人工智能和機器學(xué)習(xí)正在助力數(shù)字健康熱潮,但在心理和行為健康方面仍處于起步階段。事實上,這并不意外,因為理解人類的思想和感受可不僅僅是“分析血液測試數(shù)據(jù)或者醫(yī)學(xué)掃描疾病跡象”,往往要比分析某個人是否會患上腎臟疾病難得多。提振某個人的情緒,或者個性化地治療精神失常(特別是抑郁癥)仍然是非常困難的。
根據(jù)世界衛(wèi)生組織的統(tǒng)計,抑郁癥是全球最主要的健康問題之一。抑郁癥患者經(jīng)常要經(jīng)過大量乏味的試驗和錯誤的過程來找到適合自己的抗抑郁藥物。很多患者對初期健康服務(wù)感到不滿,不愿意堅持治療,甚至報告存在讓人變得虛弱的副作用。最近有研究表明,2/3的患者在首次服用了抗抑郁藥后未能好轉(zhuǎn),另有30%的患者放棄了一線治療的機會。
為了解決抑郁和焦慮問題,有初創(chuàng)公司推出了一系列基于人工智能的工具,從而幫助精神科醫(yī)生和家庭醫(yī)生更快地優(yōu)化護理措施。
比如,總部位于以色列特拉維夫的初創(chuàng)公司Taliaz,正在開發(fā)一種名為PREDICTIX以人工智能為驅(qū)動的決策支持工具,可以幫助醫(yī)生找出適合患者的抗抑郁藥物。PREDICTIX是根據(jù)迄今為止最大的抑郁癥前瞻性臨床試驗——Sequenced Treatment Alternatives to Relieve Depression (STAR*D) Study——相關(guān)數(shù)據(jù)開發(fā)的。Taliaz稱,在完成算法開發(fā)之后,該工具能夠預(yù)測當前抗抑郁藥物的療效和不良反應(yīng),準確度高達75%。
Taliaz公司首席執(zhí)行官、魏茨曼研究所神經(jīng)科學(xué)博士Dekel Taliaz表示:“只有通過科學(xué)研究、遺傳學(xué)、神經(jīng)學(xué)、環(huán)境和臨床數(shù)據(jù)的深度結(jié)合,我們才能理解這些復(fù)雜性并找出相關(guān)的標記,以建立能夠為患者提供最佳結(jié)果的預(yù)測模型。我們通過簡單的非侵入性測試,以在線調(diào)查問卷的形式收集了患者的DNA樣本、人口統(tǒng)計信息和臨床病史。然后,PREDICTIX提供有關(guān)抗抑郁藥物的預(yù)測信息,并推薦最適合每位患者基因構(gòu)成和健康記錄的信息。”
今年3月,Taliaz攜手英國領(lǐng)先的在線精神病學(xué)服務(wù)機構(gòu)Psychiatry UK LLP(PUK),推出了號稱是第一個針對抑郁癥患者的在線AI基因檢測服務(wù)。這個在線醫(yī)療管理版本的PREDICTIX服務(wù),旨在通過幫助精神科醫(yī)生更早、更好地找到適合的抗抑郁藥物來減少患者的痛苦。
“我們有一位患者對四種抗抑郁藥沒有產(chǎn)生反應(yīng),他反饋說,從三周前開始服用Predictix測試推薦的藥物之后,現(xiàn)在像是‘換了一個人,感覺已經(jīng)好了80%’”,Psychiatry UK精神病學(xué)家Adil Jawad博士說。Psychiatry UK是英國領(lǐng)先的在線精神病學(xué)服務(wù)機構(gòu),為英國NHS公共機構(gòu)和私人組織提供服務(wù)。
另一家希望提高抑郁癥治療效果的以色列科技公司是Elminda,該公司最近獲得了歐盟委員會280萬歐元獎勵,用于提升其技術(shù)以幫助歐洲患者免受抑郁癥的困擾。Elminda的BNA-PREDICT大腦分析產(chǎn)品可以預(yù)測患者對抗抑郁藥物和神經(jīng)刺激治療的反應(yīng),幫助醫(yī)生選擇最有效的抗抑郁治療手段,以及直接監(jiān)測治療對患者大腦的影響。
“我們?yōu)镋lminda獲得了歐委員會著名的Horizon 2020第二階段中小企業(yè)項目授予的獎項感到自豪”,Elminda公司Roni Sharon博士這樣表示。
健全的心理健康對于創(chuàng)造力、生產(chǎn)力和才智來說至關(guān)重要,這一點似乎比以往任何時候都更加明確。隨著時間的推移,我們希望看到越來越多的初創(chuàng)公司和投資者聯(lián)合起來,促進和改善人類的情緒、心理和社會福祉。在這種情況下,隨著人工智能的不斷升級,人工智能算法經(jīng)過優(yōu)化以創(chuàng)建更有用的支持機制,在最復(fù)雜和最容易出錯的情況下開發(fā)出有用的專業(yè)技能。雖然我們不知道Taliaz和Elminda等初創(chuàng)公司未來會是怎樣,但我們希望這些公司在患者使用和堅持正確療法方面發(fā)揮關(guān)鍵的作用。
好文章,需要你的鼓勵
新加坡國立大學(xué)研究團隊開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實驗顯示,僅訓(xùn)練AI玩簡單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟大學(xué)團隊開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機噪聲問題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實現(xiàn)37.9%的精度提升,并在真實設(shè)備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學(xué)研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學(xué)習(xí)訓(xùn)練的視覺語言模型雖然表現(xiàn)出"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實際提升推理準確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強于驗證答案質(zhì)量的能力,且模型在自我驗證時無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動態(tài)稀疏性實現(xiàn)大語言模型訓(xùn)練加速1.6倍,計算成本降低2.2倍。該方法使用SVD稀疏性估計器智能選擇重要計算部分,在保持模型性能的同時顯著提升訓(xùn)練效率,已在多個任務(wù)上驗證有效性。