生活水平在進步，但亞健康似乎成為了很多人身體的常態(tài)，并且各種慢性病也成為了危害人類健康的一大隱患，慢性病復診很麻煩，掛號有時候就需要排上幾個小時，所以很多人都會選擇自己調理。但是自己調理有時候效果并不是那么明顯，并且根本沒有辦法了解自己調理的到底如何。

據(jù)了解，斯坦福大學為此成立了一個研究小組，而吳恩達是該小組的負責人，他在人工智能領域是一位赫赫有名的專家，同時吳恩達也是斯坦福大學的兼職教授。該研究小組已經(jīng)證明，相比起醫(yī)學專家，機器人通過心電圖設備能更準確地判斷心律不齊的癥狀。由于機器人對潛在致命的心跳異常的檢測結果更加準確，其自動檢測心律的方法對日常的醫(yī)學治療變得十分重要。

吳恩達通過電子郵件中表示：“人們能夠迅速接受這樣一種觀點，即機器人可以比專業(yè)醫(yī)生更準確地診斷病情，這讓我深受鼓舞。”他補充說，看到研究人員擺脫空想，把注意力轉移到其他形式的數(shù)據(jù)（比如心電圖），這個過程十分鼓舞人心的。

斯坦福大學的研究團隊發(fā)明了一種深度學習算法，該算法能在心電圖數(shù)據(jù)中識別不同類型的心跳異常。其中一些類型的心跳異?，F(xiàn)象會引發(fā)像包括心臟驟停等嚴重的并發(fā)癥，不過這些類型的心律問題很難會被檢測到，所以醫(yī)院通常會要求病人在幾周內佩戴心電圖傳感器設備。即使得到檢測結果，醫(yī)生也很難區(qū)分哪些類型的心律問題可能是良性的，哪些是可能需要治療的。

圖：研究人員使用便攜式心電圖（ECG）設備從不同類型的心律不齊患者身上收集了3000030秒心電圖動態(tài)片段

深度學習需要將大量數(shù)據(jù)輸入到一個大型模擬神經(jīng)網(wǎng)絡中，并對其參數(shù)進行微調，直到它能準確識別出有問題的心電圖信號。實踐已經(jīng)證明該技術善于識別復雜的圖像和音頻，并促進了比人類判斷更準確的圖像識別和語音識別系統(tǒng)的發(fā)展。

吳恩達堅信人工智能革命的即將到來，他說：“我們仍有工作要做，即需要把這些算法引入到醫(yī)療保健系統(tǒng)的工作流程中去。不過我認為，10年后的醫(yī)療治療將會更多地應用人工智能，而且將會發(fā)生天翻地覆的改變?！?/p>

人工智能加入醫(yī)療保健系統(tǒng)，這將會加速慢性病管理系統(tǒng)的發(fā)展，對于慢性病患者來說無疑是個福音。