分卷阅读61 (第1/3页)

    陈一非在入职以后主攻心脏诊断部分。

他们利用人工智能深度学习,集中开发心电图的识别系统。它将主要针对静态心电图ecg,读懂,并在30秒内出具诊断报告。如有st段抬高、压低,那可能是心肌梗死或心绞痛，如果……那可能是……ai还会分析其他检查数值，比如肌钙蛋白、ck-mb，继续考察心肌梗死和其他病的可能性，要都没有，则会根据各项信息提供建议，比如要不要复查心电图，要不要行冠脉造影……也有可能指导医生做心脏超声、拍胸部ct,或者检查患者体格用以排除动脉夹层和肺栓塞等等可能。

陈一非没多久便捉住了重点——传统算法对心电图并不合适。可以说与指纹十分类似，每个人的心脏都不一样，于是，他引入了性别年龄身高体重等等东西，综合考量。

在技术上，不仅有主要用于图像识别的卷积神经网络（n），还有主要用于文本识别的循环神经网络（rnn），陈一非的想法非常具有创意，就是让rnn如同学习句子一样“学习”心电图。既然通过训练，rnn可以知道句子当中一个单词前后有什么词是正常的，有什么词是不正常的，那也应该可以知道心电图中一个心搏前后有什么活动是正常的，有什么活动是不正常的。他把心电图拆成一个个的心搏，让ai考察关系、变化，“思考”图形是否异常。陈一非说：“一个心搏如同一个词汇，若干心搏如同一个句子，放在一起才有意义，不能单一地看。”

阮思澄能感觉得到，陈一非是挖得对了。可以看懂心电图的专业医生其实不多，p大一院心脏中心的副主任曾经表示“大约只有3万多人”，而全国每年心电图的检查人次已近3亿。可以想象，如果ai可以“看懂”心电，在短时间出具报告，甚至发现人类肉眼瞧不出的细微变化，一定会对胸痛急诊有所助益。

她打算，等到二期就让这个产品增加比较“摩登”的心磁图识别功能，甚至延伸到心脏超声、胸部ct……扯远了。

与技术上的进展同步，患者病历也在增加，从一万到两万，再到五万十万，十五万二十万。

陈一非在