leiphone 天诺
DeepMind是一家總部位於英國倫敦的人工智慧實驗室，他們的研究方向是開發通用自我學習算法。
2014年，該公司以4億英鎊的價格被谷歌公司收購，而最近被人們熟知的，就是他們開發的人工智慧圍棋應用「阿法狗」將圍棋世界冠軍李世石給打敗。現在，他們希望將自主開發的人工智慧技術，應用到醫療科技領域。
Mustafa
Suleyman是DeepMind公司聯合創始人，也是該公司旗下智慧醫療部門DeepMind Health主管。據他透露，DeepMind正在和英國全民醫療系統（NHS）合作，希望患者能夠從人工智慧技術中收益。
DeepMind是做什麼的？
雖然被谷歌收購，但是DeepMind一直是獨立營運的，他們的目標是開發能夠「獨立思考」的軟體。為了能夠開發這種類型的人工智慧軟體，DeepMind在海量數據集合的幫助下，訓練自己的人工智慧去完成某些工作任務。
Suleyman解釋說：
我們的人工智慧技術其實是從智慧代理器開始的，你可以把智慧代理器看做是一個機器人手臂、一輛自動駕駛汽車、或是一個推薦引擎的控制系統，這個智慧代理器有一些目標需要完成，而且它也正在嘗試不斷優化。
為了實現這個目標，我們需要編寫代碼，這也是我們為這個智慧代理器所做的唯一的事情。我們說，在某些環境下你應該找到一些有益的東西，這個環境同時也應該是非常普通的。因此，我們認為一個智慧控制系統，即可以是訓練自動駕駛汽車的模擬器，也可以是給你在YouTube上推薦娛樂和互動視訊的推薦引擎。
這個代理控制系統可以在某個環境下執行一系列操作，也可以在某個環境下進行獨立、且匿名的實驗性交互。這個環境應該支持回退，讓人們瞭解在智慧代理器和環境交互的時候，環境狀態發生了哪些改變。
當然還有，這個環境需要回傳獎勵，這樣可以幫助智慧代理控制系統從中學習。所以，我們的智慧代理器控制系統是通過回饋、或是通過鞏固學習過程來學習的。
人工智慧技術如何改善醫療行業？
首先不要擔心，做手術的那些外科醫生還不會很快被類似「會行走、能交流的CP30」的機器人所取代。不過真正可能發生的，也是谷歌DeepMind想要發生的，就是利用人工智慧支持的軟體，幫助臨床醫生更加準確地判斷出疾病的早期症狀。
Suleyman解釋道：
對於醫療健康行業來說，最值得注意的事情就是，如果我們能夠在醫療系統裡，成功部署先進的、現代的技術，那麼就能實現系統優化，並且創造出令人難以置信的利潤。
在當今世界里，我真的想不出還有哪種技術比人工智慧更加先進了。如果我們成功了，那麼面前將會迎來一個巨大的機遇，也會給全世界帶來積極的影響。實際上，許多人都已經指出，至少在過去的20年時間裡，技術在醫療行業領域裡的應用並不成功。
我覺得在這方面，我們真的需要仔細思考一下，我們所提供的東西是否能夠帶來改變。很明顯，我們擁有機器學習和人工智慧技術，但我同時認為，在醫療健康行業裡，更多的是需要解決方案，也就是說，我們需要更加有效地部署人工智慧軟體，並且思考如何讓患者和醫生，都能從這些最先進的技術中收益。
所以，我們決定開發解決方案，並且將所有相關工作「框架化」。為了實現這個目標，我們所做的第一件事情，就是觀察，也就是說，我們要知道受眾用戶日常都在做什麼。
我們花了很多時間待在病房裡，和醫生、護士待在一起，嘗試觀察他們的工作有哪些，瞭解他們工作中所遇到的困難，盡可能多地收集訊息，以便可能更加瞭解我們所要開發的技術。我們想先用最快的速度，構建出一個粗略的設計框架，讓我們能夠瞭解人工智慧，如何應用在醫療健康行業的大概情況。
之後，我們會不斷豐富這個框架，然後一步步去開發、測試，之後再啓動開發一個解決方案——試運行、評估、開發、學習——再重複整個流程。我們要把整個人工智慧醫療解決方案的迭代週期變得非常快，提升機器學習速度。
從去年九月/十月開始，我們花了三周時間和英國皇家慈濟醫院（Royal Free）的醫生、護士進行接洽。之後，我們研發了一個能夠試運行的原型產品（之前的沒有連接、導入過任何數據），這樣醫生和護士能夠實際看到人工智慧技術如何在自己的工作中應用，比如，他們會回饋給我們，哪個按鍵放置的位置不對，哪個顏色很難辨認，某個菜單等級的排列順序不對，諸如此類。
我們能夠獲得即時回饋，然後優化產品，把醫生和護士最希望看到的、最想要使用的解決方案放到他們面前。
所以，這就是我們的「秘訣」——讓醫生來主導人工智慧技術，如何在醫療解決方案上應用。所以到目前為止，不管我們準備做什麼項目，還是去優化改善已經開發的項目，我們都會帶上一個醫生、或是一個護士，瞭解他們的真正想法，分析如何才能改善他們的日常操作行為，這樣才能確定一套技術解決方案是否能夠奏效。
接下來的問題是，如何利用人工智慧技術，讓患者覺得得到了更好的關懷呢？顯然，在關懷病人方面，需要提升的空間非常大。據說，每十個病人中，就有一個覺得在醫院受到了傷害；事實上，至少一半糟糕的患者體驗都可以預防、或是完全避免的。
在很多糟糕的醫患問題中，最受到關注的就是患者病情惡化監測的問題，很快情況下，不少患者會因為自己延誤了病情監測，最終導致無法治癒對醫生產生不滿。而這，本質上是一個溝通和協作的問題。
我認為，由於當前醫療環境的局限性，導致絕大多數有價值的數據，都留在了紙面或是圖表上，這些數據沒有被記錄或被跟蹤，有些醫院甚至沒有醫療數據日誌。
如果沒有「可被審計」的數據，那麼你所發出的資訊準確性就無法判定。因此，我覺得在DeepMind Health在患者用戶身上「框架化」人工智慧技術之前，需要解決兩個核心的患者安全問題。
第一， 就是我們該如何更好的辨識患者，存在哪些病情惡化風險，最好能夠做到即時判斷。
第二， 一旦我們辨識出患者身處在風險之中，我們究竟該如何介入？我們不能像分析一個報告那樣，給出一些建議（諸如將醫療設備重組之類）。我們真正要做的，是在即時環境下部署人工智慧技術，幫助臨床醫生更好的瞭解患者情況、做到快速干預。
目前，DeepMind和英國全民醫療健康系統合作了哪些項目？
DeepMind目前正在和英國全民醫療健康系統，合作兩個主要項目。第一個，是幫助英國皇家慈濟醫院的醫生，監測急性腎損傷病症；第二個合作項目會在本週宣佈，是使用機器學習技術幫助倫敦穆爾菲爾茲眼科醫院的醫生，判斷患者的視力情況。
Suleyman表示說：
我們目前所遇到的、最艱巨的患者安全問題，就是要更好的監測病症。我們會查看患者過去十二個月時間里的急性腎損傷病歷記錄，這是非常重要的。在英格蘭，每年就有超過4萬名患者因為急性腎損傷而住院，而在全英住院患者中，有四分之一都或多或少地和急性腎損傷病症相關。而實際情況是，大約有五分之一的急性腎損傷病症是可以預防的，但就這一項，就能幫助國家節約15億英鎊。
所以在2014年，英國全民醫療健康系統英格蘭分部發佈了一份患者安全警告書，允許醫院在自己的系統內部署能夠預防急性腎損傷的人工智慧算法。
當我們的人工智慧技術完成部署之後，我們所做的第一件事情，就是去觀察用戶的日常設置情況。我們走進了英國皇家慈濟醫院，並且瞭解到DeepMind技術是如何應用的。從今天的患者角度來看，我們獲得了第一手的使用體驗，也讓我們瞭解到整個技術應用環境是非常、非常複雜的。
一個患者可能會經歷很多不同的症狀階段。我們注意到，整個過程中會出現很多種生命威脅症狀，也會有很多非常複雜的體徵階段，結果導致我們的人工智慧技術無法準確定位，也錯失了對一些病情惡化關鍵時間點的判斷。因此我們現在想要做的，是先後退一步，看看我們是否能在風險評估上做的更好，以及是否能在早期症狀監測和實時預防上做的更好，之後再幫助患者實現全面康復。
一旦我們將項目分解成這些步驟，那麼DeepMind和臨床醫生之間才真正實現了契合，也只有實現了這些先決條件之後，才能讓我們的技術真正應用到臨床醫療上去。
用於血液測試的AKI警報平台
針對這一問題，我們開發了Streams，用於血液測試的AKI報警平台。這是我們目前進行的一個非常簡單的干涉，通過使用血液檢測結果，使它真正的持續集中於一個具體的問題。我認為這是一個真正的機會——可以讓我們走的更多，更遠，並且，將它擴展成一個更為廣泛，且以病人為中心的合作平台。
它的基礎是，我們有能力及時查明有惡化風險的病人。但這僅僅是挑戰的一部分。接下來，我們需要讓自己有能力去逐步升級，並且更好的進行干預，這也正是為什麼消息和評論是如此重要。以X射線為例，我們發現醫院接收員有能力在X射線報告中做出評論，隨後結合一個呼吸顧問的評論，去獲得專家的意見。
這種交換能以審計的方式進行，即允許我們回顧性驗證。如果需要的話，允許我們回顧性驗證高級臨床醫生所說的話和隨後採取的行動。除了這些，我們也進行了研究項目來一探究竟，看看機器學習和人工智慧技術，是否真正的有助於診斷。
值得注意的是如果你有糖尿病，相比其他人你將有25倍多的可能患上某種視力下降病症。但是有趣的是，這幾種因為糖尿病性視網膜病變，導致的視力下降病症，能夠通過早期檢測進行預防。因此我們一直在思考一件事——如何才能更好得對放射檢查的即時歸類進行改進，用來實現針對某位病人，是否需要更多的及時反饋進行合理分類。
目前的現實是在人為表現方面有大量的報告在積壓，這意味著這些結果可能要在四星期後才能在醫院中查到。另外，不同的分類者缺乏一致性，有時報告者會漏掉一些糖尿病性視網膜病變和老年黃斑變性（AMG）中的敏感性變化。
通過機器學習我們希望能夠實現，再更快速的即時結果回饋，以及更加連續和標準化的表現。
這個將會幫助我們理解並調整一些常量，通過這些調整我們將能夠提升它的特異性。雖然這些都是相當前期的工作，但我們承諾將會發佈包括算法、方法以及技術，實現過程等所有的結果。希望在我們準備好之後，在今年年底你能聽到更多有關這項研究的內容。
沒有留言:
張貼留言