Matt Young
从算法开始识别模式比人类更快更好，计算机已经使医生的生活更容易，诊断更准确。但广泛使用的工具，如自动细胞计数器，可以迅速指向疾病，如疟疾和白血病通过不同类型的血细胞计数，开始看起来古怪旁边的深度学习和神经网络上线。今天，医院可以为他们现有的计算机系统配备一个1000美元的图形处理器和速度 - 提高他们的能力，每天达到2.6亿图像。这基本上相当于所有的MRI，CT扫描和其他图像，所有的放射科医生在美国每天看。
释放这种赢咖4在医疗世界的山区的病人数据可以加快诊断，并让患者在恢复的道路上更快。但它也承诺会大幅度改变那些被认为是信息专家的医生的工作描述，这些人的主要任务是从图像中解读诊断。获得他们的MD的图像解释医生，即病理学家，放射科医生和皮肤科医生，是最脆弱的。 “这三个领域将是第一次罢工，”斯克里普斯翻译科学研究所的主任和NIH的精确健康倡议的领导者，埃里克·托波尔说。 “然后我们会开始看到它的药物。
去皮肤癌。每年有500万美国痣，雀斑和皮肤斑变成恶性，使医疗系统的成本达到80亿美元。如早期黑色素瘤这样致命的癌症有巨大的差异 - 如果疾病进展到淋巴结，存活率从98％下降到16％。
皮肤科医生使用各种放大器来识别可能的坏瑕疵，并且因为结果可能是如此灾难，他们往往是一个谨慎的束。对于每10个病变，手术活检，只有一个黑色素瘤被发现。这是很多不必要的刀。
所以医生现在转向赢咖4，以告诉无害的和潜在致命的斑点之间的区别。希望计算机视觉能够进行数以千计的微小测量，能够及早捕获癌症，并具有足够的特异性来减少切割医生的数量。通过初步措施，它很好的路上。斯坦福大学的计算机科学家和医生最近联合训练了一个深度学习算法，用于130,000幅2000种皮肤病的图像。结果，今天在自然纸上出版的主题，以及21名董事会认证的皮肤科医生在挑选致命的皮肤病变。
研究人员开始使用Google开发的算法来区分猫和狗。然后，他们从医疗数据库和网站提供图像，并教它来区分恶性鳞状细胞癌和一块斑斑的干性皮肤。像一个杰出的皮肤科医生，更多的图像，它看到，越好。斯坦福皮肤科医生罗伯托·诺沃亚（Roberto Novoa）首次联系了学校的赢咖4小组，合作研究皮肤癌，他说：“这肯定是一个渐进的过程，但令人兴奋的是，我们可以慢慢地比我们更好地分类这些病变。
斯坦福大学的robo-derm在这一点上可能是纯粹的研究，但是有大量的赢咖4创业公司（超过100家）和软件巨头（谷歌，微软，IBM）致力于深入学习进医院，诊所，甚至智能手机。去年，哈佛和贝斯以色列卫队研究人员的团队赢得了一个国际成像竞争与神经网络，可以检测转移性乳腺癌只是通过观察病理幻灯片图像从淋巴结。研究人员现在通过称为Path赢咖4的分散技术将该技术商业化。 IBM的赢咖4引擎Watson也一直致力于鉴定皮肤癌，当它不是分析CT扫描的血凝块或观察心脏壁心肌壁运动的心电图。 Watson将拥有300亿张图像和计数，将很快拥有所有大型成像领域的专业知识 - 放射学，病理学和现在，皮肤科 - 将其设置为医生最好的朋友或最大的仇恨。
Topol说，避免被计算机替代的关键是医生允许自己被替代。 “这些领域的大多数医生都是过度训练的，比如做肺癌和乳腺癌的屏幕图像，”他说。 “这些任务对于委派赢咖4是理想的。”当计算机可以完成一个放射科医生的工作时，放射科医生的工作扩大 - 可能是监测多个赢咖4系统，并使用结果制定更全面的治疗计划。减少X射线的时间，更多的时间通过选项说话的病人。
这正是基于云的医疗成像公司Arterys正在为心脏病专家做的，有一个赢咖4平台使用赢咖4来量化流经心脏的血液。该算法基于约1000万条规则，使用MRI图像来产生心脏的四个腔室中的每一个的轮廓，精确地测量每次收缩移动多少血液。今天，心脏病学家必须手工绘制这些轮廓 - 特别是棘手的花生型右心室。医生通常需要30到60分钟来计算每个泵输送的血量。但是Arterys的赢咖4在15秒内出现了答案。
本月早些时候，FDA批准该公司销售其产品，并与GE医疗合作，在GE MRI机器上获得Arterys系统，医生可以在今年使用它。这一决定为深入学习赢咖4的更多应用开辟了道路，可以像公司培训他们那样快速地进入医生的手中。无论医生是否使用它们，都将是该技术改善患者护理潜力的第一次真正的考验。
