今年11月，吴恩达领导的一支斯坦福团队发布了一项将深度学习应用到医疗领域的成果。
当时，他们设计出了可以用来检测肺炎的“CheXnet”算法，这种算法是一个层的卷积神经网络，能够通过胸部X光片判断病人是否患有肺炎。据该团队的描述，CheXnet的水平已经超越了专业的放射科医师。
这个引人注目的成果在近日引起了一位放射科学者的质疑，那就是来自澳大利亚知名学府阿德莱德大学的LukeOakden-Rayner。这名在读医学博士生,曾发表过多篇医疗人工智能方面的文章，包括曾以第一作者的身份于今年5月在Nature上发表利用深度学习等技术预测人类寿命的文章。
LukeOakden-Rayner对CheXnet的质疑主要来源于该算法所使用的ChestX-ray14数据集（ChestX-ray14是目前最大的开放式胸透照片数据集，由美国国家卫生研究院发布，CheXnet使用了ChestX-ray14作为训练的数据集）。他发现，与人类医生的视觉评估相比，该数据集中的标签不准确、不清楚，并且经常描述医学上的次要发现。“我认为，这些标签无法匹配图像中显示的疾病”，他在博文中写道。
※博文地址