主页 > Y半生活 >AI大未来:Google怎用机器学习,帮助医疗诊断更有效率、 >

AI大未来:Google怎用机器学习,帮助医疗诊断更有效率、

AI大未来:Google怎用机器学习,帮助医疗诊断更有效率、

今天 Google 台湾招开第二场机器学习媒体聚会,找来硅谷总部的彭浩怡医学博士,为大家介绍她与团队如何透过卷积神经网为底的图像辨识技术,帮助医生检测糖尿病视网膜病变,与淋巴结中的乳腺癌转移瘤等临床应用实例。机器学习帮助人类的潜力无穷,某种角度来说这次分享非常的「经典」,深入浅出为大家演绎了深度学习科技到底如何与人类协作,进而让医生诊断得更精準、有效。

美籍华裔的彭浩怡博士先从很基本的概念为大家介绍人工智慧与深度学习。简言之,深度学习是一组可以让机器自我训练的演算法,它有许多部分并不是晚近才新兴发明的新科技,而是因爲运算能力与真实世界资料量在过去五年皆有飞跃性提升,才让这项技术得以实用化。其中模拟人类神经运作原理发展的神经网络,是目前所有人工智慧派流中最被广泛应用的技术,只要把模型妥善设计调教,就能获得非常好的分析结果。

AI大未来:Google怎用机器学习,帮助医疗诊断更有效率、
值得一提的是今天主讲者彭浩怡博士同时拥有医学博士 、生物工程博士双学位

图像辨识就是深度学习技术最具突破性的领域之一。彭浩怡举例在运用深度学习之前,如果想爲传统电脑视觉建构一组「熊猫分类器」,那就必须透过分类费时、成效却不高的「特徵工程」 为 0.95 分,稍微高于眼科医生的 F-Score 中位数 0.91 分。而接下来使用 3D 成像技术、光学相干断层扫描对视网膜各个层面进行检查的部分,就会交给 DeepMind 执行。

AI大未来:Google怎用机器学习,帮助医疗诊断更有效率、

彭浩怡也介绍他们透过深度学习 Inception 技术训练病理切片图像识别,提高判断乳腺癌转移瘤的时间效率与诊断一致性。过去乳腺癌切片的误判机率甚高,但 Google 演算法的病理预测热图能产生很大改善,其定位分数达到 89%,大幅超越了在没有时间限制下,病理学家对肿瘤定位的正确率 。而其他使用相同数据集的团体也获得高达 81% 的分数;此外彭浩怡也透露,母公司 Alphabet 旗下的生技子公司也正努力运用深度学习在基因治疗上。而史丹佛大学自身也使用 TensorFlow,将其用在诊断皮肤癌中。

不过彭浩怡强调,这些研究都还处在早期实验阶段,除了精进演算法增加判别率以外,统整各医疗组织数据格式,让数据标準化将会是未来挑战之一,Google 希望透过医疗开放数据标準,让深度学习技术将此过程自动化,使得临床医师和研究人员更容易使用这些数据;另外也将跟许多厂商合作,串连各种医疗器材,让医师在使用器材能更无缝接轨,增进诊断效率。

最后 Google 台湾董事总经理简立峰补充,医疗 AI 出现并不会抢了医生的就业机会,从上面几个案例来看,医生判诊相对準确但涵盖率不够,AI 则是反过来,因此应该通力合作,会是发展人机协作非常好的领域。而台湾不论在医疗领域还是资通讯领域都有稳健基础,特别是因健保关係,医疗资料非常完善,若能充分利用在地图像资料与既有技术,十分具机器学习于医疗领域的发展潜力。如果碍于法规无法大规模推动,那也可考虑在各医院体系内部先行。而面临台湾少子化、高龄化而衍伸出的长期照护问题,也会机器学习可延伸发展的好机会,像自驾车技术就有机会衍生出自动轮椅等更细緻的服务。

上一篇: 下一篇: