当医疗遇上人工智能,谷歌、IBM等科技巨头擦出了怎样的火花

2018-05-12

正文




任何一种科技备受瞩目时,我们都应当理性去思考其背后所隐藏的危机。人工智能被称为“第四次工业革命,也是2017年度全球十大新兴科技。这一科技应用与医疗领域,将使医疗技术飞速发展。发展究竟如何呢?


月初,科技巨匠特拉斯电动车创始人伊隆 · 马斯克(Elon Musk)和脸谱网CEO马克 · 扎克伯格(Mark Zuckerberg)从互联网各个维度对人工智能(AI)的利与弊发表了自己的意见。伊隆 · 马斯克坚持认为我们应该谨慎看待AI,其存在基本的风险,对AI持保守的态度。马克 · 扎克伯格则对此持有乐观的态度,认为AI能把“末日”改建成一个更美好的未来。


谷歌CEO Sundar Pichai曾说过:“过去10年我们在忙于打造移动为先的世界。未来10年,我们将步入AI(人工智能)为先的世界。”从亚马逊到Facebook,再到谷歌、微软及IBM,全球最顶尖、最有影响力的技术公司都将目光转向了人工智能(AI)。如今AI被称为第四次工业革命。AI的应用遍及各个领域,经济、健康、法律、教育等等。


在今年的达沃斯论坛上,医学人工智能(Artificial Intelligence,AI)——“深度学习”技术也位列2017年度全球十大新兴技术榜单。人工智能在医学领域的应用研究也是一热点领域,谷歌的Deep Mind Health、IBM的Watson、苹果的Lattice以及微软的医疗NExt计划等等,都来争吃人工智能这个“香饽饽”。


◆ ◆ ◆

机器学习:深度学习


机器学习(ML)是AI的一个子集。AI分支的先驱Arthur Samuel在1959年曾经写到,机器学习是“一种能够让计算机在无须进行有针对性的编程情况下,自行获得学习能力的学科领域。”


目前机器学习方法已经超过15种。作为其中的一种方法,“深度学习”在很多全新领域实现了突破性的结果。


深度学习:开始处理特征规范


通过计算机组成一个“神经网络”,接受输入,对输入的内容进行分析进而做出判断,并了解自己的判断是否正确。如果输出结果是错误的,将由算法对神经元之间的连接进行调教,进而改变后续的预测。最初这个网络可能会经常犯错,但随着我们向它提供数百万个样本,神经元之间的连接将获得调优,使得整个神经网络能在几乎所有情况下做出正确的判断。实践出(近似的)真知。


研究者望应用这一技术来提前发现癌症,治愈癌症。目前这一技术已经能够发现基因变异对DNA转录的影响、检测医疗影像中的肿瘤等。


深度学习是如何工作的?


深度学习需要使用人造的“神经网络”,这是一种相互连接的“神经元”(基于软件的计算器)的集合。


人造的神经元可以接受一种或多种输入。神经元会针对输入结果执行数学运算,并产生可输出的结果。输出的结果取决于每类输入的“权重”以及神经元的“输入-输出函数”配置。


多个神经元相互连接组成了神经网络,一个神经元的输出可以成为另一个神经元的输入。


神经网络可通过组织整理呈现为多层次神经元(这也是“深度”这个词的由来)。其中“输入层”负责接收将由网络处理的信息,例如一组图片。“输出层”负责提供结果。神经网络上每一层神经元的输出内容均可成为下一层神经元的输入内容之一。


通常来说,神经网络的训练过程需要使用大量已经进行过分类的样本。随后算法会通过检测出的错误和神经元之间的连接权重进行调整,借此改善效果。


医学人工智能及通过此过程,输入大量医学病例数据到计算机,让计算机学习其中的模式,当输入新的病例时,计算机就能进行正确的判断。


◆ ◆ ◆

谷歌 Deep Mind Health


  • 2014

谷歌收购了打败了世界围棋冠军的AlphaGo,并成立deep mind health部门,变革医疗健康领域。


  • 2016

deep mind health与英国国家医疗服务系统(NHS)合作。

deep mind health和英国Moorfields眼科医院一起开发辨识视觉疾病的机器学习系统,通过分析约100万份视网膜扫描报告,让人工智能软件寻找退行性眼疾的早期征兆。

deep mind health与英国的NHS达成了一项利用深度学习开展头颈癌患者放疗疗法设计的研究。通过分析超过700名头颈癌患者匿名数据,利用深度机器来探讨缩短放疗时间的可能性。


  • 2017

今年3月,谷歌宣布他们运用人工智能识别出乳腺癌。谷歌通过deep mind health分析美国荷兰大学提供的成千上万个乳腺癌细胞的片子,学习识别出癌细胞检片的特征,给出新的病理检片时能够快速判断是否存在癌变。


◆ ◆ ◆

IBM watson



Watson是由斯隆.凯德琳癌症纪念研究中心(Memorial Sloan-Kettering)的医生训练出来的认知计算系统。它可以从病人的病历中提取相关健康信息,并提供个性化的治疗方案。把Watson训练成为一位癌症专家。


  • 2016年

日本东京大学医学研究院利用Watson仅仅用了10分钟的时间,就判断出一位女性患有罕见的白血病。


  • 2017年

美国临床肿瘤学会(ASCO)的年度会议中披露的数据显示,IBM的Watson给出的癌症治疗方案大部分时候与医生的建议十分吻合。

印度进行的一项研究显示,在治疗肺癌时,Watson给出的治疗建议96%的情况下与医生的方案相吻合;治疗直肠癌和结肠癌时,与医生建议的吻合率也分别高达93%和81%。

在泰国进行的一项研究中,针对结直肠癌、肺癌、乳腺癌和胃癌,Watson给出的治疗建议也达到了相似的吻合度。而且,Watson在临床试验中筛选乳腺癌和肺癌患者的速度要比人类快78%,将筛查时间从110分钟缩减到了24分钟。

以上两家技术公司在医疗人工智能领域做的数一数二,与全球各大医院进行合作。为什么人工智能在提出60年后,到现在才呈现出繁荣的景象?



◆ ◆ ◆

为何AI直到今天才开始成熟?


AI经历过数次虚假的"黎明期"后,为何现在才迎来拐点?这都归于新算法的陆续完善,所适用数据的大幅丰富,用于训练的硬件日益强大,以及云服务等的发展。


  • 算法的改进

最近十年来深度学习算法的革新催生出了截然不同的结果,识别图像中物体的能力随着卷积神经网络(CNN,Convolutional Neural Network)的发展产生了突飞猛进的提高。受到动物视觉脑皮层工作原理启发设计而来的CNN中,神经网络中的每一层均可充当判断特定模式是否存在所用的筛选器。


  • 专用硬件

图形处理器(GPU)是一种特殊设计的电子电路,可大幅缩短为深度学习训练神经网络所需的时间。


  • 大数据

深度学习所用的神经网络通常需要用大量数据集进行训练,样本数量从数千起步,甚至可高达数百万。好在数据的创建速度和可用性也经历了指数形式的增长。今天,随着我们步入"第三波"时代,人类平均每天会生成2.2EB(23亿GB)数据,全球数据总量中有90%是过去24个月内创建的。


  • 云服务

开发者对机器学习的运用还受到云端机器学习基础架构和业界领先云供应商所提供服务的推动。谷歌、亚马逊、微软,以及IBM均提供了云端基础架构(用于构建和迭代模型的环境,提供可缩放“GPU即服务”产品,并提供其他相关托管服务),这也使得机器学习能力的开发成本和难度大幅降低。


当然,人们对人工智能的怀疑也不容置疑,而且围绕人工智能的话题也不乏炒作。目前,人工智能技术仍处于试验阶段,其面临的挑战包括巨额的成本,MD安德森癌症中心曾因经济问题退出IBM Watson项目;其次是大样本数据的可获得性;最后是对计算机如何得出结论这一过程的理解。如果,这些问题能够解决,将可能是医学界最具变革性的影响。


参考链接:

1. http://money.cnn.com/2017/03/03/technology/google-breast-cancer-ai/index.html

2. https://medium.com/mmc-writes/the-fourth-industrial-revolution-a-primer-on-artificial-intelligence-ai-ff5e7fffcae1


本文由美联医邦Medebound原创,欢迎转发,未经美联医邦允许,不得转载,违者必究。

部分美联医邦美国名医真实案例

中国还原体肌病患儿获美国专家免费5+小时多学科会诊、免费食宿,感恩遇见美国最高政府卫生研究院

膀胱癌患者通过视频会诊中美两国三地联线哈佛名医,寻求治疗方案及临床试验建议

☞波士顿儿童医院专家治疗五岁脑积水患儿

☞美国约翰霍普金斯医院专家视频为白血病患者提出治愈性方案 

 微信公众号:medebound


   


   

   

   

联系我们

纽约
West 42 24th Street 2nd Floor, New York
(美)+1 17182138508
(中) +86 400-052-1655
support@medebound.com

美联医邦

400-052-1655
© Copyright Medebound 2019. All Rights Reserved.
蜀ICP备15017512号
热线:400-052-1655
微信