与拍医拍合作，配合中国全国健康检查中心深入学习
2017年4月，中国医疗 AI 科技公司拍医拍正式成立“拍医拍医学智能研究院”， Enlitic 与其达成深度合作，试水人工智能在医疗影像中的真实应用。据雷锋网了解，中美两国对放射科医生服务需求非常急迫。从放射科医生的年增长率来看，美国和中国仅仅只有2.2%和4.1%，远远不及医学影像数据对应63.1%和30.0%的高速增长率。每年3亿人次参与体检市场的用户量也有力的说明了问题。
Enlitic 在医疗保健领域的具体障碍都有哪些？
自动化诊断技术在医疗保健领域的应用越来越广泛，但是不是这种技术在实际的操作中就一片坦途呢？在今年1月份的一次专访中，杰里米·霍华德对 Enlitic 在领域中遇到的一些问题进行了回应。以下为他接受专访时的回应内容。
最大的障碍之一是缺乏完整的数据集，即大量病人在一段时间内进行各种医学测试、医学干预，以及医疗效果的综合性的数据集。只有基于这样的大规模的完整的数据集，我们才可以建立精准的深度学习模型，提供基于实际医疗效果的诊断和治疗建议，而不是简单的初级的诊断猜测。
另一个障碍是缺乏在这一领域工作的数据科学家。让我感到惊讶的是，目前有大量的杰出科学家投身于相对影响力较低的领域，比如广告技术、产品建议和社交网络。同时，目前有大量的深度学习研究人员都聚焦于如何“构建大脑”，而不是利用技术解决当前人类面对的实际问题。
另一个出人意料的障碍是，医学领域太细分太专业了，这造成我们的科研成果或许能适用于某一科室，但却很难在更一般的医疗问题上提供有效的建议。因此，传统医学的细分和专业化也是障碍之一。
深度学习技术会利用大数据（比如医疗影像）来训练人工智能系统，然后让它对新数据给出分析反溃其他提供深度学习工具的公司还有 Clarifai 、 Ersatz Labs 、 Metamind 、 Nervana Systems 以及 Skymind 。
技术并不缺乏炒作，深度学习在快速变化。一定的空间内，深度学习技术可以在许多行业派上用场，但也可能是只针对特定地区，特定工种的工人的申请。霍华德认为这是可能的深度学习的不断成熟。
登陆|注册欢迎登陆本站，认识更多朋友，获得更多精彩内容推荐！