日報

訓練出「棋王」的DeepMind公司又要培養眼科「名醫」了

刊登於 2016-07-06

DeepMind將利用機器學習及早發現眼部疾病。
DeepMind將利用機器學習及早發現眼部疾病。

戰勝人類頂級圍棋棋手而名聲大噪的 Google 旗下人工智能公司 DeepMind 將進軍醫學研究領域。7月5日,DeepMind 在其官方網站宣布,將與英國國家醫療服務體系(National Health Service,NHS)內的 Moorfields 眼科醫院合作,開發能夠辨識眼部疾病的機器學習(Machine Learning)系統。

機器學習是近年來人工智能領域的主要研究方向之一,它是一類從大量數據中自動分析獲得規律,並利用規律對未知數據進行預測的算法。此次DeepMind 希望能夠基於對醫院提供的大量眼球掃描圖的分析,開發出能辨識眼疾早期症狀的機器學習系統,從而為眼疾提供預防措施。

這並非 DeepMind 與 NHS 的首次合作,該公司此前曾與該體系內的皇家自由醫院(Royal Free Hospital)合作,通過智能手機監控患者的腎功能。而本次與 Moorfields 眼科醫院的合作,則是 DeepMind 首次進行純醫學研究,也是這家人工智能公司首次將機器學習應用於醫療。

我們成立 DeepMind 的目的,就是希望通過開發新技術來解決人類社會中的難題,讓世界變得更美好。因此,能夠與 NHS 合作進行我們首個醫學研究項目,讓人非常激動。

7月5日,DeepMind 官網聲明

在本次的研究計劃中,DeepMind 將獲得由 Moorfields 眼科醫院提供的100萬份匿名的眼球掃描圖以及相關的眼部狀況、治療情況等數據,研究人員將使用這些海量數據來「訓練」機器學習算法,使其能夠在任何人的眼球掃描圖中確定是否存在老年性黃斑病變(Age-related Macular Degeneration,AMD)以及糖尿病視網膜病變(Diabetic Retinopathy)等眼疾的早期跡象。

DeepMind 在聲明中表示,老年性黃斑病變在英國是致盲的首要原因,該國每天有接近200人因此失明——但如果能提早發現這種疾病,許多患者都不至於失明;而糖尿病會令普通人失明的概率增加25倍,如果能夠儘早發現糖尿病視網膜病變跡象並展開治療的話,將可以預防98%的嚴重視力損傷。

不過,這次的合作是由 Moorfields 醫院的眼科專家 Pearse Keane 主動提出的。Keane 醫生在看到關於 DeepMind 訓練人工智能玩電腦遊戲的報導後,聯想到這種圖像分析算法應該也適用於對眼球掃描圖的識別,於是他主動與 DeepMind 的聯合創始人 Mustafa Suleyman 取得聯繫,最終促成了這個合作項目。

Moorfields 醫院眼科疾病研究中心主管 Peng Tee Khaw 表示,醫院的精確眼球掃描圖正快速增多,而且其精細程度比其他身體部位的掃描圖更高,但是單憑人力難以處理如此大量的數據——而這正是這次合作得以促成的原因,具有學習能力的人工智能算法比人類更「不知疲倦」,因此足以勝任者這項工作。

除了 Google 外,IBM 也在醫療領域進行機器學習的相關研究,該公司的人工智能 Watson也在持續地吸收醫療病例,以學會給患者提供治療建議。

人工智能領域的迅猛發展最近引起了許多討論,比如歐盟甚至在考慮是否應該給智能機械人以「電子人」的身份定位,讓它們擁有「權利和義務」——這並非異想天開,或許在不久之後的某天,坐在你對面為你治療的「名醫」,就是一位「畢業」於 Google 或 IBM 的機械人。

2
DeepMind 引用數據稱,到2020年,全球的老年性黃斑病變患者數量將接近2億。
1 /11
DeepMind 引用數據稱,目前全球每11個成人中,就有1個糖尿病患者。

聲音

這次的研究是非常重要的,特別是對於糖尿病視網膜病變的診斷……通過訓練神經網絡進行眼球掃描評估工作,可以提高診斷的速度和精度,有可能挽救成千上萬人的視力。

DeepMind 聯合創始人 Mustafa Suleyman

要跟蹤一個病人的歷史,我需要用上畢生的經驗,而預測病人的未來時,他們要依賴於我的經驗。如果我們能夠使用機器輔助的深度學習,我們就能更加出色地完成工作,因爲我將有一萬次人生經驗。

Moorfields 醫院眼科疾病研究中心主管 Peng Tee Khaw

我們同機械人之間日益頻繁的溝通與互動,會對人類社會在精神與物質層面的現有關係產生潛在影響。尤其是對智能看護機械人與被照顧者而言,他們之間產生的感情和依戀,讓我們不得不重新審視人類尊嚴、道德觀等問題。

歐洲議會法律事務委員會近日提交草案

機器學習

Machine Learning,是近20多年興起的一門多領域交叉學科,涉及概率論、統計學、逼近論、凸分析、計算複雜性理論等多門學科。機器學習理論主要是設計和分析一些讓計算機可以自動「學習」的算法。機器學習算法是一類從數據中自動分析獲得規律,並利用規律對未知數據進行預測的算法。因為學習算法中涉及了大量的統計學理論,機器學習與推斷統計學聯繫尤為密切,也被稱為統計學習理論。機器學習已廣泛應用於數據挖掘、計算機視覺、自然語言處理、生物特徵識別、搜尋引擎、醫學診斷、檢測信用卡欺詐、證券市場分析、DNA序列測序、語音和手寫識別、戰略遊戲和機械人等領域。(資料來自维基百科)

來源:愛范兒DeepmindMIT技術評論新科學家

本刊載內容版權為端傳媒或相關單位所有,未經端傳媒編輯部授權,請勿轉載或複製,否則即為侵權。