醫(yī)療資源和日益增長的醫(yī)療需求一直存在著矛盾,。在一些貧窮地區(qū),，由于缺少高質(zhì)量的醫(yī)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(yī)生診斷肺癌,。

　　“我們合格的醫(yī)生數(shù)量不夠，因此一個醫(yī)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(zhì)量存在個體差異?！蓖葡肟萍糃EO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(yī)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(yī)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(jīng)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(yī)療行業(yè)之后,，他看到了基層醫(yī)院在優(yōu)質(zhì)醫(yī)療資源上的短缺，也看到了大醫(yī)院在普通病診斷上的資源浪費,。

　　“放射科醫(yī)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(yī)生希望降低工作壓力,、提高工作效率,，從醫(yī)院管理層的角度，也希望能夠加強對醫(yī)療服務質(zhì)量的監(jiān)控,?！标悓捳f,，這讓他看到了人工智能在醫(yī)療影像領域應用的機會。

　　另外一方面,，自2003年,，“非典”爆發(fā)以來，中國的醫(yī)院都在積極地建立數(shù)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(shù)字化記錄作為深度學習模型的訓練數(shù)據(jù)。同時,，公司還從全國各地20家醫(yī)院(包括北京協(xié)和醫(yī)院和上海長征醫(yī)院)中實時收集數(shù)據(jù),。有了數(shù)據(jù)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(tǒng)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?！标悓捳f,，“但深度學習的模型不一樣，本質(zhì)上有點類似一個普通醫(yī)學學生的學習過程,?！?/p>

　　陳寬

　　根據(jù)陳寬的介紹，推想科技會將其軟件內(nèi)置于醫(yī)院醫(yī)療系統(tǒng),，并根據(jù)醫(yī)院的訓練數(shù)據(jù),，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(tǒng),，該系統(tǒng)能將放射科醫(yī)生收集的數(shù)據(jù)納入訓練模型;二是模型會將更新后的軟件分發(fā)到醫(yī)院網(wǎng)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(xiàn)在隨著產(chǎn)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,?！?/p>

　　據(jù)推想科技介紹，該公司還與通用醫(yī)療,、思科公司和英偉達合作開發(fā),、完善技術。自去年發(fā)布最初版本以來,，他們已經(jīng)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(yī)生，我們的目標是消除大量高度重復的工作,?！标悓捳f。

　　在2013年,，自動識別疾病,，提高醫(yī)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(jù)《MIT科技評論》報道,，利用深度學習算法模型進行醫(yī)學診斷在美國的醫(yī)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(jīng)可以比肩專業(yè)醫(yī)生;在通過視網(wǎng)膜圖像診斷常見失明原因上也有所成就,。