深度学习被神话：医疗影像分析还需多结合传统模式

本次CCF－GAIR 2017将会迎来更多人工智能和机器人行业重磅专家。CCF－GAIR为国内外学术、业界专家提供一个广阔交流的平台，既在宏观上把握全球人工智能趋势脉搏，也深入探讨人工智能在每一个垂直领域的应用实践细节。今天要介绍的是未来医疗场的演讲嘉宾，天琴医疗公司的董事及AI实验室主任冯源博士。

冯源为荷兰屯特大学应用数学博士，浙江大学计算机博士后，她在公司主要负责医疗图像大数据挖掘以及人工智能模型和算法研究。加入天琴之前，她曾在上海联影科技放疗事业部任职，负责放疗软件系统架构、建模和算法设计。

将AI用于医疗影像分析，可以帮助医生定位病症分析病情，辅助做出诊断。目前医疗数据中有超过90％来自医疗影像，这些数据大多要进行人工分析，如果能够运用算法自动分析影像，再将影像与其它病例记录进行对比，就能极大降低医学误诊，帮助做出准诊断。

自2016年起，乘着人工智能的热潮，国内涌现出一批将AI技术用于医疗影像智能分析的公司，笔者曾在一篇文章中做了盘点。

冯源告诉笔者，天琴医疗的特点是以技术为导向，提供的是中间件和服务，通过专业的设备生产厂家和专业的医疗影像公司走向市场。根据不同的需求，他们会开发不同的算法模块，以这种形式与合伙伙伴推动医疗影像。

“我们的主要客户不是医院、医生，而是医疗影像公司和医疗设备生产厂家。我们有一套适用于医疗影像的通用算法平台，能针对不同的问题，快速开发出解决特定问题的专用系统。”

据了解，天琴也在与主流的医疗设备生产厂商作合作与技术研究，也在医院中进行技术研究。

冯源认为，公司虽然今年才成立，但自14、15年已开始研发，而且国内医疗影像分析与美国相比还不算成熟，仍处于起步阶段，机会还有很多。最明显的是国内公司多处于天使轮的阶段，而美国公司已经进入A、B轮。

她认为，很多公司的产品是某一具体器官的辅助诊疗，但天琴做的是一个通用平台，客户如果需要肺部诊断服务，就可以开发专门的算法模块。通用平台上，只需要少量时间，利用自动化构建模型平台，就能开发出算法模块。

这种通用型的平台，是否面临影像数据的不足呢？毕竟相比国外，国内信息化不足，没有标准化的体系来提供高质量的数据。

冯源认为，这要看具体用到了什么技术，数据是一个问题，但技术可以解决。“如果是强监督学习，确实需要大量且高质量的数据，但如果用半监督与弱监督学习的方式，可能只用少量标注好的数据，还有大量未标注数据。”

在本月9号的CCF－GAIR未来医疗专场，她将会做主题演讲，介绍自己对医疗影像市场的看法，以及哪些技术会对医疗行业带来改变。

她告诉笔者，深度学习有点被神化了，认为它能解决一切问题是很片面的。深度学习的理论研究还很薄弱，而缺乏理论支持的优化方法在实际应用上是令人担忧的。作为数学系的毕业生，她希望能有严格的数学证明它是最优的。所以，她也看到还有很多传统的方法（如果这么称呼不同于深度学习的方法的话）也很漂亮。

她表示，公司正在将凸优化中的对偶理论应用到深度学习中，这也是因为她之前博士与工作中对这方面涉及颇多。在建模上，他们设计了一套自动化系统，能针对具体的应用场景，自动构建神经网络结构，选择合适的参数，整个过程可以在一周内完成。而更进一步的目标，“是让训练过程更简化，整个过程可以在一天内完成。”