lehu88|机器学习即将彻底颠覆医疗诊断系统

机器学习不仅能大幅度缩减成本，而且完全能动态提供临床结果；通过运用四种机器学习的算法，还能让医生尽快介入疾病风险的再次发生；将来更为廉价、更加不易取得、质量更高的医疗将不会推展机器学习算法技术沦为主流，同时也不会提升对医生自身的拒绝。疾病诊断是医疗系统中更加偏向于劳动密集型的工作之一，刚好，它也是机器学习算法的擅长于领域。尽管这一领域的工作还正处于早期发展阶段，但这项技术正在很快发展，并或许打算改变为一项“临床医学”。

随着机器学习在医疗领域应用于的大大加剧，更加多的机器学习应用于在医疗临床的案例兴起。大部分的临床数据都是基于图像的，比如X射线、磁共振，以及超声波图像，也还包括基因组概况、流行病学数据、血液检测、前列腺结果，甚至是医疗研究论文。因此，这为训练神经网络和其他机器学习技术获取大量的数据。

疾病预测：早于找到早于化疗普通医疗体系无法总有一天维持准确又较慢的临床，但机器学习不仅能大幅度缩减成本，其临床结果完全能动态提供。更加多的情况下，机器学习需要比老练的医生获取更加精确的临床。例如，MITTechnologyReview近期的一份报告认为，HongyoonChoi和Hwan在韩国高级科学和技术研究所Cheonan公共卫生中心和KyongHwan研发的深度卷积神经网络（CNN），它意味着通过PET（正电子升空断层成像）的大脑扫瞄，就需要精确辨别出有患者否具备三年内患上阿尔茨海默病的趋势。Hongyoon和Kyong利用那些具备轻度认知障碍、不易发展为阿尔茨海默氏症的患者的脑图像数据集预测该疾病，准确度高达84％。

早于找到早于化疗是减少大多数疾病化疗成本甚至反败为胜临床结果的关键。就阿尔茨海默症而言，能在症状好转前减缓病情发展。

在美国，老年痴呆症在众多丧生原因中名列第六。据估计，2017年老年痴呆症的护理成本不会超过259亿美元。预计到2050年，这一数字将攀升至1．1万亿美元。

本文来源：lehu88-www.orders2018.com