当前位置:首页 > 智能硬件 > 人工智能AI
[导读] 据报道,谷歌正在训练机器来预测病患的死亡时间。它的“医学大脑”(Medical Brain)团队取得了一些AI进展,如预测疾病症状、死亡风险等等,该互联网巨头有望借此打入

据报道,谷歌正在训练机器来预测病患的死亡时间。它的“医学大脑”(Medical Brain)团队取得了一些AI进展,如预测疾病症状、死亡风险等等,该互联网巨头有望借此打入医疗保健市场。

一名患有晚期乳腺癌的妇女来到城市医院,她的肺部已经充满了积液。她看了两个医生,做了放射扫描。医院的电脑读取了她的生命体征,估算出她在住院期间死亡的几率为9.3%。

之后轮到谷歌来进行估算。该公司开发的一种新型算法分析了关于该妇女的信息——17.5639万个数据点——然后对她的死亡风险做出评估:19.9%。她几天后就去世了。

今年,谷歌发布了一份令人痛心的、关于这名身份不明的女性死亡的报告。它凸显了神经网络在医疗保健领域的潜力,这种人工智能软件特别擅长利用数据来自行学习和改进。谷歌开发了一种可以预测各种病患结果的工具,包括人们可能在医院待多久,再次入院的几率以及他们不久后死亡的几率。

给医学专家们留下最深刻印象的是,谷歌能够筛选以前无法获取的数据:隐藏在pdf文件中的注释或者旧图表上的潦草文字。神经网络吞噬了所有这些非常规记录的信息,然后得出预测。它比现有的技术要快得多,也更加准确。谷歌的系统甚至显示了是基于哪些记录得出结论的。

多年来,医院、医生和其他卫生保健提供者一直在寻求更好地利用所储存的电子健康记录和其他患者数据。在适当的时候分享和突显更多的信息可以挽救生命——至少可以帮助医务工作者减少在文书工作上的时间,进而增加在病人护理上的时间。但是,目前挖掘健康数据的方法既费用不菲,又繁琐耗时。

斯坦福大学副教授尼格姆·沙阿(Nigam Shah)表示,现在的预测模型有80%的时间都花在了使数据具有可表达性的“枯燥粗活”上。而谷歌的方法避免了这个。沙阿说,“你可以把数据直接扔进厨房洗涤池里,之后的工作你完全不用操心。”他是谷歌发表在《自然》(Nature)期刊的研究论文的合著者。

下一步是?

今年,谷歌首席人工智能主管杰夫·迪恩(Jeff Dean)对彭博社表示,谷歌的下一步是将这种预测系统推向诊所。迪恩的健康研究团队(有时被称为“医学大脑”团队)正在研究一系列的人工智能工具,这些工具能够准确地预测症状和疾病,既人带来希望的同时,也带来一些警示。

在公司内部,人们对这一项目感到非常兴奋。“他们终于给AI找到了一个具有商业前景的应用。”一位谷歌员工表示。自从Alphabet旗下的谷歌在2016年宣布要成为“AI为先”的公司以来,它在这一领域的大部分工作都是为了改进现有的互联网服务。而来自医学大脑团队的进展则给了谷歌进入一个全新市场的机会——这是两位联合创始人拉里·佩奇(Larry Page)和谢尔盖·布林(Sergey Brin)一直在反复尝试的事情。

如今,医疗保健领域的软件大多是人工编写的。Alphabet旗下医疗保健公司Verily的前高管、投资公司Foresite Capital常务董事维克·巴贾杰(Vik Bajaj)指出,相比之下,谷歌的方法——让机器自己学习解析数据——“完全可以跑在所有人的前面。”他还说,“他们知道什么问题值得解决。他们现在已经做了足够多的小实验,来确切地搞清楚富有成效的发展方向是什么。”

按照迪恩的设想,该人工智能系统将指导医生使用特定的药物和诊断方式。另一位谷歌研究人员说,现有的模型忽略了一些重要的医学事件,包括病人是否做过手术。在他看来,现有的人工编码模型是医疗保健技术发展的“一个显而易见的巨大障碍”。

数据隐私问题

尽管人们对谷歌的潜力持乐观态度,但利用人工智能改善医疗结果仍然是一个巨大的挑战。其他公司,尤其是IBM旗下的沃森(Watson),也曾尝试将人工智能应用于医疗领域,但在节省费用和将技术整合到偿付系统方面收效甚微。

谷歌长期以来一直在寻求获取数字医疗记录,但结果不尽相同。在最近的研究中,这家互联网巨头与加州大学旧金山分校和芝加哥大学达成了协议,获得了460亿份匿名患者数据。谷歌的人工智能系统为两家医院创建了预测模型,而不是创建同时涵盖这两家医院的数据分析预测模型,后者是一个更难解决的问题。打造面向所有医院的解决方案则将更具挑战性。谷歌正在努力拉拢新的合作伙伴,以便获取更多的医疗记录信息。

对医疗领域的深入研究,只会给本已掌握海量个人信息的谷歌增加更多的信息。数据公司Immuta的首席隐私官安德鲁·伯特(Andrew Burt)表示:“在利用我们所生成的所有数据上,谷歌和其他科技巨头将拥有一种独特的、近乎垄断的能力。”他和儿科肿瘤学家塞缪尔·沃尔切布姆(Samuel Volchenboum)最近写了一篇专栏文章,称政府应该阻止这些数据成为“少数公司独有的资产”,比如在谷歌占据主导地位的在线广告领域实施干预。

当涉及到患者信息时,谷歌表现得非常谨慎,尤其是在公众日益关注企业的数据收集行为的当下。去年,Alphabet旗下的另一家人工智能实验室DeepMind在没有预先告知患者的情况下测试一款分析公共医疗记录的应用程序,因此受到了英国监管机构的严厉抨击。在最新的研究中,谷歌和它的医院合作伙伴坚称他们的数据是匿名的,安全的,并且在病人许可的情况下使用。沃尔切布姆说,如果项目范围扩展到小型的医院和医疗保健网络,那么该公司在数据隐私问题可能将很难保持那种严密性。

不过,沃尔切布姆相信这些算法可以拯救生命和帮助节省费用。他希望,健康记录将来会与其他的数据结合在一起利用。最终,人工智能模型可能纳入有关当地天气和交通的信息——其他影响病患结果的因素。“医院基本上就像一个有机体。”他说。

鲜少公司拥有比谷歌更好的分析这种有机体的条件。该公司和另一家Alphabet子公司Verily正在开发一种能够追踪更多生物信号的设备。即使没有大量的消费者购买使用它打造的可穿戴健康追踪设备,谷歌也还有很多其他的数据来源可以挖掘。它了解天气和交通状况。谷歌的Android手机可以追踪人们走路的方式等方面的信息,这些信息在测量精神状况下降以及其他一些疾病上很有价值。所有的这些数据都可能被纳入到整个医疗算法里。

谈商业模式还为时过早

医疗记录只是谷歌的人工智能医疗计划的一部分。它的医学大脑团队在分别针对放射学、眼科和心脏病学打造人工智能系统。他们也在研究皮肤病。员工开发了一款用于发现恶性皮肤病变的应用;为了进行检测,一位手臂上有15个假纹身的产品经理会在办公室里走来走去。

人工智能主管迪恩强调称,这种实验依赖的是认真严肃的医疗咨询,而不仅仅是好奇的软件程序员。谷歌公司正在印度开展一项新的试验,利用其人工智能软件来分析眼睛图像,以寻找糖尿病视网膜病变的早期迹象。迪恩说,在推出系统之前,谷歌让三名视网膜专家激烈地讨论了早期的研究结果。

随着时间的推移,谷歌可以将这些系统授权提供给诊所,或者把它们作为一种诊断即服务(diagnosTIcs-as-a-service)来通过公司的云计算部门出售。微软公司也在开发预测型人工智能服务。要将产品商业化,谷歌首先需要获得更多的医疗记录,不过这些记录在不同的医疗机构中往往存在很大差异。谷歌可以去购买那些数据,但监管机构或消费者可能无法接受。该公司与加州大学旧金山分校和芝加哥大学的交易并不是商业性的。

该公司表示,现在就确定商业模式还为时过早。在谷歌举行的年度开发者大会上,医学大脑的成员莉莉·彭(Lily Peng)回顾了该团队的研究成果:其打造的系统在发现心脏病风险方面超过了人类。“再说一遍,”她说,“我想强调的是,这项研究确实还处在初期阶段。”

本站声明: 本文章由作者或相关机构授权发布,目的在于传递更多信息,并不代表本站赞同其观点,本站亦不保证或承诺内容真实性等。需要转载请联系该专栏作者,如若文章内容侵犯您的权益,请及时联系本站删除。
换一批
延伸阅读

2024年4月12日,中国--服务多重电子应用领域、全球排名前列的半导体公司意法半导体(STMicroelectronics,简称ST;纽约证券交易所代码:STM)宣布,松下自行车科技有限公司(Panasonic)宣布采...

关键字: 人工智能 电动自行车

4月17日消息,斯坦福大学近日发布《2024年AI指数报告》(AI Index Report 2024),凭借AI在大规模胰腺癌早筛上的创新突破,阿里达摩院(湖畔实验室)医疗AI入选科学与医疗领域的年度亮点研究(High...

关键字: AI 人工智能 集成电路

4月17日消息,去年,中国大陆的半导体设备支出约占据了全球总额的三分之一。

关键字: 半导体 传感器 人工智能 电动汽车

该实验室的创新技术能够增强人工智能边缘解决方案,提高神经网络能力

关键字: 人工智能 神经网络

英国竞争与市场管理局(CMA)日前表示,对美国科技公司可能会操纵全球AI市场感到担忧。

关键字: AI 谷歌 苹果 微软 Meta

机器学习作为人工智能领域的重要组成部分,其过程涉及到多个核心环节。本文将详细阐述机器学习的四个主要步骤:数据准备、模型选择、模型训练与评估,以及模型部署与应用,以揭示机器学习从数据到应用的完整流程。

关键字: 数据 人工智能 机器学习

随着信息技术的迅猛发展和大数据时代的到来,机器学习成为了人工智能领域中的核心技术之一。机器学习是通过模拟人类学习行为,使计算机系统能够从数据中自动发现规律、提取特征并进行预测和决策的过程。它在诸多领域取得了广泛的应用,包...

关键字: 计算机 人工智能 机器学习

机器学习算法是人工智能领域中的核心技术之一,它通过对大量数据进行学习,自动发现数据中的规律和模式,从而实现对新数据的预测、分类、聚类等任务。本文将深入探讨机器学习算法的基本过程,包括数据准备、模型选择、训练与评估等关键步...

关键字: 数据 人工智能 机器学习

机器学习是人工智能领域的一个重要分支,它使用各种算法来使计算机系统能够从数据中学习和改进,而无需进行明确的编程。在机器学习的广阔领域中,有多种算法被广泛应用,每种算法都有其独特的适用场景和优势。本文将详细介绍机器学习中的...

关键字: 机器学习 人工智能 计算机

尼得科株式会社将扩大其位于泰国的服务器用水冷模块CDU(Coolant Distribution Unit)生产线,计划在目前的月产能200 台基础上于 2024 年 6 月增加到每月 2,000 台。

关键字: 人工智能 电源 电路板
关闭
关闭