Hello Google:AI人工智能策略(四)

| 何志衡 | 06-02-2018 02:35 | |

至於剛才提及 AI 及引伸出來的應用還有影像辨識,特別在醫療方面,可望解決發展中地區前線醫護人手不足的問題。Google Research 產品經理、醫療成像團隊負責人彭浩怡解釋,深度學習(Deep Learning)已廣泛應用在多個領域,特別需建基在影像分析的醫療保健範疇。

解決人手不足

彭浩怡解釋, Google 的深度學習技術協助醫療機構診斷疾病,她主要研究範圍是醫療影像檢測,如:視網膜成像、糖尿病和乳腺癌。她在 Made With AI 特別提到「糖尿上眼」,即糖尿病引起的視網膜病變(Diabetic Retinopathy)。因糖尿病引致的視網膜病變是成人三大致盲原因之一,全球有 4 億 1,500 萬人受此病困擾,一半患者更因未能及時檢查致盲,這既因醫生不足(特別是發展中國家),同時因難從檢查眼底圖像中立即判斷,以致確診時為時已晚。

彭浩怡在加州大學三藩市分校及柏克萊分校獲得生物工程學的醫學博士及研究博士學位,是非執業醫生。

彭浩怡表示,其團隊在視網膜病變肆虐的印度聘請 54 名眼科醫生,收集並閱讀超過 130,000 張視網膜影像,且進行了 880,000 次診斷,以訓練深度神經網(DNN),提高圖像辨識能力。結果發現,機器學習系統的表現(識別準確程度)已稍勝專業眼科醫生。這對醫生和專業影像診斷設備不足的地區尤其重要,因可盡快診斷疾病。不過她強調,機器學習工具是協助醫生工作而非取代他們,醫學界也歡迎機器學習的成果。

助診斷慢性病

事實上,愈多應用例子(如圖像),深度學習演算工具便會愈準確,但多少數量才是「足夠」呢?彭浩怡認為以她研究經驗,大概 5,000 張影像應可對疾病作出合理估算,這也跟數據「規模經濟效益」有關。除了癌症等慢性病診斷,會迅速惡化、死亡率高但又難以立即診斷出來的急症(如:敗血症),機器學習工具亦可幫上忙。

及時兼準確診斷,是防治視網膜病變的黃金法則。

彭浩怡透露,Google 正跟印度及醫療機關和美國 FDA(食品藥品監督管理局)溝通,以及尼康(Nikon)等光學儀器商洽談,提高辨識成果,推廣應用範圍,但估計要把機器學習實際廣泛應用在醫療儀器,起碼需要多年時間,且還要通過醫療和數據處理等方面的監管機構審查。

總結:造福人群與轉身夠快

Google 前員工、創新工場(Sinovation Ventures)創辦人李開復,大力宣傳人工智能的潛力之餘,亦憂慮隱藏?的「泡沫」危機,特別是新手投資者。不過從技術發展來看,由機器學習開發帶來的應用可以「造福人群」形容,只要用得其法,業務發展可以更順遂,要擔憂反而是企業是否跟得上,以及員工轉身夠快與否。

Source:ezone.hk

相關文章

Page 1 of 21