当医疗邂逅人工智能

丑牛

  
     如今人工智能取得的成绩，已经让众人为之震惊。仅看2016年——AlphaGo以4：1的比分击败了世界围棋冠军李世石；特斯拉Autopilot（一款半自动驾驶功能汽车）将血栓病人送至医院；人工智能平台UNU成功的预测了肯塔基赛马的前四名；人工智能成功预测除了美国大选的结果等等众多事件，我们已然不能忽视AI正在崛起这个事实。

        或许对于以上事记，你可以说与我何干呢？毕竟人工智能是否战胜了李世石，是否能预测美国大选等等，似乎与我们这些普通人都没有太大的关联性。但最近的一项有关人工智能的应用研究与拓展一定会让你对于人工智能有一个全新的认识，而“人工智能是什么与我有什么关系”等等这种想法一定不会再闪现在你的脑海里。

        好了，放大招。

        最近，加利福尼亚大学洛杉矶分校的研究人员使用基于AI技术的新型显微镜来检测血液样本中的癌细胞，发现其效率远比目前的观测技术更有效率！这种新型显微镜拥有一项非常高大上的功能——“光子时间拉伸”。

        什么是“光子时间拉伸”呢？我们简单的了解一下。其实就是让普通的显微镜具有激光拍摄的功能，这样一来，便能大大提高图像的清晰度。有了高清晰度的图像后，我们再利用对此领域深度学习过的人工智能系统进行图像识别，可想而知，AI对于健康细胞、癌细胞以及被癌细胞侵蚀过的白细胞的区分效率一定远远超过人工识别效率。（其中有些技术性词语肯定要用他们的 比如光子时间拉伸 AI观测被侵蚀过的白细胞）

        不仅如此，这种新型显微镜还避免了传统检测方法中会破坏血液样本的可能性。

        目前常用的检测血液癌细胞有两种方法：其一是给血液样本添加生物标签，这一过程会破坏样本，无法重复使用。其二不使用生物标签，但是正确率较低，会将正常细胞误认为被损害的细胞。由此与AI技术作对比就会发现，这种基于AI技术都显微镜完全不用忧虑于以上二者之间的抉择。因为AI可以轻易实现效率与质量的统一。这对于癌症患者无疑具有重大的意义，因为这可以使得癌细胞快速得到评测，从而更早给予患者一个治疗方案，以大大节省诊断时间，使患者及时进入治疗。不仅如此，由于样本质量也得到了提高，诊断结果也就更可靠。

        现在我们再来看一下，AI对具体癌症的诊断效率和人工诊断效率的对比。我们暂且以乳腺癌为例。

        首先，我们大家都思考一个问题。如果要培养出一个病理学家我们需要什么呢？

        是的，时间与大量的社会资源。同时我们还很好想到，我们所投入社会资源一定远远大于所有人才所需要的社会资源，因为我们还要考虑到失败率。很多人没有天赋，又或者很多人有天赋但志不在此，又或许有些人为生存所迫不再从事相关方面的研究。可见，要培养出一个病理学人才并让其对此领域有所贡献，我们所要付出的是巨大的。

        那么，如果我们眼前已经有一个非常专业的病理学家，我们就能保证他的判断可以是非常可靠的吗。其实不然，许多研究人员发现，即便是对于同一名病人，不同病理学家给出的诊断也往往会有很大不同：一篇2015年的论文发现，不同病理学家对乳腺癌诊断的一致率只有75.3%。在某些异型乳腺癌中，诊断的一致率竟下降到了48%，不足一半。可想而知，不少患者面临着误诊的风险，这也无疑让正在与死神赛跑的患者绕了弯路，使病情雪上加霜。这是可以理解的，作为一个常人，对于如此细致的工作量，我们总不可避免的要犯一些不以人的意志为转移的错误。所以人工诊断是存在巨大的局限性的。

        但我们又是无比幸运的——生在AI正在高速发展的年代——近日，来自谷歌、谷歌大脑与Verily公司的科学家们开发出了一款能用来诊断乳腺癌的人工智能系统。传统人工诊断癌细胞的方法通常是病理学家利用显微镜观察超高像素的切片图像，从中辨别出哪些区域细胞有病化现象。这意味着什么呢？谷歌的一则报道为方便我们理解像做了一个比方——假设我们有1000张含有数千万像素的高清照片，你要有能力辨别这1000张照片中，哪一个像素可能出了问题。然而，要知道，一位普通病人的切片通常可不止一张！这样庞大的工作量可想而知。因而这时人工智能的作用就凸显出来了。

        的确，病理学家与人工智能的比赛中，病理学家通过近30个小时，观察130张切片，但在随后基于灵敏度（找到了多少正确的肿瘤）和假阳性（将多少正常组织诊断为肿瘤）的评分中，这名病理学家的准确率为73.3%，而人工智能交出的答卷是88.5%，完胜人类。

        不仅在乳腺癌方面人工智能通过深度学习超越了人类，在诊断皮肤癌上，人工智能的灵敏度与准确性也大大超过了人类。

        但这一定不意味着病理学家就没任何用处了，如果你这样想，那就大错特错了！因为人工智能要完成高质量的分析，无疑要凭借着人类的应用经验。不仅如此，我们交给人工智能来做的，总是一些不需要创新活动的工作。而一个领域要有大的进步与卓越的发展，必须要节省重复性的但又必要的劳动，从而再利用这些节省下来的时间来完成前沿性的创新研究与应用工作。这无疑少不了人类的参与。

        最后，我们讲一个常见而又操作简单但关键时刻又至关重要的工作。
那就是！血型鉴定！

        目前医院血型鉴定方法有两种玻片法和试管法，其中玻片法应用最广泛，这里简单介绍一下步骤：

（1）护士将标A型与B型血清各一滴，滴在玻片的两侧，分别标A与B。
（2）用75％酒精棉球消毒左手无名指端，用消毒采血针刺破皮肤。滴1滴血于盛有 lml生理盐水的小试管中，混均制成红细胞悬液（浓度约5％）。
（3）用滴管吸取红细胞悬液，分别滴一滴于玻片两侧的血清上，用两支牙签分别混匀（注意严防两种血清接触）。
（4）15分钟后用肉眼观察有无凝集现象，判定血型。

        也就是说，现阶段鉴定一次血型需要大概3-20分钟，如果是我们平常人去等的话没什么，大不了刷会微博20分钟就过去了。然而如果是一个急需匹配血型进行输血救治的奄奄一息的病人呢？那么一分一秒都是极为宝贵的！

        但如果利用AI技术再得到相同的结果的话，就大大简洁了这些繁琐而在人工做来又必要的步骤。其整个鉴定过程，仅需一滴血就能完成包括罕见血型在内的正向和反向同时定型，30秒内就能完成ABO血型和RH血型的检测，并且准确率达到99.9%。

        这项研究成果由中国第三军医大学罗阳团队做出。其团队的研究论文表示这种方式方便快捷成本低，易于推广。所以要想产业化而成立一个通用的血型鉴定平台，只需稍加改造就可实现。在此，我们表示希望早日看到这一天的来临。