预测乳腺癌的AI医生来了！

华盛顿大学人工智慧工程师及放射学家已制造出一套人工智慧网络服务，用以统计分析腺体 X支线相片中确实发生的癌，以暂时病症确实并不需要进行时有创的活一个组织烟熏。这是一个很好的特训网络服务，可以让同学了解腺体X光片的相片；也可以在不够医疗卫生能源的区域内，为中医师提供者更高的医疗卫生暂时。

大部分用来检测腺体 X支线相片的 AI，并不可看出他们的思考和暂时。但是，当你想要示范的时候，这通常是一个说明的图表，也就是说告诉精神科他们的注意力比较大在什么区域内。

但是，现今，一个全新的的人工智慧网络服务不但可以让精神科知道自己在观察什么，而且还可以通过以往的充分判断自己的判断。

华盛顿大学放射科教授 Joseph Lo时说：“如果人工智慧想要重申重大的现代医学暂时，那么精神科们就必须无论如何，人工智慧所得出的论点是创建在以往有用的充分之上的。我们所并不需要的算法不但能起作用，还能自己解释和示范他们的论点。因此，不管精神科们确实认同人工智慧的暂时，人工智慧都不会适度重申更高的决策。

能够懂医疗卫生相片的人工智慧是一项庞大的行业，现在有数以千计的独立的运算法则， FDA已批准了100种应用于临床。但是，不管是选读 MRI, CT还是X支线摄影，他们都很少不会用到最多1000幅图片或者包括了人均收入数据统计分析的断定性资料。由于不够资料库，以及近些年数起著名的不甘心情形，使得很多中医师对人工智慧应用于高致命的现代医学暂时提出异议了疑问。

数据分析者们利用华盛顿大学肥胖体系中484位病症的1,136幅图片，来特训新的人工智慧。

他们先让人工智慧识别可疑的出血，然后忽视肥胖的一个组织和其它无关的数据。然后，他们雇佣放射学专家学者对相片进行时细致的加注，以便让人工智慧能够比较大注意力于病灶的边缘，也就是确实的恶性与周边的也就是时说一个组织接触的所在位置，并将其与已知的恶性及良性的相片进行时对比。

在特训中止之后，数据分析者们开始试验人工智慧。尽管它的稳定性还不如人类放射学专家学者，但是它的稳定性却和其它的黑盒人工智慧人工智慧数学模型远比。当新的 AI犯错，选项就可以了解到它是错的，并知道它为何不会犯错。

接下来，数据分析小组正致力于为 AI增加其它天体物理学特性，让他们能够在重申暂时时，比如受损的形态，这也是放射科中医师学习和观察的另一个特点。