吴恩达的新公司宣布成立快一个月了，一直没有新动静。不过从最近几天他的推特动态上看，未来新公司的研究方向很可能是 AI 医疗。吴恩达在离开百度后的 92 天，发布推文宣布成立新公司 deeplearning.ai，他并没有过多透漏新公司的业务发展方向，目前关于新公司的信息也只是一个域名和公司 logo。不过，新公司很可能会进军 AI 医疗领域。比如最近推特上的几条动态，都是关于 AI 医疗。
从百度离职后，吴恩达博士重新回到斯坦福大学继续进行学术研究。他所带领的斯坦福研究人员开发了一个新的机器学习模型，通过心电图来判断患者是否心律不齐，其效果甚至已经超过了人类专家。具体研究方法和数据参考论文，文末附论文地址。
传统检测心率不齐的办法是：
病人到医院做一个心电图，如果用仪器检测几分钟或十几分钟没有发现问题，但病人又有心律不齐的症状，医生很可能会让病人佩戴一个心电图检测器，最长佩戴为两周。两周时间，检测器产生几百小时的心电图数据，医生要一秒一秒地检查，从中找出患者是否出现了心律不齐。
而吴恩达的研究团队新研究的方法是：
由于心律信号之间的差异非常细微，病理性的心律不齐和正常的心律不齐在心电图上表现非常相似，一种需要立即治疗，一种则不需要治疗，很多专家都很难发现它们之间的微小差别。为了解决这个难题，他们把这看作成一个数据科学问题，最终选择和可穿戴心电图检测设备厂商 iRhythm 合作，收集并标注了 29163 患者的 64121 份心电图数据，构建了大规模的神经网络训练集。数据集中的心电图样本每段 30 秒，都是经过专业医生标注的样本。他们随后又收集来自 328 名心律不齐患者的 336 份心电图数据，作为测试集。
最后以 3 名专家诊断的结果为标准，来比较 6 名心脏病专家识别的正确率和模型的正确识别率，哪一个更高。实验结果显示，模型的识别准确率更高。如下图（满分为 0.8，蓝色代表模型识别正确率，黄色为心脏病专家识别正确率。）
吴恩达将这一实验成果分享出来后，很多小伙伴在评论区表示祝贺，竖大拇指，可以说是振奋人心。
可是医生们慌了，国外有一位放射学专科医生给吴恩达发送了一封邮件，信上是这样写的：
我是一名已经接受三年专业训练的放射科医生，我应该放弃专业或做别的事情吗？放射科技师还有多久会被替代？
吴恩达并没有直接给他答案，而是分享了自己一些想法：
一个新科技的出现要掐着时间，不能太早也能太晚。比如说 iPhone，2007 年才是它发布的正确时间，而不是在 1993 年，因为那时的芯片，电池，屏幕技术还没到位。
另外一个极端的例子是达芬奇发明直升机，他发明直升机的时间是 1480 年代，而飞机引擎技术在 1900 年代才出现。
还有自动驾驶技术，2007 年研究自动驾驶技术还太早，因为 AI 要用到的传感器还没生产出来。2015 年以后，整个自动驾驶的生态系统才算比较完善。
同样在 1990 年代，网络，视频流还不足以支撑慕课问世，到 2011 年，整个网络基础建设才为在线视频教育提供了较好的环境。
深度学习也是，90 年代数据/计算比较小，浅层算法效果更好。从 2007 开始，有了大数据做基础，深度学习才取得了更好的效果。
但是，我们还是要感谢历史中所有的革新者，包括早期的那些人，他们的工作对后来的发展进步也非常具有影响和帮助。
从吴恩达给这位放射科医生的回复来看，雷锋网认为现在 AI 技术在医疗读图上，还处于发展阶段，短时间还不能完全替代放射科医师。
其实在这位放射科医生问吴恩达这个问题之前，吴恩达在接受华尔街日报记者 Jason Dean 采访时已回答过类似的问题。
Jason Dean: 来做一个预测，我九岁的双胞胎跑过来告诉我他们长大后想做什么职业。我应该告诉他们，什么工作在他们长大后就可能已经不存在了呢？你之前提到过放射线技师，别的还有吗？
吴恩达：如果你有朋友或小孩在医学院学习，坦白说，AI 在医学影像分析上正在取得更好的效果。所以，如果你有朋友去读医学院，并且从放射影像学毕业，我认为他作为放射线技师的职业生涯可能只有五到十年。
吴恩达博士最后还给大家留了一个小小的悬念：我有一些想法是关于 2017 可能会是哪些领域的关键年，请保持关注。
从吴恩达博士最近发的推特动态，以及对这位医生的回答来看，可以看出他对 AI 医疗有着浓厚的兴趣。他离开百度后曾说过，“我并不知道自己具体将要做什么，但是我认为 AI 不仅为百度这样的大公司提供了机遇，也同样为创业公司和基础研究提供机遇。有很多垂直领域令我感到兴奋，我对医疗领域和教育领域都极其感到兴奋——这些是 AI 大有可为的主要领域。”期待 Andrew Ng 在一个多月后向大家公布新公司研究领域。
论文下载地址：用卷积神经网络做专家级心律不齐检测