近来，一组由吴恩达博士率领的斯坦福研究人员研发了一个新的机器学习模型，通过心电图来辨别患者否心律不齐，其效果甚至早已多达了人类专家。这一可自动做出临床的新方法对于日常医疗意义根本性，它可以协助人们对有可能丧命的心律不齐的症状作出更佳的辨别，防患于未然。此外，它还需要在医疗资源更为短缺的地区获取较好的医护服务。

显然吴恩达从百度辞职以后重新加入Drive．ai，也对人工智能在医疗上的应用于产生了兴趣。近年来，科学家们早已找到了通过分析医疗影像，机器学习在化疗诸多疑难杂症中所充分发挥的宝贵价值，如皮肤癌、眼科疾病和乳腺癌。“看见人们能这么很快地转变观念，拒绝接受深度自学在某些横向医疗领域可以作出比专业医师更加精确的临床的事实时，我深感非常难过。

”吴恩达在一封电子邮件中这样说。此外他还补足到，看见研究人员早已开始拓展医疗AI在除了以心电图为代表的图像数据之外新领域的应用于，也十分令人激动。

在今年三月从百度辞职后，吴恩达博士早已返回了斯坦福来之后展开自己的学术研究。斯坦福大学的研究团队训练了一个用来筛选心电图数据中各式各样点状跳动的机器学习算法。

部分心律不齐现象可以造成心脏骤停在内的诸多相当严重身体健康问题，但是这些信号一般来说无法捕猎，病人们被迫倒数数周配戴心电图监测器以确保安全。最重要而坑爹的一点是，由于心律不齐自身的特性，很多时候医术高超的医生也很难在良性和恶性心率动荡中作出辨别。

本文来源：PG电子-www.nagra-international.com