算法走上救死扶伤第一线，吴恩达团队利用机器学习检测心率失常

如果医生愿意给予机器更多信任，那么也许在不久的将来，我们会看到各种算法代替他们救死扶伤。

一支由著名人工智能研究员Andrew Ng领导的斯坦福大学研究团队，向我们展示了机器学习能比医学专家更好地从心电图中诊断出心律失常。这对于当下稀缺的医疗资源而言，也是一个好消息。

近几年来，研究人员已经证明了机器学习技术能通过医学图片来诊断几乎所有的疾病，包括乳腺癌、皮肤癌和眼疾等。

“人们正在接受深度学习在诊断精度上更胜于医生的理念，这让我们深受鼓舞。”Ng在电子邮件中说道。他还表示，研究员们已经开始尝试其他形式的数据（例如上文提到的心电图）。

Ng曾在中国科技巨头百度担任过首席科学家，他主要帮助该组织将深度学习应用于解决不同的商业问题。

如今这支斯坦福团队正在训练一种深度学习算法，帮助识别心电图中不正常的心率，部分心率失常可能会导致严重的健康问题，比如心脏猝死。这种疾病很难被检测出，哪怕病人把心电图传感器安装在身上数周时间也无济于事，而医生也很难从心电图中区别出正常心率和非正常心率。

这批研究人员已经和iRhythm建立了合作，后者是一家从事移动心电图设备生产的公司。他们从患者那里搜集了3万多份30秒时长的心电图片段，这些片段的心率不尽相同。为了评估其算法的精确性，这支团队将它的辨识结果与5位心脏病专家进行了对比，双方各识别500个未经诊断的心电图片段。同时他们还请了3位心脏病专家进行评审。

深度学习需要为大型模拟神经网络提供大量的数据，借此来调节各类参数，以更加精确地辨认病变的心电图信号。经证明，这种方法的确能通过图片和音频来诊断各种不同的疾病，同时还能帮助开发比人类医生更加优秀的图片辨认和语音识别系统。

目前，如何说服病人和医生相信这些算法还是个问题。在机器学习领域里，深度学习是一个非常晦涩难懂的模块，让它变得更加通俗易懂，能帮助人们建立对它的信任。