AI 助攻,看 IBM 如何布局未來幾年的醫療人工智慧計畫

作者 | 發布日期 2017 年 02 月 16 日 7:30 | 分類 人工智慧 , 尖端科技 , 醫療科技 follow us in feedly

試想,晶片比全球最好的實驗室更厲害,可迅速拿出疾病的準確診斷?微型攝影機能從分子層面上檢驗藥片的真假?系統可以從語言中檢查出此人患有心理疾病? IBM 認為,這 3 件事都可以在幾年之內做到,因為他們有大利器:人工智慧 + 新型硬體。




IBM 研究室已經開始著手把這 3 項研究變成成熟的醫療工具,將公司現存的機器學習和人工智慧系統與晶片、毫米波相控陣感測器等結合。

AI + 超音波系統,「看」到疾病和危害

36kr配圖

(Source:topnewspress)

首先要提到的「超音波系統」,是一種廣範圍的電磁波譜成像技術,不僅可以獲取人眼可見光形成的圖像,還能模擬超出此範圍的電磁波圖像。

使用高性能相機和其他感測器,臨床醫生就能發現用藥是否適合患者。「用這種超音波技術,人們就像長了第三隻眼,能發現我們日常所忽略的線索。」IBM 技術總監 Rashik Parmar 說。

儘管實現超音波的硬體已經出現,但要讓其進入市場,還需做更多的工作。能夠進行廣泛光譜成像的儀器不是什麼新鮮事物,但區別就是 IBM 要將其簡化、小型化,並降低其製造成本,還要用認知演算法來進行破譯和可視化,讓這項技術真正發揮其作用。Parmar 還補充,IBM 現在有很多「花俏」的發明,但都能很快讓它們變為可用性而在醫療應用上,簡單例子就是用超音波設備迅速看牙,或者為標準醫療射線檢查提供更豐富的訊息。

可能在 IBM 計劃的 5 年之內,這種機器會變成你身邊的藥理學、毒物學專家,最終,這種超音波會整合到手機中,在吃飯或服藥之前可以先掃描一下,看是否有有害物質或致敏源等。

AI + 晶片實驗室,精細疾病早診

相似的,IBM 也有可能會在幾年內推出一種新的人工智慧分析技術:晶片實驗室。這種設備也就錢包大小,用一滴血或任意體液就能分析出細菌、病毒或預示某種疾病的蛋白質。

36Kr配圖

▲ 晶片實驗室。(Source:IBM Research)

Parmar 表示,IBM 從 6、7 年前就開始探索「奈米纖維」這種概念了,那時是要做一種可以模擬氣味的工具。如果將奈米纖維與其他種類的感測器相結合,就能用奈米結構來檢驗體液,包括唾液、血液、液體活檢的樣品,從中分析潛在的疾病。再結合數位化製造和 3D 列印等技術,IBM 就能把感測器放入定制化探針,幫助有效分析。

相比需要等待數週的血檢,晶片實驗室不用花時間把病毒培養至能夠監測到的量,而是直接透過感測器來追蹤最細微的生物標記。

這項技術最厲害之處,可能在人們出現症狀之前就了解自己的患病可能。舉阿茲海默症的例子,在出現明顯症狀之前很長一段時間,患者的神經狀態已經產生顯著改變。如果定期抽血檢查,可以在阿茲海默症早期就找到生物標記,迅速根據個人情況制定治療方法。

雖然這種能從一滴血分析疾病的技術,對人工智慧是個巨大挑戰,但真正考驗 IBM 公司把此種產品推向市場的,還是在於技術難度超高的晶片。「晶片的最小測量級別為 20 奈米,它能讓你從一個相當細微的角度來觀察病毒等物質,但要看到這個精細程度,在材料的製作上要花費巨大心血。」

AI + 文字資訊,形成精神疾病模型

精神疾病,是一個需要人工智慧技術仔細咀嚼大量數據,再化做有效醫學見解的領域。在接下來兩年內,IBM 會製造出能從人講話中診斷精神疾病的機器學習系統原型。

在精神疾病診斷中,患者的談話一直是醫生用以判斷病情的重要因素。語速、音量、用語特點,都可以用於判斷精神疾病。現在 IBM 把這個分析工作交給人工智慧,從患者與醫生的交流,或人們自己在社群網站上寫的話,都可以是分析材料。

IBM 能做到這一點,前提是他們已花費數年時間來研究精神、心理障礙與語言之間的關聯,建立起一套測量系統。「我們目前提了日程的研究,是要弄清這件事:對特定個體來說,某段話中的某些用語,能否幫助我們理解這個人的心理狀態?」技術總監 Parmar 說。

IBM 早已嘗試過建立醫療模型:Watson 最早的商業化嘗試,認為電腦系統,就是癌症護理醫師的助手。今天,公司還與醫療行業有不少合作,例如,IBM 透露 Jupiter 醫療中心(木星醫療中心)這家佛羅里達的地方醫療中心,就會引進 IBM Watson 的腫瘤輔助診療技術。另外還與紀念斯隆凱特琳癌症中心(MSK)合作癌症治療培訓計畫。

除了精神分裂症、雙向情感障礙、憂鬱症等,IBM 還會從可穿戴運動健身裝置和醫療裝置處獲取數據,來輔助診斷帕金森氏症等神經疾病。雖然現在已經有醫藥健康專家把可穿戴數據用在診斷上,但 IBM 希望用機器學習來加速這個進程,並能提供額外的見解。

Parmar 說,其實美國和歐洲已經有人做可穿戴數據的實驗,也有教授把實驗數據分享出來,但沒有人把這些數據綜合在一起,研究這些數據中間是否有關聯,或用整合數據獲得更深層的理解。「用機器來處理和整合,恰好就是這個問題的答案。」

(本文由 36Kr 授權轉載;首圖來源:IBM) 

發表迴響