谷歌|谷歌大神 Jeff Dean 领衔,万字展望五大AI趋势( 八 )


谷歌|谷歌大神 Jeff Dean 领衔,万字展望五大AI趋势
文章图片

图丨根据生物样本库中的基因组数据,生成的解剖学和疾病性状的大规模量化过程
正如机器学习可以帮助我们看到基因组数据中的隐藏特征一样,它也可以帮助我们从其他健康数据类型中发现并收集新信息 。疾病的诊断通常包括模式识别、关系量化和在大量类别中识别出新实例等任务,而这些都是机器学习擅长的 。谷歌的研究人员已经使用机器学习来解决各种各样的问题,但也许没有一个问题比它在医学成像中的应用有更大进展 。
【谷歌|谷歌大神 Jeff Dean 领衔,万字展望五大AI趋势】谷歌在 2016 年发表了一篇关于深度学习在糖尿病视网膜病变筛查中应用的论文,被《美国医学会杂志》(JAMA)的编辑选为十年来最具影响力的十大论文之一 。这意味着它不仅在机器学习和健康方面具有广泛影响力,并且也是十年来最具影响的 JAMA 论文之一 。而且我们的研究影响并不仅限于对论文,而是扩展到现实世界中建立系统的能力 。通过我们的全球合作伙伴网络,该项目已经帮助印度、泰国、德国和法国的数万名患者进行疾病筛查,否则他们自己可能没有能力接受这种威胁视力疾病的检测 。
我们希望看到更多机器学习辅助系统的部署,以应用到改善乳腺癌筛查、检测肺癌、加速癌症放射治疗、标记异常x光和对前列腺癌活检分级上 。机器学习为每个领域都提供了新的帮助 。比如机器学习辅助的结肠镜检查,就是一个超越了原有基础的例子 。结肠镜检查不仅仅只是诊断结肠癌,还可以在手术过程中切除息肉,是阻止疾病发展和预防严重疾病的前沿阵地 。在该领域中,我们已经证明机器学习可以帮助确保医生不遗漏息肉,帮助检测难以发现的息肉,还可以增加维度来提高准确度,例如应用同步定位和绘图技术 。在与耶路撒冷 Shaare Zedek Medical Center 医疗中心的合作中,实验证明这些系统可以实时工作,平均每次手术可以检测到一个可能会漏检的息肉,而且每次手术的错误警报少于 4 次 。
谷歌|谷歌大神 Jeff Dean 领衔,万字展望五大AI趋势
文章图片

图丨对(A)一般异常、(B)结核病和(C)COVID-19 的真阳性、假阳性以及真阴性、假阴性的胸部 X 光片(CXR)进行采样 。在每张 CXR 中,红色的轮廓表示模型识别时关注的区域(即类激活图),黄色的轮廓表示由放射科医生认定的感兴趣区域 。
Care Studio 是另一个有潜力的医疗保健计划,它使用最先进的机器学习和 NLP 技术来分析结构化数据和医疗记录,并在正确的时间为临床医生提供相关信息,帮助他们提供更积极和准确的治疗 。
尽管机器学习可能对扩大访问量和提高临床准确性很重要,但我们发现有新的趋势正在出现:使用机器学习帮助人们的日常健康和幸福 。我们日常使用的设备都部署有强大的传感器,可以帮助人们普及健康指标和信息,使人们可以对自己的健康做出更明智的决定 。目前已经有了可以评估心率和呼吸频率的智能手机摄像头,并且无需额外的硬件设备 。Nest Hub 设备可以支持非接触式睡眠感知,让用户更好地了解自己的夜间健康状况 。我们可以在自己的 ASR 系统中显著提高无序语音识别的质量,也可以使用机器学习帮助有语音障碍的人重塑声音,使他们能够用自己的声音交流 。也许,使用机器学习让智能手机帮助人们更好地研究皮肤病状况,或者帮助视力有限的人慢跑,并不是遥不可及的:这些机遇证明未来是光明的 。

推荐阅读