现代医疗面临最大的问题，仍然是医疗资源极度缺乏。Enlitic公司的创始人JeremyHoward认为：世界经济论坛估计，我们需要至少300年的时间才可以培养出足够多的医护人员满足现在发展中国家的医疗需求。为了解决医疗资源极度缺乏的难题，Howard作为世界最顶级的数据科学家，他选择利用人工智能为医生创造一个强有力的医疗助手，为此他创办了Enlitic公司。Enlitic，2014年8月份成立，总部位于美国的旧金山，被MIT技术评论选为“全球最智慧的50家”之一。这家公司利用深度学习来帮助医生更快速、更准确、更方便地来进行疾病诊断，它的数据来源种类繁多，包括医疗影像、医生记录、结构化的实验室数据等医疗数据。作为首家将深度学习和医疗大数据相结合的公司，Enlitic的成立标志着在世界范围内病患可以大规模地享受到深度学习给医疗领域带来的变革。目前，Enlitic主要用于放射科的疾病诊断，与传统方法相比，Enlitic诊断更快速、更准确、花费更少。在医疗影像中，肺癌是最难诊断癌症之一。一旦被诊断为晚期肺癌，80%-90%的患者将会面临死亡。但如果发现及时，那么患者的生存率将会提高十倍。Enlitic第一次将深度学习用于胸部CT图像来自动检测肺癌结节，并且检测准确度要高于胸部放射科专家小组50%，并且假阴性率为0，而人类专家的假阴性率则为7%。除此之外，Enlitic还能为其是否会发展为恶性肿瘤的危险程度进行评级。目前，「数据」是制约Enlitic发展的最主要因素之一。「深度学习通常需要两种数据：大量的数据，或是优质的数据。当然，最理想同时拥有这两种数据。因为当机器通过图像去了解这个世界时，拍摄的角度、光线、世界本身的复杂性和多变性都要求算法吸收大量的数据。相对而言因为医疗影像的拍摄通常是受约束的，拍摄的角度、扫描仪会有固定的颜色、人体解剖结构也大体相似，所以医疗影像的多变性比较小。但我们也使用了我们能接触到的所有数据」，JeremyHoward说。一开始，Enlitic利用美国肺疾病筛查试验（NationalLungScreeningTrial）的公共数据来发展他们肺结节的「探测仪」。但是，数据缺乏仍然是他们最头疼的问题。为此，他们和澳大利亚公司CapitolHealth进行合作。CapitolHealth是澳大利亚放射科服务的提供商，它可以为Enlitic提供它所需的数据，并且可以为Enlitic提供临床验证的机会。但Enlitic现有深度学习方法并不适用于大型3D医学影像，比如3D的CT和MRI图像，「我们仍需要开发核心算法来解决这个问题」JeremyHoward说。「想要让人工智能在医疗护理和放射科领域释放更多潜力我们需要更多的数据分享。」EliotL.Siegel说，他是马里兰大学（UniversityofMarylandSchool）医学院的教授。他认为在很大程度上，医学数据因为隐私的顾虑而被限制分享以致很多医疗服务提供商无法接触到数据。同时，一些医疗机构仍然把患者的数据看成它自己的专有资料，并且害怕承担分享数据的风险。「我们都想要保护隐私和数据的安全性，但是我认为隐私和安全在临床研究上被过度夸大和过度阐释了。因此一些医院害怕承担分享数据的风险，即使分享数据无论是从患者的角度出发还是从医学研究上都是极其重要的。我们应该在立法上有些改进，能够让医疗机构知晓他们能够以安全可靠地方式分享数据。」「我们一直在探索利用最先进的技术来为人类谋求福祉，比如说利用深度学习给医疗带来激进的突破。」PeterH.Diamandis，Enlitic的顾问，奇点大学的联合创始人，「Enlitic的技术可以释放现有资源的力量，并且它能给成数十亿的人口带来他们目前所缺乏的医疗护理，这对发展中国家来说是极其重要的，能够有力地推动医疗资源的民主化。」
