深度學習如何改變醫療保健第 1 部分：診斷

在三個強大趨勢的推動下，人工智能有望對醫療保健產生深遠而持久的影響：

1. 圖形處理單元 (GPU) 變得更快、更節能。

直到最近，運行 AI 算法很少具有成本效益。

2. 算法越來越複雜。

因為我們現在可以以過去成本的一小部分使用深度學習模型，所以創新正在爆炸式增長。

3. 醫療保健數據比比皆是。

由於 EHR 和其他數字化努力，我們擁有比以往更多的醫療數據來訓練算法。

據 CB Insights 稱，幾年前，專注於醫療保健的人工智能初創公司還不到兩打。 如今，有超過 100 家與醫療保健相關的 AI 初創公司。

這讓許多醫生摸不著頭腦，不知道如何為明天，今天的未來做好準備。 以下是深度學習目前正在改變醫療保健的方式，以及購買正確硬件為即將到來的人工智能革命做好準備的提示。

術語概述

人工智能術語表（來自《財富》）

通過深度學習更快、更準確的診斷

仔細想想，診斷疾病是人工智能的完美任務。 深度學習就是通過連接點來識別模式。

考慮一隻狗。 組成：毛茸茸的，兩隻眼睛，四條腿，一條尾巴。 比人小，比貓大。 深度學習算法通過數據輸入、分析和測試的多個週期“學習”每一個是什麼，然後可以從其組成部分中識別出一隻狗。

在疾病的情況下，圓點是症狀和相關疾病。 咳嗽、打噴嚏、喉嚨痛：一定是感冒了。

深度學習算法在診斷方面的表現與醫生相同：通過實踐。 與醫生一樣，該算法會根據患者是否對治療有反應或是否出現表明初始診斷無效的新症狀進行猜測並了解其是否正確。 該信息通過 EHR 數據輸入算法。

深度神經網絡如何學習（通過財富）

醫生和深度學習算法之間的一個重要區別是醫生必須睡覺。 一旦你訓練了一個算法，它就可以持續工作（和改進）。

醫生將在她的一生中看到數千張 MRI 圖像並從中學習。 一個算法可以看到數万億。 像所有人一樣，醫生也容易出錯。 有了人工智能，就沒有生病、疲倦或全神貫注的風險。 它不會練習防禦性醫學或陷入困境。

這在實踐中是什麼樣的？

正如今年早些時候斯坦福大學的科學家所證明的那樣，機器學習已經可以像董事會認證的皮膚科醫生一樣準確地確定皮膚病變是否癌變。

當 Hossam Haick 的大學室友被診斷出患有白血病時，他受到啟發，創造了一種用於治療癌症的傳感器。 “但後來我意識到早期診斷可能與治療本身一樣重要，”海克告訴紐約時報。 因此，他建造了一台機器，使用人工智能來了解不同疾病的氣味。 隨著每一次嗅探，算法變得更加準確。 截至去年 12 月，它能夠以高達 86% 的準確率識別 17 種不同的疾病。

Enlitic 使用深度學習來檢測 X 光片、CT 和 MRI 掃描中的肺結節，並確定它們是良性還是惡性。 CEO Igor Barani 曾是舊金山加利福尼亞大學放射腫瘤學教授，他聲稱 Enlitic 的算法在測試中的表現優於四位放射科醫生。 巴拉尼告訴醫學未來學家：

“直到最近，診斷計算機程序是使用一系列關於疾病特定特徵的預定義假設編寫的。 必須為身體的每個部位設計一個專門的程序，並且只能識別有限的一組疾病，從而妨礙它們的靈活性和可擴展性。 這些程序往往過於簡化現實，導致診斷性能不佳，因此從未廣泛應用於臨床。 相比之下，深度學習可以輕鬆處理全身範圍廣泛的疾病，以及所有成像方式（X 射線、CT 掃描等）。”

Freenome 使用深度學習來發現血液樣本中的癌症，或者更具體地說，是血細胞死亡時釋放的 DNA 片段。 風險投資公司 Andreessen Horowitz 向該公司發送了五份血液樣本進行分析，作為投資前測試。 在 Freenome 正確識別出所有五個（兩個正常和三個癌變）後，該公司繼續進行投資。 創始人 Gabriel Otte 告訴《財富》雜誌，他的深度學習算法正在檢測癌症生物學家尚未表徵的癌症特徵。

5 月，Babylon Health 創始人兼首席執行官 Ali Parsa 告訴在線科技節目“熱門話題”，他的團隊最近將世界上第一個人工智能驅動的臨床分診系統提交給學術測試，在此期間他的系統證明自己比醫生準確 13%比護士準確 17%。

實施的現實程度如何？

雖然機器學習正迅速成為診斷疾病的更好方法，但它直到最近才變得更加可行。 在此之前，以任何廣泛的方式實施都太昂貴了。

由於新的處理器運行速度比以往任何時候都快，同時需要更少的能源，機器學習正在以更快速和更實惠的速度發展。

正如帕拉在上述視頻中指出的那樣，十年前檢查你身體的每個部位以發現和診斷疾病需要花費 100 萬美元。 如今，這一成本已降至 10,000 美元，其中包括基因測序。

一家醫學影像公司已獲得 FDA 批准，可以向醫生銷售人工智能軟件。 1 月份，Arterys 的“DeepVentricle”獲得了批准，這是一種深度學習算法，可以在 30 秒內像醫生一樣準確地計算出患者的心容量。 相比之下，手動分析 MRI 圖像以完成計算需要大約一個小時。

生物醫學工程師和教授克里斯蒂娜戴維斯預測，在三到五年內，臨床醫生將能夠使用深度學習算法來幫助診斷。

使用合適的硬件為深度學習做好準備

自 2000 年代後期以來，計算能力的提高在很大程度上歸功於 Nvidia 設計的芯片，以提高視頻遊戲的視覺真實感。 使用圖形處理單元 (GPU) 進行深度學習的效率比使用中央處理單元 (CPU) 高 20 到 50 倍。

2016 年 8 月，英偉達宣布其數據中心部門的季度收入同比增長一倍以上，達到 1.51 億美元。 首席財務官 Colette Kress 告訴投資者，“到目前為止，絕大多數增長來自深度學習。”

2016 年，英特爾收購了深度學習初創公司 Nervana Systems 和 Movidius，而谷歌則推出了專為促進深度學習而設計的張量處理單元 (TPU)。

今天，英偉達瞄準了醫療行業。 該公司的業務發展經理 Kimberley Powell 希望看到 Nvidia 的處理器用於滿足醫學成像深度學習分析的需求。

Futurism 報導稱，“Nvidia 的硬件已經在深度學習與醫學的結合中確立了其沉默但突出的作用。” 該公司正在構建功能強大的計算機，旨在快速有效地運行可以使診斷更快、更準確的計算。 鮑威爾希望將 Nvidia 的 DGX-1 安裝在世界各地的醫院和醫學研究中心。

一些醫院——例如馬薩諸塞州總醫院的新臨床數據科學中心——已經在使用這種新硬件來維護人口健康，比較患者的測試結果和病史，以識別數據中的相關性。

結論

深度神經網絡正在改變醫生診斷疾病的方式，使診斷比以往任何時候都更快、更便宜、更準確。 利用這些進步需要某些準備步驟，例如昇級硬件。

當您準備好升級時，請務必投資能夠處理深度學習和人口健康的計算要求的系統。

下週，我們將討論深度學習改變醫療保健的另一種方式：疾病預防。 我們還將討論開始在實踐中使用深度學習所需的醫療實踐管理和 EHR 軟件。

要了解有關 AI 和醫療保健的更多信息，請查看以下帖子：

• 什麼是精準醫學？ 困惑醫生的簡單介紹
• 中小型企業需要了解的 5 家醫療保健 AI 初創公司
• 人工智能影響遠程醫療的 5 種方式