。”陳寬說。
在2013年，自動識別疾病，提高醫院診斷的深度學習方法就被《MIT科技評論》評為當年的十大技術突破之一。據《MIT科技評論》報道，利用深度學習算法模型進行醫學診斷在美國的醫療機構越來越流行。目前，深度學習算法在治療皮膚癌上已經可以比肩專業醫生；在通過視網膜圖像診斷常見失明原因上也有所成就。
