AI或可减轻放射科医师压力而非淘汰他们
据华尔街日报报道，一科学家团队近日称其人工智能程序通过胸部x光片诊断肺炎的准确度超过人类放射科医师。放射科医师应当为此感到担忧吗？也许不必。ai更有可能让他们的工作变得更加轻松，而不是让他们变得多余。
本月早些时候，斯坦福大学的一个计算机科学家团队宣布，他们的人工智能程序通过胸部x光片诊断肺炎的准确度超过人类放射科医师。
“放射科医师应该为自己的饭碗忧心吗？”其中的一位科学家吴恩达（andrew ng）发布推文称。
也许他们不必感到担忧。事实上，他们应该松一口气才是：ai更有可能会让他们的工作变得更加轻松，而不是让他们变得多余。
现在的放射科医师面临着与多数专业人士一样的二十一世纪问题：数据太多。最新的ai迭代技术机器学习能够仔细筛查那些数据，以及发现人类可能看不到的模式。但机器并不懂得如何处理那些信息——至少目前还做不到。只有人类能够完成这一步的工作。
近几十年来，医学图像数量猛然增加，说明医生工作负荷不断增加，扫描种类更多，每种身体检查产生的图像也有增无减。以往只能捕捉一个身体维度的ct扫描，如今能够捕捉三个维度，因而会产生数百乃至数千张高度精细的图像。
ibm旗下的沃森医疗影像部门全球战略副总裁史蒂夫·托勒（steve tolle）估计，美国每年进行的放射科检查数量达到8亿次左右，共计产生大约600亿张图像，或者说每个放射科医师每两秒钟就产生一张。“而我们的期望是他们每次都能诊断正确。”他说道。
他指出，所有那些数据带来的巨大负担，解释了为什么英国部分医学图像生成以后几个星期都还没有被查看，为什么很多的放射科医师觉得身心俱疲，为什么医院缺少放射科医师，尽管该岗位薪水很高。
ibm认为ai能够缓解那些负担。它是众多针对医学成像开发ai应用的公司中的一家。
ibm的科学家团队给计算机注入数千张已经过人工诊断是否存在肿瘤或其它症状的医学图像。计算机会生成模型来分析新的图像，并尝试判断是否存在肿瘤。
在一项实验中，ibm沃森根据皮肤损伤图像诊断黑素瘤的准确率达到76%，超过8位皮肤科医生71%的平均准确率。该公司希望，有朝一日，医生或者护士将能够拍下皮肤损伤图像，将它上传到一个ai应用程序，然后它就能告诉你患癌症的概率。
由于ai是通过人类鉴别出的模式来学习，它无法知道得比人类多，但它能够更加稳定地运作，在应用那些知识的时候会较少带有偏见。
来自anne arundel医疗中心的约翰·帕克（john park）正在与ibm沃森展开合作。他指出，放射科医师趋向于寻求发现他们最近看过的东西，相比之下，ai一旦看过某样东西，就绝不会忘记，会将相关的知识应用在每一次的图像诊断上。这在极度缺乏训练有素的放射科医师的贫困国家可能会特别有价值。
ai的局限性 不过，ai只能够根据图像显示的东西得出概率，而不是得出确定性的信息。sentara healthcare医疗保健机构的杰米·穆里罗（jaime murillo）表示，它“可能会给我指出我可能没有看到的东西，但接着我得确定它的解读是否准确。”
这正是制约ai在各种领域的应用的地方。跟放射科一样，facebook也备受信息过量的问题困扰。facebook希望，有朝一日ai将能够为它的平台筛查争议性的内容。
不过，排查争议性内容的工作，需要facebook用户向“社区运营”团队举报，然后由后者决定是否应该将其删除。在那以后，ai会留意类似的内容，防止它被分享传播。facebook目前聘请了数千人来进行审查内容。
多伦多大学专门研究ai的经济学家艾维·古德法布（avi goldfarb）指出，“在很多的日常ai应用中，机器会预测及整理最相关的选项，但最后还是由人类作出实际的选择。”他谈到benchsci和atomwise，这两个ai应用会根据其对科学文献的分析以及抗体和分子的大型数据库，向科学家推荐潜在的研究途径。
美国放射学会首席数据科学官凯斯·德雷尔（keith dreyer）称，算法能够被训练来寻找特定的状况，但“大多时候你连自己要寻找什么都不知道。”
“病人咳嗽，原因可能有上千种。”他说道。胸部x光片上的“白云”可能是肺炎，也有可能是肝癌。
最大限度地提升准确率，需要算法分别就每一种症状和疾病接受训练。这可是一个需要耗费巨大的人力物力的过程。德雷尔指出，接着，美国食品和药物管理局必须要批准系统和医生将算法整合到他们的实务当中。
目前已经出现一些针对医学成像的商业化ai应用，但ibm沃森还没有推出该类应用。该公司的发言人表示，针对乳癌和皮肤癌的拟议应用的推出时间，要看监管部门什么时候通过审查。
人们对于ai抢夺饭碗的恐慌，不免让人联想起近20年前各类工作的离岸外包担忧。一些经济学家曾预言，国际宽带连接意味着很多的医学图像解读工作将会被外包给印度薪水低得多的放射科医师。实际上，这从未发生过。
美国监管机构并不希望让不受其管制的医生查阅美国病患的医学图像，而且新兴市场很少人拥有所需要的技能和经验。自1995年以来，美国放射科医师的数量增长了40%多。
氧气探测器的优势有哪些
PCB市场的未来发展方向分析
Python导入包操作和本质
第二代AMD EPYC处理器助力全新Oracle云基础设施计算E3平台
月球要用上4G网络了?
AI或可减轻放射科医师压力而非淘汰他们
云服务器是否拥有高性能的防御系统
用恒流稳压器实现高亮度LED照明方案
化工企业安全仪表系统SIS设计安装步骤
基于Xilinx System Generator设计平台快速构建PID算法以及完成硬件实现过程详解
诺基亚9什么时候上市？诺基亚9最新消息：搭载骁龙835的诺基亚9即将发布，你会为情怀买账吗？
iPhoneX对比三星Note8，双皇机之争！机皇谁更强？
奥迪VS宝马 谁是真正的“灯场”老大
无人驾驶知识普及：毫米波雷达在无人驾驶领域有哪些应用？
TI新型振荡器系列提供业界最低的抖动
进入多摄时代后,摄像头模组成了手机的「第二张脸」
高通完成5G米波性能测试
杰赛科技:5G和新基建为科技革命和产业变革注入活力
简单介绍有关于基站电池落后的修复方法
美商海盗船推出Katar Pro Wireless无线游戏鼠标
本月早些时候，斯坦福大学的一个计算机科学家团队宣布，他们的人工智能程序通过胸部x光片诊断肺炎的准确度超过人类放射科医师。
“放射科医师应该为自己的饭碗忧心吗？”其中的一位科学家吴恩达（andrew ng）发布推文称。
也许他们不必感到担忧。事实上，他们应该松一口气才是：ai更有可能会让他们的工作变得更加轻松，而不是让他们变得多余。
现在的放射科医师面临着与多数专业人士一样的二十一世纪问题：数据太多。最新的ai迭代技术机器学习能够仔细筛查那些数据，以及发现人类可能看不到的模式。但机器并不懂得如何处理那些信息——至少目前还做不到。只有人类能够完成这一步的工作。
近几十年来，医学图像数量猛然增加，说明医生工作负荷不断增加，扫描种类更多，每种身体检查产生的图像也有增无减。以往只能捕捉一个身体维度的ct扫描，如今能够捕捉三个维度，因而会产生数百乃至数千张高度精细的图像。
ibm旗下的沃森医疗影像部门全球战略副总裁史蒂夫·托勒（steve tolle）估计，美国每年进行的放射科检查数量达到8亿次左右，共计产生大约600亿张图像，或者说每个放射科医师每两秒钟就产生一张。“而我们的期望是他们每次都能诊断正确。”他说道。
他指出，所有那些数据带来的巨大负担，解释了为什么英国部分医学图像生成以后几个星期都还没有被查看，为什么很多的放射科医师觉得身心俱疲，为什么医院缺少放射科医师，尽管该岗位薪水很高。
ibm认为ai能够缓解那些负担。它是众多针对医学成像开发ai应用的公司中的一家。
ibm的科学家团队给计算机注入数千张已经过人工诊断是否存在肿瘤或其它症状的医学图像。计算机会生成模型来分析新的图像，并尝试判断是否存在肿瘤。
在一项实验中，ibm沃森根据皮肤损伤图像诊断黑素瘤的准确率达到76%，超过8位皮肤科医生71%的平均准确率。该公司希望，有朝一日，医生或者护士将能够拍下皮肤损伤图像，将它上传到一个ai应用程序，然后它就能告诉你患癌症的概率。
由于ai是通过人类鉴别出的模式来学习，它无法知道得比人类多，但它能够更加稳定地运作，在应用那些知识的时候会较少带有偏见。
来自anne arundel医疗中心的约翰·帕克（john park）正在与ibm沃森展开合作。他指出，放射科医师趋向于寻求发现他们最近看过的东西，相比之下，ai一旦看过某样东西，就绝不会忘记，会将相关的知识应用在每一次的图像诊断上。这在极度缺乏训练有素的放射科医师的贫困国家可能会特别有价值。
ai的局限性 不过，ai只能够根据图像显示的东西得出概率，而不是得出确定性的信息。sentara healthcare医疗保健机构的杰米·穆里罗（jaime murillo）表示，它“可能会给我指出我可能没有看到的东西，但接着我得确定它的解读是否准确。”
这正是制约ai在各种领域的应用的地方。跟放射科一样，facebook也备受信息过量的问题困扰。facebook希望，有朝一日ai将能够为它的平台筛查争议性的内容。
不过，排查争议性内容的工作，需要facebook用户向“社区运营”团队举报，然后由后者决定是否应该将其删除。在那以后，ai会留意类似的内容，防止它被分享传播。facebook目前聘请了数千人来进行审查内容。
多伦多大学专门研究ai的经济学家艾维·古德法布（avi goldfarb）指出，“在很多的日常ai应用中，机器会预测及整理最相关的选项，但最后还是由人类作出实际的选择。”他谈到benchsci和atomwise，这两个ai应用会根据其对科学文献的分析以及抗体和分子的大型数据库，向科学家推荐潜在的研究途径。
美国放射学会首席数据科学官凯斯·德雷尔（keith dreyer）称，算法能够被训练来寻找特定的状况，但“大多时候你连自己要寻找什么都不知道。”
“病人咳嗽，原因可能有上千种。”他说道。胸部x光片上的“白云”可能是肺炎，也有可能是肝癌。
最大限度地提升准确率，需要算法分别就每一种症状和疾病接受训练。这可是一个需要耗费巨大的人力物力的过程。德雷尔指出，接着，美国食品和药物管理局必须要批准系统和医生将算法整合到他们的实务当中。
目前已经出现一些针对医学成像的商业化ai应用，但ibm沃森还没有推出该类应用。该公司的发言人表示，针对乳癌和皮肤癌的拟议应用的推出时间，要看监管部门什么时候通过审查。
人们对于ai抢夺饭碗的恐慌，不免让人联想起近20年前各类工作的离岸外包担忧。一些经济学家曾预言，国际宽带连接意味着很多的医学图像解读工作将会被外包给印度薪水低得多的放射科医师。实际上，这从未发生过。
美国监管机构并不希望让不受其管制的医生查阅美国病患的医学图像，而且新兴市场很少人拥有所需要的技能和经验。自1995年以来，美国放射科医师的数量增长了40%多。
氧气探测器的优势有哪些
PCB市场的未来发展方向分析
Python导入包操作和本质
第二代AMD EPYC处理器助力全新Oracle云基础设施计算E3平台
月球要用上4G网络了?
AI或可减轻放射科医师压力而非淘汰他们
云服务器是否拥有高性能的防御系统
用恒流稳压器实现高亮度LED照明方案
化工企业安全仪表系统SIS设计安装步骤
基于Xilinx System Generator设计平台快速构建PID算法以及完成硬件实现过程详解
诺基亚9什么时候上市？诺基亚9最新消息：搭载骁龙835的诺基亚9即将发布，你会为情怀买账吗？
iPhoneX对比三星Note8，双皇机之争！机皇谁更强？
奥迪VS宝马 谁是真正的“灯场”老大
无人驾驶知识普及：毫米波雷达在无人驾驶领域有哪些应用？
TI新型振荡器系列提供业界最低的抖动
进入多摄时代后,摄像头模组成了手机的「第二张脸」
高通完成5G米波性能测试
杰赛科技:5G和新基建为科技革命和产业变革注入活力
简单介绍有关于基站电池落后的修复方法
美商海盗船推出Katar Pro Wireless无线游戏鼠标