桑福德大学的研究
人员已经
开发了一种自学习算法 ，可以诊断医学图像（胸部X射线）。 该软件平台仅专注于肺炎，但其执行任务比专业
放射科医生更好。
肺炎有所不同，神经网络通过X射线可以区分14种。 科学家已经
在arXiv上将其工作成果公开发布。 该软件平台的一位开发人员说：“医学图像的分析是一项艰巨的任务，我们知道这一点。” “我们决定通过基于成千上万张医学图像的“培训”来开发自学算法。”
这项工作使用了NIH临床中心提供的数据集。 这是一个庞大的数据库，其中包含使用荧光透视仪获得的超过11.2万张人类胸部的正面图像。 在这些图像中，可以区分出14种不同的病理。 这些信息使“培训”用于诊断这些病理的软件平台成为可能。
培训结束后，科学家决定检查系统做出诊断的情况。 在机器做出诊断后，研究人员要求医生做同样的事情。 医生分析了420张图像，并对每个图像进行了诊断。 事实证明，该计算机系统比人类能够更准确地诊断肺炎。
肺炎是一种危险且常见的疾病。 仅在美国，由于患有肺炎，每年约有100万人去医院就诊。 在X射线上很难检测到某些病理-在这种疾病的某些种类中过于隐蔽的迹象。 同时，机器学习可以帮助医生解决这个问题。
这里对患者的主要危险是，如果医生未正确诊断，则可能导致任命不当治疗。 结果，患者将得到治疗，但他/她的病情将恶化。 医生每天必须分析数百张这种图像的事实使情况变得更加严峻，结果引起了人们的注意。 机器经过了质量培训，可以全天候工作，几乎不会出错。 此外，计算机系统可以突出显示照片中的最小细节，这对于做出正确的诊断很重要，但对人类是不可见的。
开发人员“教”他们的系统在分析图像时创建类似于人体的热图。 只是不显示温度，而是用不同的颜色标记肺部，其中机器“看到”了肺炎的迹象。 经过处理后，一个人已经在检查图片了，首先要注意机器标记为“最热”的区域。
研究人员认为，这样的系统将很快被广泛接受和普及。 “我们将继续创建和改进有助于检测异常的医疗算法。 我们还希望不久后我们将能够公开提供个性化的医疗数据集，以供其他从事类似或其他问题的专家使用。”研究小组的代表杰里米·欧文说。
医学上的X射线是患者健康信息的最重要来源。 许多医生对此图像不知所措。 与他们合作几个小时后，医生的专心致志的能力下降，注意力下降，因此出错的可能性很高。 过程的自动化可以帮助解决问题，从而减少医疗错误的数量。
科学家所做的工作不是唯一的。 现在，许多初创公司和
大型公司（例如IBM和Google）都在从事类似的开发。 除肺炎外，计算机系统已经能够检测肿瘤体征，
心血管系统问题以及X射线和其他医学图像上的其他异常情况。