1樓：IanMorrisNoone
這個只是做疾病篩查不能用來確診，篩查和確診是兩個完全不同的概念。另外有乙個答案犯了常識性錯誤，這裡要指出來，就是現代醫學不是經驗醫學，是事實醫學，這就是為什麼進醫院要先做相關檢查的原因！事實醫學就決定了，通過概率篩查，先把概率大的患者找出來，然後做有創的確診檢查，這樣做的其實對於病本身的診斷意義是不大的，畢竟小概率事件也是會發生的，一旦發生了，對患者就是100%的災難！
2樓：沐風清楊
本想圍觀，不過，瀉藥，我強答一下
計科渣渣，目前還沒有學習「深度學習」
把醫療診斷的步驟看成乙個科學實驗的步驟，簡化模型
以往我們人做出某個實驗結論無非是發現問題，做出假設，收集資料，分析資料，得到結果，驗證
現在看，「收集資料」這一步好像被AI實現了，「分析資料」一向是計算機的強項，那麼「得出結果」應該不成問題；至於「發現問題」和「做出假設」應當還是人類強項
但是「做出假設」是不是可以通過大量統計來得出結果從而被AI實現，這是我的乙個猜想
上文說「收集資料」的「好像」是因為無法確定AI收集到的資料是不是巧合
就這個問題來說，原文也提到了，乙個是沒有等價測試結果的對比說明，乙個是人種差異尚未被考慮
也就是說測試結果是否可信，是否嚴格回歸，視網膜與這些健康指標的關係有沒有那麼緊密(不過這好像也是AI在這件事中的意義)；以及「人種差異」擴充套件到的「其他差異」的不同資料的收集處理的考量
不過想來Google的科研人員應該是有把握的，那麼如果視網膜資料收集的難度不大，是不是可以在手機上收集資料，通過Google處理給出乙個醫療建議(分析結果認為有的話建議就醫，沒有的話不阻止尋求更權威的醫療診斷)作為乙個補充
更廣泛來說，AI可以獨闢蹊徑，從別的方式收集我們以往直接進行測量的資料，給很多設計騰出了空間
3樓：拾荒鎮的殘暴殺手
如果是血管類微型機械人的應用技術，應該是具有巨大的醫學價值的。今後的AI發展具有邊界效應，即將會具備兩個極點：極大和極小。兩類應用都應該是未來的重要方向。
4樓：墨色之銀
我對醫學了解不多，所以下面的言論可能會有失偏頗
個人認為醫學是一門經驗學科，抓住某些特徵去判斷這是什麼病，並對症下藥。從這個角度出發的話不難發現，ai和醫學是可以結合的，因為就ai而言，其本身也是乙個根據輸入輸出獲得「經驗」（權值）學習的工具，因此我認為兩者結合是完全可行的，加上ai強大的計算能力，最起碼ai是可以是可以用來處理日常的一些小病（風險小，上市可以用來樹立口碑），同時也可以用來輔助醫生診斷（有一定風險，所以不能沒有人，上市可以用來做品牌）；從上面的論述不難看出其實這個東西不論是研究價值還是商業價值是相當的強的，因為這個東西邏輯上與醫學契合度還是比較高的。
5樓：小強2100
如果能把每種病的相關症狀，檢測結果，病歷等都放到AI上判別，她就能當乙個初步的醫生了，而且還不用去醫院，你看現在多少醫生不就是這樣看病的嗎？沒啥技術含量，還沒AI收集的資料多，讓真正的醫生來看AI解決不了的病人吧！
6樓：求所及
不只是心臟病，以後醫學的趨勢，因為AI已經被證實醫療診斷方面的準確率比人類還高，這種經驗類的職業確實比不過人家機械人啊！
7樓：馬帥
所有能上臨床的手段，只要能通過FDA幾乎都是靠譜的。如果是想看專案做類似專案的投資，看懂每個類似的專案投資盡量不失敗，都要明白其每個科學原理和技術發展情況和產業特點，一篇帖子要說明白通透不容易。
8樓：
視網膜影象和心臟病的關聯到底多大？從文章看目前發現了些眉目。
如果樣本足夠多，深度學習足夠好，用AI來檢測心臟病就非常有用。
AI檢測的成本足夠低，操作方法足夠簡單，對醫學的進步會非常大。這可能會變成乙個常規的體檢篩選專案。 篩選出AI判斷出有問題的，再人工介入。
這中間對判斷錯誤的不斷修正。最終可以想象會得到乙個準確率相對比較高的判斷方法。
結合雲端免費開放檢測運算。想象以下，個人在家裡拍攝視網膜影象上傳到專門的雲端伺服器裡去計算分析。就可以得到乙個初步的心臟檢查報告了。這樣上傳的人越多，樣本就越多，未來可期。
9樓：ITer
看到這種技術對身體的侵入性很小，感覺還是有一定吸引力的。以前的檢查技術對身體的侵入性較小，但是不是很準確，輻射也比較大。近年來，隨著內鏡的普及，檢查準確度提高了很多。
相比傳統的開刀手術，內鏡手術顯然創面要小很多。但作為檢查方式，內鏡對患者來說還是挺痛苦的。所以，相比於侵入式檢查，AI如果能通過收集視網膜資料，利用深度學習準確判斷心臟病，那是再好不過了。
問題在於，AI是否能作為確診的手段，還是僅僅是輔助手段。對患者來說，比起一次次做各種檢查，肯定是一次就能確診的檢查更方便。我不懷疑AI的判斷力，只是質疑收集到的資料的準確性。
這個案例中，我認為AI承擔的還是醫生的角色。醫生通過看各種檢查報告做出判斷，前提依然是檢查報告的資料是否準確。所以問題依然是，AI採集到的資料是否涵蓋了判斷心臟病的所有因子，以及資料是否準確。
10樓：alux ma
這主要還是要看兩件事之間到底有沒有關聯性，關聯性高不高，假如在心臟情況中，視網膜的資料完全不是主分量，那再學習也沒意義。谷歌既然動手了，可能是有確切的證據說明兩件事之間有緊密的關聯性吧。深度學習本質上還是分類，只有存在的類別才能被學出來。
11樓：Yan
謝妖。簡歷模型的前提是視網膜真的和心臟病有關聯才行。 暴力挖掘出來的函式誰知道靠譜不靠譜呢。如果不是用的DL而是傳統的特徵提取加上SVM之類的分類器，結論會更有說服力。
為了說明深度學習不靠譜，我找了下面幾個例子。更多例子請閱讀 Adversarial Examples 的文章。因為類似這種樣本的存在，基於現有DL模型的技術注定只能做輔助。
12樓：zzy
很有創造性的發現，毫不否認AI和醫療行業有巨大的耦合空間，中國是人口大國，擁有天然的資料優勢，如果AI能在醫療行業有所突破，輔助醫生進行一些判斷，就會明顯降低一些重要疾病的死亡率吧。
13樓：SnailDM
這完全有可能啊，之前看過湖南衛視《我是未來》這檔綜藝節目。裡面展示的腦科學都可以進行意念控制了，這讓我相信AI時代真的什麼都有可能~
14樓：whitedog
非常初步，非常有侷限行動研究，當然也可以看做ai看病的一大步。。。目前只是炫技般的存在，但是未來，潛力巨大。不過你看人群只是白種人西班牙裔，就算資料拿來咱們也沒法用。。。
如何評價 2019 年 9 月 4 日谷歌正式發布的 Android 10 正式版？有哪些系統級更新？
已登出 路過。手持小公尺A1，刷的pixelexperience，本來想刷lineageos，但是看到pixelexperience有安卓10的版本而lineageos沒有就刷了。狂點安卓版本號會出現的安卓彩蛋沒有以前的安卓彩蛋萌了，現在是黑色的數字配黑白的條紋。android 10可以自己安排這幾...
如何評價 2020 年 8 月 3 日發布的谷歌 Pixel 4a，有哪些亮點和不足？
Yue Liao 20201203追更 才知道 Pixel 5 目前的 5G 支援就是個花架子，多地 5G 還沒得到支援，甚至不知道國內 5G 是否會在後續 OTA 更新中得到官方支援。愈發覺得 4a 比 5 划算多了。入手一台。主要想前想後5000買個765G pixel 5 實在覺得虧，S20看...
如何評價谷歌大腦的EfficientNet？
發乙個自己用tensorflow2.0實現的EfficientNet calmisential EfficientNet TensorFlow2 Kerr.Wu 在自己的task 醫療影像 上做了一下finetune，用的是官方release的B5的引數 B6B7目前沒放出來，from scratc...