【猎云网（微信号：ilieyun
）】1月29日报道 （编译：Timo）
如果发现及时，皮肤癌也没那么致命。但不幸的是，很多人都是到健康状况发生了不可逆转的恶化后才发现征兆和症状。一项发表在最新一期《自然》杂志的研究结果预测了在未来人们有可能在手机上进行简单的皮肤癌检查。
通过机器学习，一支斯坦福团队（包括优达学城的Sebastian Thrun）在鉴定皮肤癌上的准确性已能够达到皮肤科专家的水平。该团队创造的诊断系统并非绝对精确。然而纵然有可能出错，此模型也为将来诞生成本更低，更容易推广的诊断方案奠定了基础，以帮助人们进行疾病的初步检查。
该团队从卷积神经网络架构着手（此架构先前已用128万张来自ImageNet的图像进行了测试）。然后他们利用迁移学习，建立了一个数据库，它囊括2000种不同疾病的近13万张临床诊断图片。除了斯坦福大学医学中心，该训练数据库的建立还利用了超过18个在线知识库。
该团队指出：“我们的系统完全不需要人工操作，其机制就是通过一个可以接受照片或是皮肤镜成像的网络，直接利用端对端的图片标签和原始图像进行训练。”
然后使用一组通过活检的高质量图像进行验证。机器基本上达到了临床医生的水平。
这个项目突出了谷歌DeepMind 以及微软做出的努力，他们找出了一些机器学习可能无法检测出的疾病。健康的第一道防线往往是一次简单图像扫描，事实证明这正是由数据推动的深度学习擅长的。今年的 Data Science Bowl 有100万美元的奖金用于奖励可以归类肺部潜在癌性病变图像的工程师。
但为了使机器学习真正地改变我们对医疗保健的认识，算法需要不仅仅能在实验室运行，在日常电子设备上也能实现——这可并非纸上谈兵。计算能力对于机器学习中的大多数任务来说仍然是至关重要的，移动设备还不能胜任。也许更重要的是，生活中的手机相机所产生的高度差异化的数据为疾病诊断带来了麻烦。问题是更多的数据是否可以克服这些因素，如照明、角度和缩放。
如果我们可以解决这些问题，这种技术就有挽救生命和降低医疗成本的潜能。不难想象，花点钱在应用里做一个初步诊断是可以代替上医院看医生的，后者费钱费时，花费高达手机问诊的十倍。
