2016年，僅美國就有約一萬人逝世于黑色素瘤。晚期病情疾速診斷無望下降該病逝世亡率。

　　多達2.9億的美國人沒有醫保。經由過程智妙手機APP供給醫療辦事將給醫療辦事帶來反動性變更。

　　應用現有的谷歌算法，斯坦福年夜學迷信家創立了一個數據庫，用以練習神經收集。最后用于鑒別貓和狗的一種人工智能算法，如今可診斷癌癥。

　　解救性命

　　團隊從互聯網匯集了年夜量圖象，并與皮膚科大夫和傳授們親密協作，搜集了13萬張關于皮膚病變的圖片，涵蓋了2000多種疾病。

　　隨后，他們基于該數據庫使算法，辨別致命的皮膚病變和枯燥皮膚。該團隊宣稱這個算法本意是用于“處理成績而不是將謎底編入法式。”這意味著庫內圖象越多，辨認病變才能就越好。

　　為了測試算法的機能，研討人員經由過程三個診斷義務比較了算法與21名皮膚病大夫的診斷，分離是角質細胞癌，黑色素瘤和皮膚鏡檢測黑色素瘤。在三項測試中，研討團隊發明，算法的精確度可達91%。

　　申報聯名作者Andre Esteva說：“我們制作了一臺壯大進修算法的機械，它能從數據中停止進修。而不是將我們須要的器械停止準確編程，你能讓算法處理成績。”

　　AI用于醫療

　　斯坦福的高等AI，此時或許還處于早期摸索性階段，但它不是獨一可以停止準確診斷的AI。客歲，大夫應用IBM的AI體系——沃森來診斷一種白血病，AI體系贊助搶救了一位女性患者的性命。

　　因為應用傳統辦法并未診斷出她的疾病，是以這一成果使人尤其震動。IBM的研討談對稱，勝利的癥結在于AI可以或許應用年夜量數據并停止疾速剖析。

　　這是人類大夫沒法做到的（至多沒法到達如許的精度和效力）。體系檢討了這位密斯的基因信息，并將之與兩萬萬例臨床腫瘤案例停止比較。然后體系判斷患者得了一種極端罕有的白血病。

　　然則，準確度并不是斯坦福AI體系的獨一優勢，該團隊正努力于將這項技巧用于智妙手機，讓醫保無限的人群也能獲得贊助。

　　Esteve說：“當我認識得手機將無所不在時，我的主要時辰光降了。每一個生齒袋里都有一臺配有傳感器和攝像頭的超等電腦，假如我們用它銜接真實的屏幕，診斷皮膚病或其他小缺點會如何呢？”

　　研討人員正在緊鑼密鼓地優化算法并試圖更好地懂得其決議計劃方法。很快，一切人都能經由過程智妙手機應用這類能解救性命的技巧了。未來，假如該技巧用于其他疾病或用處，那些買不起保險的人也能具有優越的醫療。從久遠看，能搶救更多性命。