一家中國新創公司利用Nvidia深度學習平臺為肺癌診斷開發人工智能斷層掃描(CT)診斷解決方案…

　　Nvidia積極培育深度學習開發人才并與產、官、學界合作提供實務訓練課程；那么其他芯片供貨商，例如也推動其FPGA在深度學習領域應用的Xilinx，難道不能也提供類似的培訓計劃？

　　對此市場研究機構Tirias Research首席分析師Kevin Krewell認為并不盡然：“FPGA對于機器學習編程來說仍然太復雜，采用FPGA (或是像Google的TPU那樣自行設計ASIC)會有一些優勢，但GPU普遍可得、立即可用而且功能多樣化，可以被用來執行顯示器也可以執行機器學習。”

　　Nvdia推廣深度學習的實際成功案例

　　Nvidia特別介紹已經在該公司平臺上開發深度學習程序/產品的公司，像是一家中國新創公司推想科技(Infervision)，目標是為肺癌診斷開發人工智能斷層掃描(CT)診斷解決方案。

　　推想科技創辦人暨執行長陳寬(CK)自己就是AI浪潮中的代表性人物之一，他開發的程序將展現新科技如何協助醫療放射技師讀取CT掃描與X光結果，以更早期、更有效率地檢測肺癌患者的可疑病灶以及結節。

　　陳寬并沒有參與Nvidia的培訓，但在2012年于美國芝加哥大學主修經濟與金融學科時偶然看到了一份Nvidia深度學習平臺的介紹：“是我一個朋友給我看的，而我就被迷住了。”

　　他在2012年的美國總統大選期間，與其他芝加哥大學以及麻省理工學院(MIT)的學生合作利用AI開發一個程序，能分類推特(Twitter)上兩黨候選人歐巴馬(Barack Obama)以及羅姆尼(Mitt Romney)的貼文，偵測公眾對候選人的觀感；這是陳寬在深度學習領域的首次投入。

　　2014年，還是博士班學生的陳寬回到中國于不同產業尋找AI商機，在多場面談之后，有一位在中國頂級醫院任職的放射科技師提供他一個關于開發深度學習癌癥偵測技術可能性的靈感，并因此催生了推想科技；陳寬可說是遇到了貴人。

　　專業醫師的采納是推想科技開發之程序不斷精進的關鍵因素，陳寬表示，現在中國有超過100所醫院正在與該公司合作，導入斷層掃描與X光設備擷取的數據并比較結果。

　　而陳寬之深度學習產品的分水嶺，出現在Google旗下人工智能公司Deep Mind開發之AlphaGo于2015年擊敗人類圍棋高手的那時候；AlphaGo在2016年再度于一場與人類棋士的對決中獲勝。陳寬表示：“在那之后，中國醫療社群對AI仍抱持懷疑的人都改變了態度；不然沒有人真的信任深度學習軟件。”

　　中國武漢同濟醫院的醫師正在使用推想科技開發的程序（來源：推想科技）

　　讓機器自己學習

　　陳寬表示，醫師們自1990年代就已經開始使用傳統的計算機輔助機器視覺軟件，例如R2；但R2與推想科技的新一代深度學習軟件程序不同，醫師必須要先告訴機器要找什么、描述尋找對象的特征，盡管也是集合許多專家開發的成果，但準確度并不是很高。

　　推想科技是讓機器去學習該找什么：“機器會自己學習該注意的實際區域以及需要尋找的對象特征；”不過陳寬強調，這樣的學習得仰賴從各家醫療院所長時間收集的大量數據。

　　幸運的是，自從2002年爆發的SARS疾病大流行，中國政府積極在大型醫院推動設置新一代IT設備；陳寬表示，很多一線醫院已經有自己的數據中心，儲存所有的影像數據。當然，那些儲存的影像并不是都很完美：“如果分辨率太差，就會成為GIGO (garbage in, garbage out)的經典案例。”

　　目前推想科技正在準備完成來自參與早期采用項目的放射技師測試結果，而為了擴大其業務規模，該公司也正在等待中國食品藥品監督管理總局(CFDA)對其軟件的批準。

　　陳寬表示，到目前為止看來，在人類放射技師以及計算機之間的比較研究結果“相當有前途”，兩者能同時找到大于6mm的癌變結節；而計算機在3~6mm或更小的結節搜尋上表現更佳。不過他也坦承，科學家們還無法解釋計算機是如何能得出特定結論，這是深度學習的一個缺點。

　　而他也強調，深度學習軟件的目的不是要取代放射師，關鍵在于人類專家與計算機合作，驗證出正確的結果。