生活水平在進步，但亞健康似乎成為了很多人身體的常態，并且各種慢性病也成為了危害人類健康的一大隱患，慢性病復診很麻煩，掛號有時候就需要排上幾個小時，所以很多人都會選擇自己調理。但是自己調理有時候效果并不是那么明顯，并且根本沒有辦法了解自己調理的到底如何。

據了解，斯坦福大學為此成立了一個研究小組，而吳恩達是該小組的負責人，他在人工智能領域是一位赫赫有名的專家，同時吳恩達也是斯坦福大學的兼職教授。該研究小組已經證明，相比起醫學專家，機器人通過心電圖設備能更準確地判斷心律不齊的癥狀。由于機器人對潛在致命的心跳異常的檢測結果更加準確，其自動檢測心律的方法對日常的醫學治療變得十分重要。

吳恩達通過電子郵件中表示：“人們能夠迅速接受這樣一種觀點，即機器人可以比專業醫生更準確地診斷病情，這讓我深受鼓舞。”他補充說，看到研究人員擺脫空想，把注意力轉移到其他形式的數據（比如心電圖），這個過程十分鼓舞人心的。

斯坦福大學的研究團隊發明了一種深度學習算法，該算法能在心電圖數據中識別不同類型的心跳異常。其中一些類型的心跳異常現象會引發像包括心臟驟停等嚴重的并發癥，不過這些類型的心律問題很難會被檢測到，所以醫院通常會要求病人在幾周內佩戴心電圖傳感器設備。即使得到檢測結果，醫生也很難區分哪些類型的心律問題可能是良性的，哪些是可能需要治療的。

圖：研究人員使用便攜式心電圖（ECG）設備從不同類型的心律不齊患者身上收集了3000030秒心電圖動態片段

深度學習需要將大量數據輸入到一個大型模擬神經網絡中，并對其參數進行微調，直到它能準確識別出有問題的心電圖信號。實踐已經證明該技術善于識別復雜的圖像和音頻，并促進了比人類判斷更準確的圖像識別和語音識別系統的發展。

吳恩達堅信人工智能革命的即將到來，他說：“我們仍有工作要做，即需要把這些算法引入到醫療保健系統的工作流程中去。不過我認為，10年后的醫療治療將會更多地應用人工智能，而且將會發生天翻地覆的改變。”

人工智能加入醫療保健系統，這將會加速慢性病管理系統的發展，對于慢性病患者來說無疑是個福音。