深度学习(DL, Deep Learning)是机器学习(ML, Machine Learning)领域中一个新的研究方向。是指多层的人工神经网络和训练它的方法。一层神经网络会把大量矩阵数字作为输入，通过非线性激活方法取权重，再产生另一个数据集合作为输出。这就像生物神经大脑的工作机理一样，通过合适的矩阵数量，多层组织链接一起，形成神经网络“大脑”进行精准复杂的处理，就像人们识别物体标注图片一样。 AlphaGo（阿尔法围棋）是第一个击败人类职业围棋选手、第一个战胜围棋世界冠军的人工智能机器人，由谷歌（Google）旗下DeepMind公司戴密斯•哈萨比斯领衔的团队开发。其主要工作原理就是“深度学习”。 随着技术的方法和计算能力的增强，AlphaGo在医疗领域的应用也越来越广泛。

医生工具

       谷歌DeepMind开发了Streams 移动应用，医生和护士可用其诊断肾脏损伤。另外还有一款名为Hark的App，主要针对患有严重肾衰竭病人的系统，可以取代纸质系统和呼机的任务管理。一旦病人有什么情况，护士就可以通过Hark给医生发送消息并注明优先等级。

      IBM旗下Watson和美国贝勒医学院合作研发的“知识集成工具包”KnIT系统，在扫描60万医学报告、150万的病历和临床试验以及200万页的医学期刊得到数据的基础上，经过机器自学习，已帮助美国哥伦比亚大学医疗中心和马里兰大学医学院的医疗人员更快、更准确地诊断、治病。KnIT具体做法是分析问题，与潜在已有数据库比对，输出答案列表，并用百科全书、医疗文档、音频或图片等其他数据库为答案打分，挑选出最优答案，经过12周训练，可以回答多发性硬化症、肺癌、糖尿病治疗等问题，为医生护士提供诊断分析。据测算，沃森的诊断准确率达到 73%。

医学影像

       美国的人工智能公司MetaMind拥有2项核心技术，一是 “卷积神经网络”，该技术在图片挖掘方面实现了智能化识别。例如丢给机器一堆水果图片，让机器自学习之后，再给一张苹果图片让机器识别，机器大概率能给出这张图片上是苹果。还有就是“递归神经网络”技术，具有强大的文档学习能力和智能识别能力，可以区别十分近似的语句。MetaMind通过这2项核心技术，可以十分准确的识别医学影像资料。

参考文献

Zhang Z . When doctors meet with AlphaGo: potential application of machine learning to clinical medicine[J]. Annals of Translational Medicine, 2016, 4(6):125.

Silver D , Schrittwieser J , Simonyan K , et al. Mastering the game of Go without human knowledge[J]. Nature, 2017, 550(7676):354-359.

Silver D , Hubert T , Schrittwieser J , et al. A general reinforcement learning algorithm that masters chess, shogi, and Go through self-play[J]. Science, 2018, 362(6419):1140-1144.