放射学面临可怕的新世界

罗马走进一家酒吧,举起两根手指,说:“请五杯啤酒。”

——世界上最令人讨厌的笑话

事物是变化的。有时从根本上。从罗马到阿拉伯数字的转变和最近二进制的拥抱。CT ?核磁共振?博士吗?没有二进制数学吗?Fuhgettaboutit !

今天的变化不仅是加速…把我们在新的方向。人工智能的一个分支,深度学习将撼动前所未有的放射学。

认为你了解计算机辅助诊断吗?再想想。机器。

今年8月,IBM收购了RIS / pac供应商合并医疗为10亿美元。为什么?主要合并获得数十亿的医学图像可以通过7500客户。IBM数据这些图像可以提供的临界质量,沃森健康需要学习如何识别疾病一样或比其前任machine-handled参赛者在危险之中。

这并不是一个孤立的思想。从Enlitic软件工程师,旧金山的启动,很快就会安装一个深度学习的算法设计pac在澳大利亚和亚洲的80个医学影像中心。算法将检查归档医学图像,直到它已经学会识别疾病。它会与放射科医生的诊断团队完全相反,放射科医生今天的工作方式与CAD。使用Enlitic的算法,放射科医生会选择感兴趣的领域和机器将审查的解释,当然,放射科医生。

如果你觉得这听起来有点像机器接管,请继续阅读。

深入学习算法将提供最终的临床决策支持,Enlitic创始人杰里米·霍华德告诉我。利用病人的电子医疗记录和实验室信息系统将这些算法所有他们需要的信息“建议”医生对病人管理的方方面面从诊断到治疗随访。

机器将连接这些点;得出结论;甚至看到没有见过的。它已经发生了。一个DL算法开发了斯坦福大学病理学学会阅读图片已经发现证据表明肿瘤细胞周围的细胞可以帮助确定病人的预后。这是新闻病理学家,他们传统上一直只看着病变细胞。更多的惊喜。

当电脑诊断真正扎根,机器将掌握了核心功能区分80%的劳动力在西方国家——阅读和写作、口语和听力,知觉和集成的知识。

如果放射学家认为竞争对读小学和现在是艰难的,它会变得强硬起来。他们不需要等太久。

一个完全不同的世界的迹象,诞生于机器学习,到处都是。无人驾驶汽车巡航加州街道,区分树和行人、十字路口的等待额外的时刻因为分析显示,许多事故发生后1.5秒绿灯亮了。

在瞬间,深度学习口语英语文本翻译成汉语文本说普通话——在演讲者的声音区别。亚马逊建议新的基于购买的购买;谷歌在搜索基于我们想填补类型,以及我们所做的。

Enlitic的学习算法可以在几个月工作,学习,然后确定疾病的迹象,先生CT、超声和x射线图像。五年后这个和其他DL-based软件可以在全世界使用。不会很久的,直到他们的开发人员会问,“为什么使用网真让专家几乎病人,当深度学习算法可以现场担任虚拟专家?”

发展中国家将成为首批购买这个观点,因为他们是可怕的需要的学习机器能做什么。DL算法可能会抵消医学专业知识的缺乏,专家说的是阻碍这些国家的公共卫生的改善。如果深度学习证明这样的要求条件下,西方国家的越来越多的成本意识医疗系统还会远吗?

我们可能会感到一丝宽慰,世界已经饱经风霜的技术革命。但是现在接近将不同于任何见过。而人类性能逐渐提高,深度学习的性能是呈指数增长的。

这不是一个勇敢的新世界,我们正面临。这是一个前所未有的机会和非凡的危险。和填满我们的侧视图镜子…说的对象可能是出奇的一致。

编者按:这是第一个博客在一系列的四个行业顾问Greg Freiherr放射学的发展。