如果我們把目光放得更為長遠(yuǎn)，機(jī)器學(xué)習(xí)通過結(jié)合大量毫不相關(guān)的數(shù)據(jù)進(jìn)行分析判斷，來搜查各類疾病的蛛絲馬跡也是充滿想象力的一件事情。

　　用深度學(xué)習(xí)診斷心律不齊尚屬于AI醫(yī)療領(lǐng)域較為簡(jiǎn)單的應(yīng)用，如果把目光投到其他相對(duì)更為復(fù)雜的疾病上，我們將看到十分不同的光景。更重要的是，需要將更多的問題納入考慮范圍。

　　優(yōu)質(zhì)的數(shù)據(jù)仍然是國外團(tuán)隊(duì)的重要問題

　　在上文中提到的利用人工智能進(jìn)行癌癥診斷的項(xiàng)目時(shí)，帶領(lǐng)團(tuán)隊(duì)的MIT教授Regina Barzilay發(fā)現(xiàn)了制約醫(yī)療AI的重要問題所在——優(yōu)秀的疾病數(shù)據(jù)的匱乏。

　　“你總是在焦躁地尋找信息，特別是數(shù)據(jù)。”她說道，“我是該用這種藥還是另外一種?”“這是最好的療法么?”“疾病復(fù)發(fā)的概率是多少?”……

　　如果沒有可靠的臨床數(shù)據(jù)，你選擇的診斷將只能停留在純粹猜測(cè)的階段。

　　斯坦福的研究人員正在開展對(duì)于算法的訓(xùn)練

　　不過不同于圖像、語音識(shí)別這種相對(duì)輕松且更貼近生活的應(yīng)用領(lǐng)域，在醫(yī)療健康這種可能生死攸關(guān)的應(yīng)用層面，應(yīng)用AI面對(duì)的一大挑戰(zhàn)就是取得醫(yī)生和患者的信任。

　　對(duì)于非AI領(lǐng)域的專家來說，這些算法很容易顯得高深而晦澀。有時(shí)甚至帶領(lǐng)項(xiàng)目前進(jìn)的人工智能專家，都無法完全掌握算法的運(yùn)行機(jī)制。而具體到深度學(xué)習(xí)上，其更是整個(gè)機(jī)器學(xué)習(xí)中都算得上模糊難懂的分支。

　　如何讓醫(yī)師和患者相信這些機(jī)制復(fù)雜的冰冷計(jì)算機(jī)能做出最有利于他們身體健康的判斷，將是AI從業(yè)者所面臨的的一大難題。

　　盡管如此，吳恩達(dá)依然堅(jiān)信醫(yī)療領(lǐng)域的大革命即將帶來。

　　“我們面前還要好很多工作需要著手處理，來使得這些算法進(jìn)入醫(yī)療系統(tǒng)的工作流程。”他說道，“但我堅(jiān)信十年內(nèi)，醫(yī)療行業(yè)將會(huì)更多地應(yīng)用到AI，變得和今天十分不同。”