AI医疗三年之期：技术、产品、商业的阶段性“方法论”丨CCF-GAIR 2019( 十 )_编者按：7月12日-7月14日

尹教授从统计学的角度，分享了AI在医学上的应用。

他表示，目前， AI在放射学诊断设备端，如X光、CT、MRI图像上应用最为广泛。利用这些图像的准确诊断有助于加快治疗进程，提高疾病治愈的可能性。另外， NLP在电子病历中的应用也是一个值得探索的方向：“医学电子病历有着非常海量的数据，怎么样利用这些数据，给病人全方面的诊断，这也是非常有意义的一件事情。 ”

此外，与传统的生存模型相比，深度学习还可以更准确地预测患者的生存率。当然，这只是机器学习在医学领域的开端，许多应用前景广阔，但还需要在随机临床试验中进行进一步验证。

尹教授论述了几个深度学习模型在疾病预测中的案例。他强调，如果一个AUC为0.99的算法没有被证明可以改善临床结果，那么它的价值将会大打折扣。

2018年4月，由IDx公司开发的AI系统(结合算法的成像设备)获得FDA的批准。该算法在疾病诊断中的敏感性为87% ，特异性为91% 。