人工智能尤其是深度学习技术的成熟使得市场上出现了很多AI辅助诊断产品。人类基因组测序技术的革新、生物医学分析技术的进步、以及大数据分析工具的出现，为病人提供更精准、高效、安全的诊断及治疗。
自从年阿尔法狗在围棋界全面战胜人类智慧，人工智能会不会战胜人类甚至取代人类的话题再次被摆在了风口浪尖。医学领域作为人工智能应用的热门领域也不可避免。一时间，AI与医生似乎站在了一个尖锐的对立面。
IEEESpectrum在新年伊始推出专刊“AIvsDoctors”，统计了从年5月至今，AI在医疗领域的进展，并对比各大细分领域AI与人类医生能力差距。下面，雷锋网就带你看看在过去的一年里研究团队的重大突破，梳理一下在哪些疾病领域，AI已经可以与医生媲美，又在哪些方面还力有未逮。
吴恩达团队用CNN算法识别肺炎
仅在美国，每年就有超过万成年人因为肺炎住院，5万人因为该病而死亡。
深度学习著名学者吴恩达和他在斯坦福大学的团队一直在医疗方面努力。吴恩达团队提出了一种名为CheXNet的新技术。研究人员表示：新技术已经在识别胸透照片中肺炎等疾病上的准确率上超越人类专业医师。
算法被称为CheXNet，它是一个层的卷积神经网络。该网络在目前最大的开放式胸透照片数据集“ChestX-ray14”上进行训练。ChestX-ray14数据集包含14种疾病的10万张前视图X-ray图像。
CheXNet在使用胸透图像识别肺炎任务上的表现超过放射科医师的平均水平。在测试中，CheXNet与四名人类放射科医师在敏感度（衡量正确识别阳性的能力）以及特异性（衡量正确识别阴性的能力）上进行比较。放射科医生的个人表现以橙色点标记，平均值以绿色点标记。CheXNet输出从胸透照片上检测出的患肺炎概率，蓝色曲线是分类阈值形成的。所有医师的敏感度-特异性点均低于蓝色曲线。
雷锋网对此成果进行了详细报道，详情