科技行者 10月2日 北京消息: 醫(yī)療保健行業(yè)一直都是創(chuàng)新先行者。然而,疾病和病毒不斷地變種,給醫(yī)療保健行業(yè)帶來一定的挑戰(zhàn),現(xiàn)在借助人工智能(AI)和機(jī)器學(xué)習(xí)算法,該行業(yè)迎來了新機(jī)遇。
▲ 圖:醫(yī)療科技概念及醫(yī)療器械(Getty/圖片來源)
《柳葉刀數(shù)字健康》(The Lancet Digital Health)本周發(fā)表的一項(xiàng)研究,比較了深度學(xué)習(xí)與醫(yī)療專業(yè)人員在檢測(cè)醫(yī)學(xué)影像疾病方面的表現(xiàn),該研究采用的樣本是2012年-2019年期間的所有相關(guān)數(shù)據(jù)。
研究發(fā)現(xiàn),在過去的幾年里,AI在圖像識(shí)別疾病診斷方面變得更加準(zhǔn)確,并成為一個(gè)更可行的診斷信息來源。研究人員表示,在其考察的14項(xiàng)研究里,AI系統(tǒng)能夠正確識(shí)別疾病的百分比達(dá)87%,而醫(yī)療保健專業(yè)人士正確識(shí)別疾病的百分比為86%;且AI還能夠正確地識(shí)別出病例中93%沒有疾病的患者,而醫(yī)療保健專業(yè)人員為91%。不難推斷出,AI未來在醫(yī)療成像識(shí)別診斷的技術(shù)效率會(huì)更高。
人工智能在醫(yī)療領(lǐng)域的應(yīng)用不僅限于診斷疾病,還包括可能的治療方法。
制藥公司拜耳(Bayer)最近一直在與科技公司合作,開發(fā)有助于診斷復(fù)雜和罕見疾病的軟件,并幫助開發(fā)治療這些疾病的新藥。他們一直與醫(yī)院和研究人員合作,希望找出機(jī)器學(xué)習(xí)在分析和學(xué)習(xí)如何診斷病人病情時(shí)需要的東西。人工智能吸收的信息來自許多因素,包括癥狀數(shù)據(jù)、疾病原因、檢測(cè)結(jié)果、醫(yī)學(xué)圖像、醫(yī)生報(bào)告等等。
最近負(fù)責(zé)拜耳人工智能項(xiàng)目的Angeli Moeller接受了美聯(lián)社的采訪,Moeller解釋了新藥物的開發(fā)及用到的系統(tǒng):“我們可以模擬它在細(xì)胞里的表現(xiàn),同時(shí)綜合考慮患者服用的其他藥物。我們正在研究如何找適合的病人和地點(diǎn),進(jìn)行我們的臨床試驗(yàn)。如果成功,我們就可以進(jìn)行更短期的研究,可以更早地發(fā)現(xiàn)哪些藥物適合患者。”
機(jī)器學(xué)習(xí)系統(tǒng)并不是要取代醫(yī)生,也不能在治療病人時(shí)做出絕對(duì)的決定。據(jù)Moeller說,他們?nèi)匀幌M∪四軌蚩刂谱约旱闹委煟M肁I來支持決策,并根據(jù)得到的結(jié)果提出建議。
拜耳并非唯一一家在AI醫(yī)療保健領(lǐng)域掀起波瀾的公司,其他許多初創(chuàng)公司也在提出AI疾病治療方案。據(jù)BenchSci最新報(bào)告顯示,目前市場(chǎng)上有148家初創(chuàng)公司在藥物研發(fā)中使用了AI技術(shù)。
其中一家初創(chuàng)公司Atomwise剛剛與江蘇豪森藥業(yè)集團(tuán)有限公司(Jiangsu Hansoh Pharmaceutical Group)合作,成立了一家價(jià)值15億美元的合資企業(yè),用于設(shè)計(jì)癌癥治療新藥物。此次合作將Atomwise的AI技術(shù)與豪森藥業(yè)的制造能力結(jié)合起來,共同設(shè)計(jì)出預(yù)測(cè)小分子如何與靶標(biāo)蛋白綁定的新方法,有望取得醫(yī)療新進(jìn)展。類似的合資企業(yè)前景頗佳,因?yàn)檫@些企業(yè)結(jié)合了機(jī)器學(xué)習(xí)和醫(yī)療器械創(chuàng)新發(fā)展的兩個(gè)關(guān)鍵要素。
加拿大生物技術(shù)公司Deep Genomics在過去5年里一直在試驗(yàn)機(jī)器學(xué)習(xí)和藥物開發(fā)。具體而言,這家公司一直在針對(duì)一種名為“威爾遜?。╓ilson Disease)”的罕見遺傳疾病做了不同的實(shí)驗(yàn),目前市場(chǎng)上尚無威爾遜病的治療方法,這種疾病會(huì)阻止人體排除銅,而銅元素最終會(huì)在器官中積聚,并可能導(dǎo)致危及生命的器官損傷,或者器官衰竭。
Deep Genomics的AI系統(tǒng)成功發(fā)現(xiàn),這種基因突變改變了ATP7B的氨基酸鏈,ATP7B是一種銅結(jié)合蛋白,威爾遜病患者缺乏ATP7B,導(dǎo)致基因組的中斷,進(jìn)而導(dǎo)致不能生成該蛋白。目前Deep Genomics公司正在測(cè)試他們的藥物對(duì)第一批應(yīng)選人的效用,但愿最終能成功治療該疾病。
不幸的是,目前市場(chǎng)上還不存在由AI創(chuàng)建的任何藥物治療,但許多公司都在努力實(shí)現(xiàn)這一點(diǎn)。患者數(shù)據(jù)和測(cè)試的收集,將持續(xù)推動(dòng)市場(chǎng)的進(jìn)步,雖然人工智能與醫(yī)療專業(yè)工作做的大量工作挽救了生命,但目前卻遠(yuǎn)非主流。
Moeller 表示,“AI真正進(jìn)入主流醫(yī)療實(shí)踐可能需要兩年的時(shí)間,但把這項(xiàng)技術(shù)應(yīng)用到患者身上,仍然是最困難的部分。”
好文章,需要你的鼓勵(lì)
浙江大學(xué)團(tuán)隊(duì)提出動(dòng)態(tài)專家搜索方法,讓AI能根據(jù)不同問題靈活調(diào)整內(nèi)部專家配置。該方法在數(shù)學(xué)、編程等任務(wù)上顯著提升推理準(zhǔn)確率,且不增加計(jì)算成本。研究發(fā)現(xiàn)不同類型問題偏愛不同專家配置,為AI推理優(yōu)化開辟新路徑。
清華大學(xué)研究團(tuán)隊(duì)提出SIRI方法,通過"壓縮-擴(kuò)張"交替訓(xùn)練策略,成功解決了大型推理模型"話多且準(zhǔn)確率低"的問題。實(shí)驗(yàn)顯示,該方法在數(shù)學(xué)競(jìng)賽題上將模型準(zhǔn)確率提升43.2%的同時(shí),輸出長(zhǎng)度減少46.9%,真正實(shí)現(xiàn)了效率與性能的雙重優(yōu)化,為AI模型訓(xùn)練提供了新思路。
南洋理工大學(xué)與騰訊聯(lián)合研究團(tuán)隊(duì)開發(fā)出Rolling Forcing技術(shù),實(shí)現(xiàn)AI視頻實(shí)時(shí)流式生成的重大突破。該技術(shù)通過滾動(dòng)窗口聯(lián)合去噪、注意力錨點(diǎn)機(jī)制和高效訓(xùn)練算法三項(xiàng)創(chuàng)新,解決了長(zhǎng)視頻生成中的錯(cuò)誤累積問題,可在單GPU上以16fps速度生成多分鐘高質(zhì)量視頻,延遲僅0.76秒,質(zhì)量漂移指標(biāo)從傳統(tǒng)方法的1.66降至0.01,為交互式媒體和內(nèi)容創(chuàng)作開辟新可能。
華中科技大學(xué)研究團(tuán)隊(duì)發(fā)現(xiàn),通過讓AI模型學(xué)習(xí)解決幾何問題,能夠顯著提升其空間理解能力。他們構(gòu)建了包含約30000個(gè)幾何題目的Euclid30K數(shù)據(jù)集,使用強(qiáng)化學(xué)習(xí)方法訓(xùn)練多個(gè)AI模型。實(shí)驗(yàn)結(jié)果顯示,幾何訓(xùn)練在四個(gè)空間智能測(cè)試基準(zhǔn)上都帶來顯著提升,其中最佳模型達(dá)到49.6%準(zhǔn)確率,超越此前最好成績(jī)。這項(xiàng)研究揭示了基礎(chǔ)幾何知識(shí)對(duì)培養(yǎng)AI空間智能的重要價(jià)值。