简介：Marr是大数据分析、度量、
企业管理界的畅销书作者、思想领袖和世界级专家。Marr擅长引导政府与全球顶级企业从数据的角度解决最为关键的商业问题。他是世界经济论坛 （World Economic Forum） 的高频贡献者、美国《福布斯》杂志的专栏作家和美国领英评价的商业世界五大领袖之一 。他有多部著作，包括《Big Data》（曾在2016年获得CMI Management Book 未来类大奖）、《Big Data for Small Business For Dummies and Key Business Analytics》。
正文翻译：
毫无悬念的说，人工智能，尤其是深度学习技术最令人兴奋的应用领域就是医疗健康。从前，医生想要诊断致命的病症，如肺癌和
心脏病，主要通过筛查病人的X线扫描影像并寻找病症的早期征兆。
影像识别自然是深度学习非常擅长的领域，从脸书（Facebook）的人脸识别到谷歌（Google）的图像搜索，该技术的商业运用日益广泛。
纵然脸书（深度学习使用户想要提及照片中的朋友时不再需要手动输入他们的姓名而是机器自动识别 ）和谷歌（深度学习在你需要时帮你找到好笑的猫咪照片）对深度学习技术的应用貌似微不足道，但这一技术在其他领域正在产生更为深远的影响。
肺癌是中国死亡率最高的病症。 放射科医生希望能通过肺部CT扫描影像更早地诊断患者，但是在中国放射医师严重短缺的情况下，很多医生发现他们每天需要筛查大量影像。大量的重复工作很容易导致疲劳、误诊和漏诊。这一问题促使推想科技创始人陈宽想要将他所擅长的深度学习、影像识别技术应用于医疗行业。
暨与四川省人民
医院和合作之后，推想科技也陆续与中国三甲医院展开合作。
陈宽与我分享道：“国内很多非城市人口很少进行常规的医疗检查包括影像检查。他们往往等到身体已经发出很严重的信号时才去大型医院看病。但是这常常意味着病人已经错过了最好的诊疗时间。所以推想科技想要做的就是用深度学习技术解决这一问题。如果我们能从过去的病历中学习，然后通过辅助筛查技术提高诊断的准确率，我们就可以解决上述问题。”
陈宽及两名推想成员曾在四川省人民医院驻扎一年时间以了解推想的软件产品如何与医院的影像归档和通信系统（PACS） 实行对接。与此同时，他们开始使用真实的数据训练模型准确地寻找肺部病变的结节。
深度学习运用深度神经网络—算法模型的设计使得数据在节点之间的传导模拟人脑结构。当数据在节点间传输时，深度学习网络可以自动进行调整来提高机器处理下一部分数据的效率。因此，深度学习赋予机器“自主学习”的能力并使得它们能以新的方式发现危险特征。
陈宽及推想团队所用的方法是机器学习中的“监督式学习”—推想使用已知诊疗结果 （确诊肺癌的）的数据训练机器寻找图像中的病灶。
“简言之，我们需要大量的数据，”陈宽分享道，“用这些数据我开发了一个简单的模型，它能在阅读完X线图像后反馈病人情况是否正常。我们很了解
健康、正常特征的肺部情况，所以医生可以把更多精力放在具有非正常特征的病历上。这是我们现有产品的基础。”
2015年推想科技获得了投资并与更多家中国的大型三甲医院进行合作。现在推想正在寻求国际上的合作伙伴以缓解世界范围内放射科医生的工作压力以及拯救更多的生命。
陈宽多次强调，推想的技术不会取代医生，而是辅助、提升他们的诊疗效率和准确性到前所未有的水平。
“中国的八万放射科医生需要处理每年十四亿的放射影像。通过人工智能与深度学习，我们可以扩充医生的工作。机器是不会取代医生的，它能帮助医生完成高重复性的工作和提高他们的诊断速度。”
这是一项令人激动的AI应用，也是我们知道机器非常适合的工作——只要有电，机器能目不转睛、质量稳定地快速筛查。
随着推想科技和一些从事身体其他部位影像筛查的公司的崛起，我相信我们会听到很多如推想一样的成功故事。
