用12個案例，帶你瞭解AI＋醫療領域最新進展
【編者按】12個AI技術應用在醫療領域的案例，有些還在研究階段，有些已經展開臨床測試，讓我們看看有哪些。
本文發於青亭網， 作者前沿科技新媒體， 經億歐大健康編輯，供行業人士參考。
隨著最近AI技術應用的不斷深入，今年我們看到了很多醫療＋AI的案例，而且應用型別豐富度和種類也比去年更多。青亭網總結了最近1個月以來，AI技術應用在醫療領域的案例，有些還在研究階段，而有些已展開臨床測試，讓我們來看看有哪些。
1、“腦補”MRI成像的AI
美國紐約大學一組研究核磁共振加速方法的科研團隊與Facebook達成合作，力圖訓練AI成像工具來縮短9成核磁共振掃描時間。這組科研人員研發的AI應用與在醫療成像領域常用的AI不同，不是利用影象識別技術分析X光或者核磁共振掃描結果來幫助醫生快速和準確分析病情，而是從掃描過程入手，直接加快核磁共振成像的速度。
核磁共振成像耗時長的原因是因為機器本身需要拍攝大量平面圖像或者切片，才能將其疊加起來組成3D影象。有些時候需要核磁共振成像的切片不多，但要是在需要非常精準且完整掃描的情況下（例如病人的腦瘤的情況），就需要拍攝大量切片了。據悉，紐約大學這組科研人員從2015年就啟動了這個名為FastMRI的核磁共振加速專案，目的是探索如何在只掃描一部分資料的情況下，得到和傳統成像質量相似的結果。
用一個直觀的例子解釋就是，假設掃描一張照片時，不掃描組成圖的每條線，而是每隔一條線一掃描（即“降取樣”），而沒有被掃描到的畫素可以由人工智慧來填補，這樣一來可節省一半時間，而且目前的機器學習系統已經可以勝任這樣的任務了。原理就好像人腦一樣，如果人眼因為盲點而看不到完整的某樣物體，大腦便會通過視覺系統自動腦補看不到的地方。
使用人工智慧來填補沒掃描到的地方，可以大大縮減病人在核磁共振機裡煎熬的時間，同時也能提高機器的效率，進而降低掃描成本、簡化操作流程。
Facebook FAIR實驗室的Larry Zitnick解釋，他們的AI成像技術追求的不是合理推測的成像，而是要捕捉到傳統核磁共振成像中也能到的瑕疵。也就是說科研人員訓練的計算機視覺技術不止需要識別成像的整體規律和結構，還要能保留甚至推敲出成像中的異常點，因為無法重現應有的異常點就會大大降低資料的準確性。幸運的是核磁共振掃描器的成像方式可以靈活更改，不僅可以將掃描次數降低，還可以設定人體每個部位掃描的次數多少，而CT和PET掃描器就沒有這麼靈活。
2、自主合成MRI訓練資料
用“腦補”來加速MRI成像的AI，還需要考慮大量訓練資料的問題，而這款利用GAN（生成對抗網路）合成MRI訓練資料的AI就不用考慮這個問題了。NVIDIA Mayo Clinic（梅奧診所）和MGH&BWH Center for Clinical Data Science（麻省總醫院與布萊根婦女醫院臨床資料科學中心）的科研人員似乎找到了上述問題的解決辦法，即一種能夠自主生成訓練資料（腦腫瘤3D MRI影象資料）的神經網路。
據青亭網瞭解，這款AI是科研人員使用Facebook PyTorch深度學習框架開發，並使用NVIDIA DGX超級計算機來訓練的，訓練的資料使用了由生成式對抗網路（GAN）（由生成樣本的生成器和分別生成樣本與真實樣本的判別器兩部分組成的神經網路）生成的逼真腦瘤MRI成像。
為了訓練生成式對抗網路，這組科研人員使用來自阿茲海默症神經成像研究專案（ADNI）和多式腦腫瘤影象分割基準（BRATS）的兩個公開資料集。因為記憶體和算力有限制，科研人員不得不將掃描成像的解析度從256x256x108降低到128x128x54。
在訓練過程中，科研人員在生成式對抗網路的生成器中輸入ADNI的成像資料，生成器學習模仿ADNI的成像合成大腦成像（包含白質、灰質和腦脊液），接下來在生成器中輸入BRAT資料集時，其會生成腫瘤的完整切割成像。生成式對抗網路還會為掃描圖進行標記，人類專家做這項任務要花數小時才能完成，因為生成式對抗網路將大腦成像與腫瘤切割成像分成了兩組來標記，科研人員便可以修改腫瘤大小和位置，還可以將腫瘤“移植”到健康的大腦上。
科研人員表示，這是第一次出現使用合成的大腦成像來訓練神經網路的技術，這也很好地保護了病人的隱私，因為生成式對抗網絡合成的成像資料是匿名的。
3、預測心臟病風險
為了輔助醫生，提前預測病人患心臟病的風險並指定預防措施，微軟研發了一種利用AI預測心臟病風險的API，在印度綜合專科醫院Apollo投入使用。這款工具會從21個方面進行分析：飲食、菸草和吸菸習慣、日常活動等因素，還會通過呼吸頻率、高血壓、收縮壓舒張壓來判斷心理壓力與焦慮。
AI在分析過後，會對患者以低、中、高三個級別打分，並指出一些通過改善可以降低心臟病風險的因素，它不僅可以為醫生提供更全面的資訊，還能建議病人改善生活習慣及時預防心臟病。
印度每年心臟病發的人數近300萬，患有冠心病的印度人有3000萬，據聯邦衛生不統計，每8位印度人就有1人患有高血壓。以往的AI模型都是以西方人的資料為基礎建立的，此次微軟與Apollo醫院合作推出的API，利用了Apollo醫院共享的40萬印度人資料，可輕鬆準確地預測心臟病風險。
利用AI和機器學習技術Apollo醫院有信心與微軟可以一同從根本上預防印度人的心臟病，他們計劃合作開發更多新工具來幫助醫生治療非傳染性疾病，將這款風險預測API引用在多傢俬利和公立醫療系統中，未來還將推廣到其他國家。
這個合作專案是基於微軟的AI Network for Healthcare計劃，這項計劃的宗旨是利用AI和雲端計算技術加速醫療行業的創新，改善全世界人民的生活，與Apollo醫院共同推出的AI預示著計劃向成功邁向了一大步。
4、通過動作檢測，評估帕金森
帕金森症在中國是僅次於腫瘤、心腦血管疾病的第三大疾病，目前帕金森患者人數超過270萬，2030年預計超過500萬。帕金森的症狀包括：顫抖、肢體僵硬、運動遲緩、步態異常，其併發症包括失智、憂鬱和焦慮。
目前醫院診斷帕金森症的一種方法是UPDRS（帕金森症綜合評分表），一共分為其部分，病人需要在醫生指導下完成每個部分的規定動作，醫生對這些動作注意打分，進行一次測試通常要話30分鐘，此外醫生和患者的主觀判斷可能會影響測試結果。
因此，騰訊的AI實驗室推出了一款通過動作檢測，評估帕金森症的AI模型。評估過程很簡單，只需要患者在攝像頭前做出一系列規定動作，然後AI便會作出評估。據瞭解，這項技術應用了深度學習和影象識別兩種技術，騰訊實驗室在人體上設定上百個可識別的關鍵節點，使用檢測儀來追蹤這些節點在頻率、距離、角度和速度等方面的變化，建立模型來訓練AI。
接著，這款AI會通過影象識別技術捕捉患者的動作、識別關鍵節點，然後進行分析和判斷。
未來騰訊AI實驗室還會將這項技術用於腦癱患者的步態分析、評測運動員傷後恢復狀態、老人運動能力等檢測中。
5、通過日常對話識別抑鬱症
國麻省理工學院媒體實驗室（CSAIL）的科研人員在一篇新論文中，描述了一款能夠通過分析病人的文字和口頭語言來感知抑鬱症的神經網路系統。據CSAIL稱，其工作原理是，將與病人談話採集到的原始文字和語音資料放在這款神經網路模型中分析，總結出抑鬱症患者的說話規律，並利用這種規律與其他病人進行分析對比來判斷病情，其還會在分析過程中不斷學習提高分析準確性。
醫生判斷抑鬱症的傳統方式是，詢問病人一些關於過去神經病史、生活方式、心情等問題，分析病人的答案。但是CSAIL科研人員認為每個病人說話方式不同，只是問問題和聽答案有其侷限性，因此研發了這款神經網路，通過分析病人的日常對話，來靈活全面地判斷抑鬱症狀。也就是說這款神經網路最重要的特點就是不需要考慮語境，不需要通過特定的問題和答案來分析症狀，分析病人的語言就夠了。
據青亭網瞭解，CSAIL的科研人員從DAIC語言資料庫中選擇了142例患心理疾病的病人與人類操控的機器人談話的音訊、文字和視訊資料。例如，這款模型會給語音中說話人單調的語氣匹配悲傷、低沉或者心情不好等標籤。模型可能參考的另一個規律是，患抑鬱的病人說話會比較低沉，句子之間的停頓也會長一些，不過這款模型要更智慧、參考的標準也更復雜全面。神經網路模型將資料與個人健康調查問卷進行對比，將資料中中的病人從0到27打分，在中度（10-14分）和中重度（15-19分）區間以上的病人將被視作抑鬱，低於這個區間的病人將被視作沒有抑鬱症，142例患者中有28人抑鬱（20%）。
這款神經網路可以對醫生起到輔助作用，比如當其發現異樣就會通知醫生。科研人員希望未來將這款模型的應用擴充套件到分析痴呆症等認知障礙疾病上，或者做成移動應用，通過分析使用者的簡訊和電話，發現心理壓力然後發出提示。這不禁讓人想起了之前曾曝光過的一段谷歌“The Selfish Ledger”影片，同樣是手機將人類的生活安排的妥妥當當，就是有點嚇人罷了。當然，對於那些因為距離遠、難以負擔醫藥費或者缺乏意識而沒能去找醫生確診的人來說，如果有這麼一款應用還是很方便的。
另外，就像之前人類通過觀察AI玩《Dota 2》來學習新打法一樣，CSAIL的科研人員也希望可以分析、學習這款神經網路使用的診斷標準。
6、利用谷歌開源AI診斷肺癌
近日，紐約大學的一組科研人員通過重新訓練谷歌的Inception v3（用於影象分析的開源卷積神經網路），研發了一種檢測特定肺癌型別的AI技術，準確率達97%。
美國癌症協會和癌症統計中心資料表示，美國每年確診為肺癌的患者超過20萬人，有15萬以上的患者因為併發症而死，而這項技術將為他們帶來福音。這組科研人員表示，AI在例行檢查和疑難肺癌案例中都可以對醫生起到幫助，讓醫生有更多時間去解決更高階的問題，比如結合組織、分子和臨床資訊為每個病人制定治療計劃。
經過重新訓練後的Inception v3，診斷紐約大學的癌症患者的獨立樣本準確率大概在83%到97%之間，樣本中還有一些它沒有遇到過的元素，比如血凝、血管、發炎、壞死區和肺衰竭的部分。此外，這款模型平均檢測時間為20秒，而且其用來計算癌症概率使用的PC只搭載了一塊顯示卡。
據悉，這組科研人員不僅讓AI去識別癌組織，還有組織內的基因突變，這款AI的演算法能夠通過顫噪效應識別出LUAD資料中的6種最常見的突變基因（STK11、EGFR、FAT1、SETBT1、KRAS、TP53），不過AI是如何區別這些突變基因的科研人員還不清楚。
這款AI對於病理學家來說是一個很有用的工具，其提供的資訊可幫助醫生對每個肺癌患者專門定製治療方案，打造更多樣化的精準醫療。在未來，這組科研人員希望將該AI模型用於檢測大細胞癌、壞疽、纖維化等症狀上，而且據報道他們正在像美國食品及藥物管理局申請將這項技術商業化。
7、制定放射治療方案
美國每年有至少50萬人確診頭頸癌，許多人選擇接受放射治療，但是為了避免癌細胞周邊的腦組織受損，醫生必須小心制定把這些組織隔離的方案。近日，谷歌子公司DeepMind與英國倫敦大學學院醫院合作，研發了一款輔助醫生制定治療方案的AI，經測試，這款AI模型利用CT掃描圖，進行癌細胞與周邊的詳細分割槽，精細程度“直逼人類”。
在近幾年來，基於深度學習的AI演算法比傳統分割槽演算法越發顯出了優勢，不僅能夠彌補人類醫生沒有考慮到的方面，還大大縮短了分割槽時間。
據悉，這組科研人員訓練AI使用的資料涵蓋了21種器官（咽喉、蛇頭、鼻腔、結締組織和軟組織等）的663份X線斷層攝影圖，經測試，AI模型在19種器官資料上的表現力與有幾年經驗的放射治療技師沒有很大差別。此外，使用一套來自24名患者的CT掃描圖（AI沒有接觸過的資料）進行獨立測試後，AI對每個病人的分析結果也是同樣優秀。
接下來，DeepMind的科研人員計劃將這款AI用於臨床試驗，他們認為AI有可能會縮短診斷到治療之間花費的時間，並且及時制定出適應性放療方案。
谷歌公司正在積極尋找將AI在醫療的各種應用方向，他們計劃研發一款能夠預測患者再入院率的技術。
8、預測糖尿病患者血糖水平
糖尿病是美國的高發疾病，一直威脅著美國人的健康與生命，據美國疾病防控中心資料顯示，美國患有糖尿病或者前去糖尿病的人數至少1億人，每年會新增140萬糖尿病人，雖然糖尿病治療技術在飛速發展，但是很多人因為不會定期檢測血糖，導致犯病，陷入昏迷甚至引發死亡。
近日，有一組科研人員在論文中闡述了一種AI技術，可在患者高血糖或低血糖病發之前預測其未來的血糖值趨勢。在論文中，科研人員描述了一種基於長短期記憶模型的遞迴神經網路，這個神經網路能夠學習長期的依賴關係。也就是說，長短期記憶模型中的儲存單元可幫助神經網路將儲存的記憶和資料結合，從而提高預測的準確性。而且因為他們使用的是雙向長短期記憶模型，所以這款神經網路能夠參考過去的資料、推理未來的資料，加速訓練時間。
接下來，這組科研人員計劃在該神經網路中加入更多功能、提高效能，還會加入“提醒機制”預測未來可能發生的高血糖/低血糖症狀。
這並不是科研人員們第一次利用機器學習技術進行糖尿病預測了，比如中國的第四正規化公司曾研發過一款能夠預測患者在15年內患糖尿病可能性的模型，準確率達88%；Klick Health開發了一種能夠預測30分鐘內血糖值的演算法；生物醫學公司One Drop研發了一種支援Apple Watch的血糖監測系統，最近加入了一個能夠預測血糖值和提供改善建議的功能。
另外還有一個叫Sweetch的應用，利用AI鼓勵糖尿病患者運動和堅持飲食計劃，據美國約翰·霍普金斯大學的內分泌、糖尿病和新陳代謝部門的研究顯示，Sweetch極大程度上幫助患者控制了血糖水平。
9、利用群體智慧診斷肺炎
美國一家名為Unanimous AI的創企研發了一款診斷肺炎的AI系統，在測試中，其準確率與一組放射醫師相比高了22%，而且錯誤率也降低了33%。
人類需要培訓12年才能夠成為放射科醫師，在這期間需要通過向其他醫生學習、觀察等方式不斷豐富自己的經驗。另一方面，Unanimous的AI平臺使用了群體智慧模型來訓練，以提高預測的準確性。簡單來講就是，一組人類放射醫師聯機登陸Unanimous AI平臺，利用滑鼠、觸控板或者觸屏來對螢幕中的資料進行診斷，而Unanimous AI的演算法會實時記錄他們的行為。
參與上述過程的放射醫師平均每60秒可作出50次診斷，Unanimous AI會根據醫師滑鼠移動的方式，權衡他們的確信程度，決定其資料的重要性。使用這組放射醫師提供的資料訓練的Unanimous AI，準確率比CheXNet模型高11%。
Unanimous AI表示，大多數AI公司都專注於尋找大資料中的規律，但他們想要探索的是，如何將人聚在一起，通過AI變得更加智慧，如何利用群體智慧將人變成人工專家？
目前Unanimous AI有兩款群體智慧產品：Swarm Insight和Swarm AI，前者曾用於幫助客戶預測觀眾對電視廣告的反應，而後者是該公司的核心AI技術，波音公司的工程師曾用這款產品協助駕駛艙設計。
10、為使用者提供醫療建議
美國醫療應用公司HealthTap，近日在同名應用中推出了一系列幫助使用者“增強智慧”的AI功能，幫助解決了原本可能需要看70億次醫生才能解決的問題。
據悉，HealthTap中的AI醫生會檢測病人的症狀，提供下一步治療的建議，還會提供從歷史資料中採集的文字答案、醫生授權的保健指導、治療提醒和與醫生視訊診療。
據HealthTap稱，這款應用比傳統查病平臺更精準，介面對於使用者檢查自己的症狀來說更方便。
AI醫生會根據患者的個人資訊和病史，提供更加個性化的醫療建議。
據悉，HealthTap期初是利用Facebook Messenger聊天機器人技術，為病人提供醫療建議和醫生的聯絡方式。
此外，HealthTap還將應用授權給僱主、保險公司和醫療系統，目前每天有170個國家的14萬名醫生在使用HealthTap應用。
11、診斷眼疾
說到AI與醫療結合，不得不再次提到谷歌子公司DeepMind，其在近日與英國摩爾菲爾茲眼科醫院和倫敦大學學院眼科研究所合作研究，發現利用AI分析視網膜掃描圖在診斷青光眼、老年黃斑變性和糖尿病視網膜病變等眼疾上，準確率達94%，超越了該醫院的8名臨床專家。
這組科研人員研發這款AI技術，是為了診斷出急需看醫生的眼疾患者，如果能早發現眼疾，就能儘早接受治療，保證更好的治療結果。
這款AI系統的特點在於，它並不只是提供治療建議，而是會為醫生解釋為什麼會做出這樣的建議，而且還會提供其對這些建議的確信程度。這樣一來，使用者就可以更好了解AI的推理過程，就像是之前青亭網曾報道過MIT林肯實驗室研發的能夠推理的AI，這也許在以後也會成為一種趨勢。據悉，DeepMind的這款AI還能夠被用於掃描眼部的醫學成像裝置中。
根據世界衛生組織統計，目前全球有超過2.5億人患有眼疾或者失明，而像糖尿病視網膜病變這種眼疾，實際上與心血管疾病有關係。谷歌的這款AI能夠預測患者的糖尿病視網膜病變時候會引起嚴重的心臟病，準確率約70%。
除了DeepMind，谷歌母公司Alphabet的子公司Verily Life Science在近年也忙著一些醫療科研專案，比如檢測睡眠呼吸暫停、使用AI識別藥物、採血等等。
12、檢測癌症擴散
近日，一組由英國倫敦癌症研究所、英國伯明翰大學、倫敦大學瑪麗皇后學院和美國斯坦福大學組成的科研人員開發了一款能夠幫助醫生診斷癌症階段的AI系統。據悉，這款AI系統名為Revolver（代表癌症反覆的演化過程），它能夠識別出癌症細胞演變、擴散和產生抗性的情況。
有了Revolver，醫生在未來就有可能瞭解腫瘤在什麼時候會變成惡性，還有可能知道癌症對某種療法的反應，找到適合患者的藥療方案。
癌症研究所的一名科研人員Andrea Sottoriva博士表示：“這款AI工具能夠識別深藏在複雜資料集中的腫瘤突變規律，並以此預測腫瘤未來的活動。”
目前，科研人員已經使用了來自178名病人的768份樣本來測試Revolver，這些資料包括肺癌、乳腺癌、腎癌和腸癌。
此外，癌症研究所的負責人Paul Workman認為，這項技術在未來將會提前識別癌症，為患者制定更個性化的詳細治療計劃，不過使用Revolver治療癌症還需要時間。
參考：Venture Beat，Venture Beat，Venture Beat，Venture Beat，Venture Beat，EdgyLab，Microsoft News
特別策劃【非公醫療100+】系列專訪與選題報道
消費升級與社會辦醫大潮下，醫美、體檢、全科診所等角色紛紛站上醫療健康行業的舞臺，它們在公立醫療機構的另一頭唱響高歌。億歐大健康頻道特別策劃【非公醫療100+】系列專訪與選題報道，聚焦民營醫院、診所、網際網路醫院、第三方獨立醫療機構和醫生集團等細分，歡迎推薦與約聊。
如果您有合適的企業推薦，請聯絡億歐大健康頻道負責人郭銘梓（微信：Lelion8742390）。
在產業不斷創新發展、智慧融合、技術推動的新形勢下，創業者需要一場可以指導各產業發展方向、釐清各產業發展脈絡、引導並連結資本風向、有重大影響力和啟發性的行業聚會。
2018年11月29日-30日，由億歐公司主辦的“智慧產業 美好生活”2018億歐創新者年會曁第四屆創新獎頒獎盛典將在北京國貿大酒店盛大召開，這將是一場匯聚5000名各產業創新者、行業領袖、國內外知名專家學者的行業盛會；是一場以引導、指引產業風向為目的，啟發並分享成功案例，將國內外先知學者的思想提前帶到國內的預見性盛會。
2018億歐創新者年會曁第四屆創新獎頒獎盛典詳情連結：
ofollow,noindex">https://www.iyiou.com/post/ad/id/705
