放射科大夫并不都认为机械是有用的，由于计较机辅帮诊断(CAD)并欠好用。霍华德说，这种模子能够捕获影像中的黑点，但经常错误显示为阳性。因而大夫们常常感觉辅帮软件东西很傻，Enlitic要做的是改变这种不雅念。
手艺并不缺乏炒做，深度正在快速变化。必然的空间内，深度手艺能够正在很多行业派上用场，但也可能是只针对特定地域，特定工种的工人的申请。霍华德认为这是可能的深度的不竭成熟。
Enlitic 的创始人兼首席施行官杰里米·霍华德暗示，但愿通过这种方式挖掘医疗数据，并给医护专业人员供给易于利用的使用法式。
另一个出人预料的妨碍是，医学范畴太细分太专业了，这形成我们的科研功效大概能合用于某一科室，但却很难正在更一般的医疗问题上供给无效的。因而，保守医学的细分和专业化也是妨碍之一。
雷锋网(公家号：雷锋网)领会到， Enlitic 公司是一家深度的公司，努力于诊断性医疗。 Enlitic 的人工智能算法由多学科、国际出名数据科学家、机械从业者和医学专家构成的根本设想，持续两年连任MIT Technology Review评选的全球人工智能公司第35（2015）和第14名（2016）。
本文做者：李雨晨
明显，他是一个闲不住的人。为了让深度手艺被更多的人理解和利用，杰里米·霍华德近期又创立了一个名为st.ai的手艺分享平台。该平台不单免费供给关于深度手艺的系列视频教程（例如由杰里米·霍华德本人教学的“Practical Deep Learning For Coders”），同时也能够间接帮帮从业者和用户开辟简单快速的软件产物。
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 取其告竣深度合做，试水人工智能正在医疗影像中的实正在使用。据雷锋网领会，中美两国对放射科大夫办事需求很是迫切。从放射科大夫的年增加率来看，美国和中国仅仅只要2.2%和4.1%，远远不及医学影像数据对应63.1%和30.0%的高速增加率。每年3亿人次参取体检市场的用户量也无力的申明了问题。
从 X 光照片及 CT 扫描图像中找出恶性肿瘤的图像识别软件是深度的方式之一 “Convolutional Neural Network(ConvNet，卷积神经收集)”开辟的。 ConvNet 对放射技师过有无恶性肿瘤及肿瘤等的大量医疗图像数据进行机械，从动总结出代表恶性肿瘤外形等的“特征”以及注沉哪些特征可以或许判断有无恶性肿瘤等“模式”。 ConvNet 将找出的模式使用于新的医疗图像，便可晓得图像中能否存正在恶性肿瘤。
Enlitic 正在医疗保健范畴的具体妨碍都有哪些？
导语：手艺并不缺乏炒做，深度正在快速变化。必然的空间内，深度手艺能够正在很多行业派上用场。
X 光照片的分辩率凡是正在百万级别，恶性肿瘤的尺寸却仅占数十位像素。从相对比例上来看，要分辩出恶性肿瘤具有相当高的难度。
从动化诊断手艺正在医疗保健范畴的使用越来越普遍，可是不是这种手艺正在现实的操做中就一片坦途呢？正在本年1月份的一次专访中，杰里米·霍华德对 Enlitic 正在范畴中碰到的一些问题进行了回应。以下为他接管专访时的回应内容。
据此前悉尼前驱晨报的报道， Enlitic 凭仗深度手艺超越了4位的放射科大夫，包罗诊断出了人类大夫无法诊断出的7%的癌症，以及正在人类大夫高达66%的癌症误诊率的下，Enlitic的误诊率只要47%。
取拍医拍合做，共同中国全国健康核心深切
另一个妨碍是缺乏正在这一范畴工做的数据科学家。让我惊讶的是，目前有大量的精采科学家投身于相对影响力较低的范畴，好比告白手艺、产物和社交收集。同时，目前有大量的深度研究人员都聚焦于若何“建立大脑”，而不是手艺处理当前人类面临的现实问题。
深度手艺会大数据（好比医疗影像）来锻炼人工智能系统，然后让它对新数据给出阐发反馈。其他供给深度东西的公司还有 Clarii 、 ErsatzLabs 、 Metamind 、 NervanaSystems 以及 Skymind 。
X 光片要识别出恶性肿瘤难度颇高
Enlitic 的癌症检测系统 肺癌检出率跨越大夫
最大的妨碍之一是缺乏完整的数据集，即大量病人正在一段时间内进行各类医学测试、医学，以及医疗结果的分析性的数据集。只要基于如许的大规模的完整的数据集，我们才能够成立精准的深度模子，供给基于现实医疗结果的诊断和医治，而不是简单的初级的诊断猜测。
Enlitic的创始人兼首席施行官杰里米·霍华德是 Enlitic 、 FastMail 、 Optimal Decisions Group 三家科技公司的创始人兼 CEO，是大数据竞赛平台 Kaggle 的前从席和首席科学家，是美国奇点大学（Singularity University）最年轻的教职工，是正在2014达沃斯论坛上颁发从题的全球青年魁首，他正在 TED 上的《The wonderful and terrifying implications of computers that can learn》收成了近200万的点击…
该公司专注于人工智能辅帮诊断东西，以医学图像、诊断书、临床试验为数据根本，着沉提拔放射科大夫的工做效率。其开辟的系统次要针对医疗图像扩凑数据库， Enlitic 软件能够插入到医疗机构曾经正在利用的系统傍边，从而分享或查看医疗图像，让大夫不必本人费劲查找相关图像数据。
他是一个闲不住的人
雷锋网查阅材料得知，就 X 光片为例，据美国疾控核心（CDC）估量，每年美国大约有1210万人接管乳腺 X 光，但按照美国癌症协会（ACS）统计，此中差不多有一半都有“假阳性”嫌疑，也就是一半的健康女性会被奉告他们得了癌症。大量女性为了确信度选择接管乳腺活组织（每年160万人），而此中的20%都属于健康女性，同时活检准确率也只要60%-80%。
总部位于美国的新兴企业Enlitic创立于2014年，种子轮获得了200万美元融资。2015年10月，的医疗图像诊断办事公司Capitol Health颁布发表采用 Enlitic 的恶性肿瘤检出系统系统。这是 Enlitic 公司的系统初次被采用。同时， Capitol Health 对 Enlitic 出资1000万美元。