谷歌，IBM和其他公司已经致力于创建AI（其弱形式），可以分析X射线图像。 怎么了 问题在于放射科医生，不仅是放射科医生，还必须花费大量时间来分析医学图像。 这样的图片很多，但是您需要在一定时间内查看并给出答案。
专家很少有时间分析相同的X射线。 如果医生是新鲜的并且在查看图像时保持警觉，那是很好的。 但是，如果在查看了数百张相同的图像后，它在工作日结束时已经可以工作呢？ 这里的人为因素非常强大，错误的可能性会增加很多倍。 为了简化专家的任务，科学家还试图利用人工智能的功能。
定期查看医学图像（不一定是X光片）的医生的另一个问题是“搜索满意度”错误。 事实是，看过图片的医生发现问题后，可能不会从事寻找其他医生的工作，而是确定他的假设是正确的，并立即做出诊断。 鉴于所确定的问题并不总是潜在疾病的表现，对患者的后果可能非常严重。
现在，由安德鲁·安（Andrew Un）领导的
一组科学家进行了神经网络的开发，该网络将在医学图像中搜索各种疾病的表现。 专家们创建了一个神经网络，该神经网络接受了数据库示例的训练，该数据库包含从14000多家医疗机构获得的数万张图像（近5万张）。 同时，
每个图像事先由诊断为放射线照相并将其标记为正常或病理的医生分析。
神经网络的结果和三位放射科医生将训练后的神经网络的有效性与三位放射科医生和医生的工作进行了比较。 事实证明，在两种情况下，神经网络几乎没有落后于一个人，而在一种情况下，它超越了一个人。 通常，在74.9％的情况下，计算机可以正确检测到损坏。 值得注意的是，科学家已经向全世界发现了他们的研究成果和材料。 因此，用于训练神经网络的数据库被布置在公共领域，并且可以在斯坦福大学网站上找到。 准备将其用于训练其他神经网络。
神经网络还可以与其他类型的医学图像配合使用。 例如，深度神经网络学会
在大脑的
正电子发射断层扫描 （PET）图像中识别疾病痕迹。 我们正在谈论的是阿尔茨海默氏病，其特征是淀粉样斑块的出现与大脑新陈代谢的减慢有关。
以前，科学家
发现某些类型的PET扫描能够检测出这些负面条件的迹象。 因此，该技术可以检测人类的轻度认知障碍，这种障碍随后会导致阿尔茨海默氏病。
的确，对于人类科学家来说，解释所产生的图像相当困难。 但是由于一个或两个标记，神经网络可以很好地解决这一问题。 为了训练计算机系统，专家们使用了具有健康大脑的182名70岁的人的大脑图像，以及诊断出阿尔茨海默氏病的139个具有相同年龄的人的大脑图像。 结果，AI能够识别出健康的大脑和患病的大脑之间的差异，并以很高的准确度（超过90％）识别出了差异。
至于Andrew Un和他的团队，他们正在
尝试使用神经网络
的功能以及另一个项目。 我们正在谈论的是患有严重疾病的患者，患者和姑息疗法。 神经网络试图预测患者的病情严重程度（大多数情况下，我们谈论的是非常老的人）。 如果我们正在谈论一种进展性疾病，这种疾病只会给患者带来不超过一年的生命，那么一组姑息治疗师将开始工作，他们试图在某种程度上消除疾病的负面表现（疼痛，心理状态等）。 问题是团队必须在特定时间开始工作以最大程度地发挥作用。 在这里，神经网络也显示出巨大的成功。
总体而言，科学家现在认为AI（它的弱形式）是助理医生，如果我可以这么说的话，则不能替代。 神经网络可以帮助专家识别各种问题，而人类医生已经可以借助其数字助手来进行准确的诊断。 结果，节省了时间并且提高了诊断准确性。 随着时间的流逝，神经网络将成为可靠的医生助手-今天，这种做法本质上是实验性的，但是所获得的结果激发了人们对医疗技术领域中计算机技术能力的健康乐观态度。