Enlitic

medimage

我们或许有理由担心机器会替代人类更多的工作。因为越来越多的科技公司抱着这样的目的，投诸了无数的人力、资金和时间。Enlitic 是其中的之一，它们试图让机器学会阅读 X 光片，从中发现可能被医生忽略掉的病灶。现在，为了让机器能够学习到更丰富的病例，这家公司准备在中国扩展业务了。
简单来说，Enlitic 的技术就是将不同种类的医学影像数据交给电脑，从这些 X 光片、CT 断层扫描和核磁共振扫描图像（MRI）中，机器要学会找到伤口、失调或是肿瘤。
它们的目的并不是代替医生，而是让医生将时间节省下来，更专注于诊断。X 光片从拍摄到保存数据，再到传输给医生的那一步里面，Enlitic 直接做了可能性分析，这个过程只需要几毫秒的时间。
Enlitic 的 CEO Igor Barani 博士告诉《好奇心日报（www.qdaily.com）》，他们的目的本来就不是替代医生的工作，而是让本来一天看 200 张 X 光片做判断的医生，现在可以一天看 400－500 张。
Jeremy Howard 是一位数据学家，他也是 Enlitic 的联合创始人，用他的的话来说，医学诊断的核心就是一个数据问题，你需要将扫描影像、实验检查结果、病人的病史等数据综合在一起，转化为医疗上的洞见。而最近机器学习领域的进展则展现了一种可能性：机器可以将大量的图片数据在短时间内转化为深度洞察，识别出那些微妙的变化。
这家公司成立还不到两年的时间，从成立之初，Enlitic 就与巴西、中国、印度以及美国的医疗机构寻求合作。从医疗机构、硬件厂商以及放射检查诊所那里，Enlitic 获得一批初始数据。2014 年 10 月，Enlitic 获得了 200 万美元的种子轮投资。一年之后，Enlitic 获得了一千万美元的 A 轮融资。
也正是从那个时候起，Enlitic 开始在澳大利亚和亚洲推广自己的技术。千万美元的 轮融资也是由澳大利亚的诊断成像服务商 Capitol Health 领投的。
当被问起在深度学习技术上，是不是拥有更多数据和资金的大公司就更有优势的时候，Igor 告诉《好奇心日报（www.qdaily.com）》：“是也不是。一个问题是现在虽然数据非常多，例如 Google，但大部分都是无序的，怎么将它们梳理好应用在不同的模型里面才更加重要。”
说白了，即使是大公司，也想用更少的数据完成更精确的判断。尝试用更少的数据达到和用海量数据相差不远的结果，这可以说是目前深度学习领域最明显的趋势。
Enlitic 目前已经从欧洲和澳洲的医疗机构拿到了很多 X 光片数据和对应的诊断结果。而现在将业务扩展到亚洲，目的也是为了让数据库更加完整。“前阵子我们才去北京 301 医院去谈合作，不过还没最终敲定。”Igor 告诉我们。