發(fā)布日期：2017-02-14
在這個(gè)人工智能的時(shí)代，學(xué)習(xí)與思考早已不是人類的特權(quán)。通過神經(jīng)網(wǎng)絡(luò)以及其他的算法，計(jì)算機(jī)能夠識(shí)別圖片中的物體，能夠分辨人類無法辨識(shí)的微小不同，也能夠下贏人類的圍棋大師。近日，《自然》子刊《Nature Biomedical Engineering》推出了“機(jī)器學(xué)習(xí)”特刊，為我們介紹了機(jī)器學(xué)習(xí)在醫(yī)療領(lǐng)域的廣泛應(yīng)用。我們今日也推出“機(jī)器學(xué)習(xí)”專題，將這些信息整理給讀者。
在介紹機(jī)器學(xué)習(xí)前，我們先了解一下它的核心之一——卷積神經(jīng)網(wǎng)絡(luò)（convolutional neural network）。別被它的名字嚇倒，形象地看，它很容易理解，甚至與人類視覺皮層的構(gòu)造有相似之處。你可以把它想象成一堆“神經(jīng)節(jié)”。這些神經(jīng)節(jié)并不是雜亂無章的，它們會(huì)排列成多個(gè)“神經(jīng)層”，層與層之間神經(jīng)節(jié)互相有著關(guān)聯(lián)?？梢韵胂?，這樣的神經(jīng)層越多，整個(gè)網(wǎng)絡(luò)也就越“深度”，功能也就更強(qiáng)大?，F(xiàn)代的卷積神經(jīng)網(wǎng)絡(luò)一般有10-20層，神經(jīng)節(jié)總數(shù)超過1億。
▲神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)示意圖（圖片來源：《Nature Biomedical Engineering》）
雖然龐大，神經(jīng)網(wǎng)絡(luò)的工作原理卻并不復(fù)雜。當(dāng)外部的信號(hào)輸入后，第一層上的每一個(gè)神經(jīng)節(jié)會(huì)提取信號(hào)的不同特征，產(chǎn)生一個(gè)權(quán)重值，并將這些數(shù)據(jù)傳遞給神經(jīng)網(wǎng)絡(luò)的下一層。但它的神奇之處在于能夠通過調(diào)試，進(jìn)行自我學(xué)習(xí)。為了讓神經(jīng)網(wǎng)絡(luò)更靠譜，研究人員會(huì)輸入一些已知的數(shù)據(jù)，并告訴神經(jīng)網(wǎng)絡(luò)他們想要什么樣的結(jié)果。神經(jīng)網(wǎng)絡(luò)會(huì)自動(dòng)調(diào)整權(quán)重，讓輸出的結(jié)果與研究人員提供的結(jié)果之間的差異最小化。經(jīng)過幾萬，幾十萬，甚至幾百萬次的學(xué)習(xí)后，它就能很好完成人類布置的任務(wù)。同樣，學(xué)習(xí)的次數(shù)越多，它也就越聰明。
醫(yī)療領(lǐng)域的研究人員們正在這么做。在去年《JAMA》雜志報(bào)道的一項(xiàng)研究中，人工智能在學(xué)習(xí)了12000張圖片后，能準(zhǔn)確地對糖尿病性視網(wǎng)膜病變進(jìn)行診斷，靈敏度和特異性分別超過了96%和93%，與眼科醫(yī)生不相上下。而在昨日的一篇報(bào)道中，我們介紹了一款能夠打敗人類皮膚科醫(yī)生的人工智能。它的背后，是超過13萬張皮膚癌的臨床圖片的深度學(xué)習(xí)。
▲上周的《自然》封面報(bào)道了能診斷皮膚癌的人工智能（圖片來源：《自然》）
本期特刊則為我們介紹了更多進(jìn)展。首先，它回答了一個(gè)許多人都關(guān)心的問題——人工智能可以用來診斷罕見病嗎？為了提高準(zhǔn)確度，人工智能需要大量的學(xué)習(xí)素材，而罕見病的病例則注定不會(huì)太多。看似矛盾的兩者，能得到調(diào)和嗎？答案是肯定的。來自我國的兩名白內(nèi)障專家，中山眼科中心的林浩添博士、劉奕志教授與研究團(tuán)隊(duì)一道，開發(fā)出了一種能診斷先天性白內(nèi)障的人工智能。這款人工智能可謂“迷你”。一方面說，它只有5層卷積網(wǎng)絡(luò)；另一方面，它的學(xué)習(xí)材料只有886張眼部的圖像。然而，它卻能準(zhǔn)確地診斷這種兒童眼疾，并能對疾病的嚴(yán)重性進(jìn)行區(qū)分，甚至能提供后續(xù)的治療建議。在這些方面，它與眼科專家的表現(xiàn)一樣出色。
▲人工智能表現(xiàn)出了眼科專家的水平（圖片來源：《Nature Biomedical Engineering》）
機(jī)器學(xué)習(xí)同樣能診斷腦部腫瘤。本期特刊中，來自美國密歇根大學(xué)的科學(xué)家們開發(fā)出了一種能“虛擬染色”的新式深度機(jī)器學(xué)習(xí)系統(tǒng)。對腦外科醫(yī)生而言，術(shù)中病理分析往往是診斷腦腫瘤的最佳方式之一。然而這一過程耗時(shí)費(fèi)力，容易延誤正在進(jìn)行的腦部手術(shù)。而這些科學(xué)家開發(fā)出的機(jī)器學(xué)習(xí)系統(tǒng)能夠?qū)⑽唇?jīng)處理的大腦樣本進(jìn)行“染色”，效果如同病理實(shí)驗(yàn)室經(jīng)過固定和冷凍的染色切片。更關(guān)鍵的是，這些“虛擬染色”的圖片能提供非常精準(zhǔn)的信息。醫(yī)生通過它診斷腦瘤的準(zhǔn)確率和使用常規(guī)組織切片的準(zhǔn)確率幾乎相同。毫無疑問，它的誕生極大縮減了醫(yī)生用于診斷的時(shí)間，而這對罹患腦瘤，身處手術(shù)中的患者來說至關(guān)重要。
▲你能看出哪些是人工染色，哪些是人工智能“染色”嗎？（圖片來源：《Nature Biomedical Engineering》）
人工智能是時(shí)代的潮流。上世紀(jì)90年代，當(dāng)大哥大剛進(jìn)入人們的生活，很少有人會(huì)想到智能手機(jī)在當(dāng)下的普及，更難想到智能手機(jī)在通訊之外，可以實(shí)現(xiàn)的娛樂、學(xué)習(xí)、辦公等一系列功能。如今的機(jī)器學(xué)習(xí)和人工智能就好似大哥大。它雖然不完美，卻是一個(gè)偉大時(shí)代的前兆。我們相信，使用機(jī)器學(xué)習(xí)的人工智能會(huì)在未來展現(xiàn)這樣一副畫卷呢：它能降低日常診斷，尤其是病理分析中的出錯(cuò)概率；它能在醫(yī)療資源匱乏的地區(qū)提供治療的參考建議；它也能加速診斷的過程，為患者爭取時(shí)間。此外，機(jī)器學(xué)習(xí)的巨大潛力也會(huì)在個(gè)體層面上，推進(jìn)精準(zhǔn)的醫(yī)療與疾病管理。
能夠見證這個(gè)時(shí)代，是我們的幸運(yùn)。
來源：藥明康德
