深度学习AI+医疗：应用前景广阔但也有局限性
在AI的应用场景中，医疗行业是其应用前景最为广阔的行业之一。生物信息领域中，制药企业的药物研发、医疗设备收集的健康数据、病患者的诊断以及治疗方案的确定都有深度学习型AI的应用需求。
深度学习的本质，是一个复杂的AI学习算法。目前，深度学习应用最为广泛的是在计算机视觉以及语言识别领域。其中计算机视觉技术在医疗领域也有一定的应用，如医学影像的识别。
不过，深度学习在医疗领域的应用也面临现实应用的局限性，其中之一就是分析过程缺乏解释性。实际上，深度学习本质上也是统计学习的一种，通过对已知数据的汇总和检索，以算法的优化达到某种结果的预测。
也就是说，深度学习算法得出的结果是概率学上对现有数据条件下的结果预测，并不能给出“解题过程”只能给出结果。这也使得不可避免的出现一定的现实结果偏差。
以此次新型冠状病毒宿主研究为例，在VHP模型计算给出结果后，筛选的病毒宿主包括犬、猪、貂、龟和猫，仍需要研究人员对比分析后得出进一步的结论：水貂的病毒的传染性模式更接近新型冠状病毒。
技术之力亦需“跨越偏见”
此外，如果输入数据样本本身带有“大数据偏见”，那么模型计算则会放大这种“偏见”，从而影响结果在现实场景中的准确性。
对于基于深度学习的医疗AI而言，这样的情况也很难以能够说百分之百避免，特别是面对复杂庞大的医疗数据而言，这样的“偏见”带来的结果是人们难以接受的。
因而对于深度学习AI在医疗领域的落地，除了技术实现本身要解决的问题之外，由技术引发蝴蝶效应也更应该获得关注。
从好的一面来看，深度学习型AI在医疗领域的落地，不啻为补充优质医疗资源的“良方”，同时深度学习AI以及大数据等新技术的应用，也为人们在未来面对“新型冠状病毒”之类的突发性传染病给予技术的力量。
05我们将生活在一个分析所有数据的时代
《大数据时代》作者维克托·迈尔-舍恩伯格前瞻性地预见到：“在大数据时代，我们可以分析更多的数据，有时候甚至可以处理和某个特别现象相关的所有数据，而不再依赖于随机采样。”
在数据时代，AI深度学习与算法、大数据的进步与发展将使得人类迎来一个全新的时代，在肆虐的病毒面前，人类并不会无动于衷。在当前新型冠状病毒暴发的艰难时刻，更需要人们充满信心，以更加顽强的勇气和智慧，以面对新型病毒的挑战！
