主页 > 消费经验 >AI 助攻,看 IBM 如何布局未来几年的医疗人工智慧计画 >


AI 助攻,看 IBM 如何布局未来几年的医疗人工智慧计画


2020-06-06


AI 助攻,看 IBM 如何布局未来几年的医疗人工智慧计画

试想,晶片比全球最好的实验室更厉害,可迅速拿出疾病的準确诊断?微型摄影机能从分子层面上检验药片的真假?系统可以从语言中检查出此人患有心理疾病? IBM 认为,这 3 件事都可以在几年之内做到,因为他们有大利器:人工智慧 + 新型硬体。

IBM 研究室已经开始着手把这 3 项研究变成成熟的医疗工具,将公司现存的机器学习和人工智慧系统与晶片、毫米波相控阵感测器等结合。

AI + 超音波系统,「看」到疾病和危害AI 助攻,看 IBM 如何布局未来几年的医疗人工智慧计画

首先要提到的「超音波系统」,是一种广範围的电磁波谱成像技术,不仅可以获取人眼可见光形成的图像,还能模拟超出此範围的电磁波图像。

使用高性能相机和其他感测器,临床医生就能发现用药是否适合患者。「用这种超音波技术,人们就像长了第三只眼,能发现我们日常所忽略的线索。」IBM 技术总监 Rashik Parmar 说。

儘管实现超音波的硬体已经出现,但要让其进入市场,还需做更多的工作。能够进行广泛光谱成像的仪器不是什幺新鲜事物,但区别就是 IBM 要将其简化、小型化,并降低其製造成本,还要用认知演算法来进行破译和可视化,让这项技术真正发挥其作用。Parmar 还补充,IBM 现在有很多「花俏」的发明,但都能很快让它们变为可用性而在医疗应用上,简单例子就是用超音波设备迅速看牙,或者为标準医疗射线检查提供更丰富的讯息。

可能在 IBM 计划的 5 年之内,这种机器会变成你身边的药理学、毒物学专家,最终,这种超音波会整合到手机中,在吃饭或服药之前可以先扫描一下,看是否有有害物质或致敏源等。

AI + 晶片实验室,精细疾病早诊

相似的,IBM 也有可能会在几年内推出一种新的人工智慧分析技术:晶片实验室。这种设备也就钱包大小,用一滴血或任意体液就能分析出细菌、病毒或预示某种疾病的蛋白质。

AI 助攻,看 IBM 如何布局未来几年的医疗人工智慧计画

 晶片实验室。

Parmar 表示,IBM 从 6、7 年前就开始探索「奈米纤维」这种概念了,那时是要做一种可以模拟气味的工具。如果将奈米纤维与其他种类的感测器相结合,就能用奈米结构来检验体液,包括唾液、血液、液体活检的样品,从中分析潜在的疾病。再结合数位化製造和 3D 列印等技术,IBM 就能把感测器放入定制化探针,帮助有效分析。

相比需要等待数週的血检,晶片实验室不用花时间把病毒培养至能够监测到的量,而是直接透过感测器来追蹤最细微的生物标记。

这项技术最厉害之处,可能在人们出现症状之前就了解自己的患病可能。举阿兹海默症的例子,在出现明显症状之前很长一段时间,患者的神经状态已经产生显着改变。如果定期抽血检查,可以在阿兹海默症早期就找到生物标记,迅速根据个人情况制定治疗方法。

虽然这种能从一滴血分析疾病的技术,对人工智慧是个巨大挑战,但真正考验 IBM 公司把此种产品推向市场的,还是在于技术难度超高的晶片。「晶片的最小测量级别为 20 奈米,它能让你从一个相当细微的角度来观察病毒等物质,但要看到这个精细程度,在材料的製作上要花费巨大心血。」

AI + 文字资讯,形成精神疾病模型

精神疾病,是一个需要人工智慧技术仔细咀嚼大量数据,再化做有效医学见解的领域。在接下来两年内,IBM 会製造出能从人讲话中诊断精神疾病的机器学习系统原型。

在精神疾病诊断中,患者的谈话一直是医生用以判断病情的重要因素。语速、音量、用语特点,都可以用于判断精神疾病。现在 IBM 把这个分析工作交给人工智慧,从患者与医生的交流,或人们自己在社群网站上写的话,都可以是分析材料。

IBM 能做到这一点,前提是他们已花费数年时间来研究精神、心理障碍与语言之间的关联,建立起一套测量系统。「我们目前提了日程的研究,是要弄清这件事:对特定个体来说,某段话中的某些用语,能否帮助我们理解这个人的心理状态?」技术总监 Parmar 说。

IBM 早已尝试过建立医疗模型:Watson 最早的商业化尝试,认为电脑系统,就是癌症护理医师的助手。今天,公司还与医疗行业有不少合作,例如,IBM 透露 Jupiter 医疗中心(木星医疗中心)这家佛罗里达的地方医疗中心,就会引进 IBM Watson 的肿瘤辅助诊疗技术。另外还与纪念斯隆凯特琳癌症中心(MSK)合作癌症治疗培训计画。

除了精神分裂症、双向情感障碍、忧郁症等,IBM 还会从可穿戴运动健身装置和医疗装置处获取数据,来辅助诊断帕金森氏症等神经疾病。虽然现在已经有医药健康专家把可穿戴数据用在诊断上,但 IBM 希望用机器学习来加速这个进程,并能提供额外的见解。

Parmar 说,其实美国和欧洲已经有人做可穿戴数据的实验,也有教授把实验数据分享出来,但没有人把这些数据综合在一起,研究这些数据中间是否有关联,或用整合数据获得更深层的理解。「用机器来处理和整合,恰好就是这个问题的答案。」



上一篇:
下一篇: