斯坦福大学的一项新研究或将在医学界掀起波澜，研究人员报告称，他们新开发的机器学习算法可以识别组织影片，可呈现特定类型癌症，比流行病学家的精度要高得多。这是第一个迹象表明，计算机不仅能够解决“主观”部分的药物，在某些情况下，比人类医生更适合解决此类问题。
在生物化学实验室里，科学家工作需要互相配合。如果没人做，实验室就不能正常运行。约瑟芬拿到一些影片，需要识别病症，凯文有一堆培养皿，希望看到其中的菌落。但他们都不能找出结论，因为他们只对特定的结果感兴趣，所以他们对所分配的不同影片、器皿或任何介质会有偏见。这听起来有些荒谬，但训练有素的科学家会定期收集充斥着高度可见的肿瘤影片，拿过去问小组同事：“看到任何癌症迹象没？
但通常医院工作繁忙，不会总有人帮忙查看试验结果，也常常会出现很难解释的试验结果，忽略了试验结论中趣味性。斯坦福大学教授麦克·施耐德指出，“现在实行的评测法还很主观，两位高度熟练的病理学家评测相同的影片，只有约百分之六十的结论是相互认同的。”
例如，看一看这些有染色的乳腺癌影片。即使经过培训，有问题的地方（箭头处）和正常生长部分之间只有轻微的差别，如果按严重程度评估的话，情况会更糟糕。
新开发的系统已针对2000多张影片鉴定出超过10000个独立特征，总体上有助于正确的诊断。这是与人类最好的对比。该算法将根据独立特点对每张影片进行评估。
要注意到癌症的视觉特性，不掺杂任何人为的主观偏见，该系统可确定一些以前未知的信息，实际上可以帮助人类预测癌症。
这对医学意味着什么？长期研究表明，计算机能更好地找出基础关联性，智能机器人可能会听出你的身体问题，更好地服务。但这样的机器人医生一直对解释试验结果的能力是有限的。
也许不久之后。机器学习将采用高度灵活的方式，能适应几乎所有类型的挑战。是否需要学习锁骨骨折的视觉特性，或与耳部感染有关的口语词，很难想象人工智能能够掌握多少，是否能正确的输入数据。
更高的生产力和新需求层出不穷，而迎面而来的自动化技术浪潮是难以预测的，人工智能将会有迎来新的突破。
