LORA网关MQTT服务器配置
据Technologyreview报道，今年年初，人工智能（AI）科学家塞巴斯蒂安·特隆（Sebastian Thrun）与其斯坦福大学的同事们进行演示，证明“深度学习”算法能够诊断潜在的癌变皮肤病变，准确性与获得资格认证的皮肤科医生不相上下。《自然》杂志报道称，癌症发现是今年一系列报道的重要部分，为我们进入“软件诊断”的新时代提供了早期预见。
在这个新时代，AI不仅可帮助医生诊断疾病，甚至还能与人类医生竞争。专家们称，照片、X光片、核磁共振成像等医疗图像可与深度学习软件的优势进行近乎完美的匹配。在最近几年中，深度学习软件在识别图片中的面孔和物体方面取得突破性进展。
许多公司已经意识到这个机遇。2016年12月份，谷歌母公司Alphabet旗下生命科学子公司Verily联手尼康公司，共同开发能够发现糖尿病患者致盲原因的算法。与此同时，放射学领域又被称为“医学硅谷”，因为它可以产生大量包括诸多细节的图片。
黑箱子医疗
虽然特隆团队的预测非常精确，但依然没人能够确定深度学习算法利用痣的哪些功能将其归类于癌变症状或良性。结果，这也被成为深度学习的医疗版“黑箱子”问题。不同于传统的视觉软件，程序员可在深度学习领域对规则进行定义，算法可以找到规则本身，但经常无法留下线索用以解释它的决定。
美国密歇根大学关注健康法律的学者尼克尔森·普莱斯（Nicholson Price）说：“在黑箱子医疗领域，医生不知道到底发生了什么，因为没人知道，它本质上是不透明的。”普莱斯还称，这可能不会对医疗领域造成严重伤害。他将深度学习比作药物，只是人们不知道这种药物的效力源自何处。
以锂为例，它影响情绪的确切生物化学机制还不清楚，但这种药物已被批准用于治疗躁郁症。阿斯匹林也是被广泛使用的药物，但其背后的药理70多年来依然未曾解开。普莱斯表示，与它们相似，黑箱子问题不会给美国食品和药物管理局（FDA）造成影响，除了批准新药物，这个机构也会对软件进行监管，前提是其以治疗或预防疾病为目的开发出来的。
美国食品与药物管理局发表声明称，在过去20多年中，该机构已经批准许多图像分析应用，它们依赖于各种识别模式、机器学习以及计算机视觉技术。该机构还证实，我们会看到更多深度学习支持的医疗软件出现，并认为公司可以对他们的算法细节保密。
此外，美国食品与药物管理局至少已经为一种深度学习算法开了绿灯。今年1月份，该机构批准了旧金山医疗影像公司Arterys合法出售其开发的软件。这种软件的算法DeepVentricle可分析心室内部轮廓核磁共振成像图像，计算出病人心脏能够容纳和泵出的血量。这种计算可在30秒内完成，而常规方式需要1个小时。
美国食品与药物管理局要求Arterys公司进行更大范围测试，以确保其算法结果符合医生诊断。该公司首席技术官约翰·塞利斯（John Axerio-Cilies）说：“从统计学上，你需要证明你的算法安全有效，符合预期用途。”
庞大需求
为了训练自己的软件，由谷歌无人驾驶汽车团队前副总裁特隆领导的团队为其提供了129405张经过专家评估的皮肤图像。这些图像覆盖2032种疾病，其中1942张图像来自皮肤癌确诊患者。最终，在确定哪些痣可导致潜在癌变方面，这款软件战胜了21名人类皮肤病医生。
斯坦福大学皮肤病医生、研究作者罗伯特·诺沃亚（Robert Novoa）说：“当皮肤科医生看到这种技术的潜力时，我想大多数人都会选择支持它。”诺沃亚与其他团队成员拒绝透露，他们是否打算商业化这款软件。
Memorial Sloan Kettering皮肤科医生、国际皮肤数字成像协会主席艾伦·哈尔珀恩（Allan Halpern）表示：“任何有关医生即将因AI技术而失业的担忧都是杞人忧天。我认为算法不但不是威胁，反而还会大幅推动皮肤科服务的需求。”这是因为筛查测试阳性还需要活检。哈尔珀恩说，深度学习软件可在初级医疗领域占据一席之地，但如果要进行广泛的筛查，或通过消费应用进行，可能没有足够的皮肤科医生跟进。
塞利斯也说，公司可能被诱惑向消费者直接提供深度学习工具。举例来说，人们可能扫描自己身上的痣，看它们是否需要去看医生。有些非AI手机应用（比如Mole Mapper）已经允许人们追踪可疑的痣，并随着时间推移对其变化进行记录。
可是哈尔珀恩表示，他不认为消费者已经准备好迎接这样的诊断系统，因为这些系统可能告诉他们，某个痣有5%的几率或50%的几率属于癌变。他说：“我们还不擅于利用这样的概率。”
相关文章
