近兩年來，無論是在語音識别、圖像識别還是文本理解，深度學習在醫療領域都有超乎想象的突破。
在語音識别領域，梅奧診所與以色列語音分(fēn)析公司Beyond Verbal合作的研究發現13個語音特征和冠心病存在相關性，其中(zhōng)一(yī)個語音特征與冠心病存在強相關。
在自然語言處理領域，IBM的沃森(sēn)機器人能夠在17秒内，閱讀3469本醫學專著，248000篇論文，69種治療方案，61540次實驗數據，106000份臨床報告，并根據醫生(shēng)輸入的病人指标信息，最終提出優選的個性化治療方案。
與此同時，伴随着計算機視覺的技術進步，深度學習技術在醫療影像領域頻(pín)頻(pín)取得重大(dà)突破，人工(gōng)智能除了教會機器如何“聽(tīng)懂”和“讀懂”，更能教會機器“看懂”我(wǒ)(wǒ)們的世界，并在此基礎上協助醫生(shēng)診斷疾病。醫療數據中(zhōng)有超過90%的數據來自醫療影像，醫療影像領域擁有孕育深度學習的海量數據，也存在着借助深度學習提高醫生(shēng)“看片子”診斷的效率的需求。因此，在醫療影像領域，深度學習可能率先進入臨床階段。
13萬張圖像的訓練下(xià)，深度學習識别皮膚癌的準确率媲美人類醫生(shēng)
皮膚癌是人類最常見的惡性腫瘤，雖然它們出現在皮膚表面，但人們往往将其誤認爲是自然生(shēng)長的“痣”，耽誤病情，确診後已爲時過晚。奇點糕還記得，電(diàn)影《非誠勿擾2》裏面，孫紅雷飾演的李香山從小(xiǎo)就長出來的一(yī)顆黑痣轉變成了惡性的黑色素瘤，最終不堪絕症折磨的他選擇跳海自殺。
早期檢測到的黑色素瘤的 5 年生(shēng)存率在 97% 左右，如果晚期查出 5 年生(shēng)存率将會下(xià)降 14%，皮膚癌的早期發現可能會對其結果産生(shēng)巨大(dà)的影響。對于皮膚癌的篩查，主要是通過視覺診斷。一(yī)般先進行臨床篩查，之後可能進行皮膚鏡分(fēn)析、活檢和組織病理學研究。那麽有沒有一(yī)種更簡單地方法篩查皮膚癌呢？或者說，能不能利用智能手機篩查皮膚癌？
借助深度卷積神經網絡（CNN）技術，斯坦福大(dà)學的研究者讓這個設想更進一(yī)步：研究者們在谷歌用于識别貓和狗算法的基礎上，經過13萬張皮膚病變的圖像訓練後，可用于識别皮膚癌。該系統與21位皮膚科醫生(shēng)進行的2輪的對比測試：角質細胞癌與良性脂溢性角化病，以及惡性黑色素瘤和普通的痣。第一(yī)輪代表最常見的癌症識别，第二輪代表了最緻命的皮膚癌識别。深度卷積神經網絡在這兩個任務上的表現都達到了所有接受測試的專家的水平，證明了這一(yī)人工(gōng)智能系統的皮膚癌鑒定水平與皮膚科醫生(shēng)相當。這一(yī)研究成果發表在2017年1月份的Nature期刊上。