AI+神助攻,看IBM 如何布局未来几年的医疗人工智能计划

试想,芯片比全球最好的实验室更厉害,可迅速拿出疾病的准确诊断?微型摄像机能从分子层面上检验药片的真假?系统可以光从语言中检查出此人患有心理疾病?IBM认为,这三个事都可以在几年之内做到,因为他们有大杀器:人工智能+新型硬件。

 
AI+神助攻,看IBM 如何布局未来几年的医疗人工智能计划-DVBCN
 
IBM研究室已经开始着手把这三项研究变成成熟的医疗工具,将公司现存的机器学习和人工智能系统与硅片、毫米波相控阵传感器等结合。
 
AI+神助攻,看IBM 如何布局未来几年的医疗人工智能计划
 
首先要提到的“超成像系统”,是一种广范围的电磁波谱成像技术,不仅可以获取人眼可见光形成的图像,还能模拟超出此范围的电磁波图像。
 
使用高性能相机和其他传感器,临床医生就能发现用药是否适合患者。“用这种超成像技术,人们就像是长了第三只眼,能发现我们日常所忽视的线索。”IBM技术总监Rashik Parmar说道。
 
尽管实现超成像的硬件已经出现,但要使其进入市场,还需做更多的工作。能够进行广泛光谱成像的仪器不是什么新鲜事物,但区别就是IBM要将其简化、小型化,并降低其制造成本,还要用认知算法来进行破译和可视化,让这项技术真正发挥其作用。Parmar还补充道,IBM现在有很多“花里胡哨”的发明,但都能很快让它们变为可用性较高的产品。而在医疗应用上,简单例子的就是用超成像设备迅速看牙,或者为标准医疗射线检查提供更丰富的信息。
 
可能就在IBM计划的5年之内,这种机器会变成你身边的药理学、毒理学专家——最终,这种超成像会被整合到手机中,在吃饭或服药之前可以先扫描一下,看是否有有害物质或致敏源等。
 
AI+芯片实验室,精细疾病早诊
 
相似的,IBM也有可能会在几年内推出一种新的人工智能分析技术:芯片实验室。这种设备也就荷包大小,用一滴血或任意体液就能分析出细菌、病毒或预示着某种疾病的蛋白质。
 
AI+神助攻,看IBM 如何布局未来几年的医疗人工智能计划
 
Parmar表示,IBM从六七年前就开始探索“纳米纤维”这种概念了,那时是要做一种可以模拟气味的工具。如果将纳米纤维与其他种类的传感器相结合,就能用纳米结构来检验体液,包括唾液、血液、液体活检的样品,从中分析潜在的疾病。再结合数字化制造和3D打印等技术,IBM就能把传感器放入定制化探针,帮助有效分析。
 
相比起需要等待数周的血检,芯片实验室不用花时间来把病毒培养至能够被监测到的量,而是直接通过传感器来追踪最为细微的生物标记。
 
这项技术最为厉害之处,可能在于它能让人们在出现症状之前就了解自己的患病可能。举个阿茨海默症的例子,在出现明显症状之前很长一段时间,患者的神经状态已经产生了显著改变。如果定期检查血样,可以在阿茨海默症的早期就寻找到生物标记,迅速开始根据个人的情况制定治疗方案。
 
虽然这种能从一滴血分析疾病的技术对人工智能水平是个巨大挑战,但真正考验IBM公司把此种产品推向市场的,还是在于技术难度超高的硅片。“芯片的最小测量级别为20纳米,它能让你从一个相当细化的角度来观察病毒等物质,但要看到这个精细程度,在材料的制作上可是要花费巨大的心血。”
 
AI+文字信息,形成精神疾病模型
 
精神疾病,是又一个需要人工智能技术来仔细咀嚼大量数据,化作有效医学见解的领域。在接下来的两年内,IBM会制造出能从人的讲话中诊断精神疾病的机器学习系统原型。
 
在精神疾病诊断中,患者的谈话一直是医生用以判断病情的重要因素。语速、音量、用语特点,都可以用于判断精神疾病。现在IBM把这个分析工作交给了人工智能,从患者与医生的交流,或人们自己在社交网站上写下的话语,都可以作为分析材料。
 
IBM能做到这一点,前提是他们已花费数年时间来研究精神、心理障碍与语言之间的关联,建立起了一套测量体系。“我们目前提上日程的研究,是要弄清这件事:对于特定的个体来说,某段话中的某些用语,能否帮助我们理解这个人的心理状态?”技术总监Parmar说道。
 
IBM早已有过建立医疗模型的尝试:沃森最早的商业化尝试,“蓝色巨人”认知计算机系统,就是癌症护理医师的助手。今天,公司还与医疗行业产生了不少的合作,建立各式各样的医疗认知工具原型。例如,IBM透露Jupiter Medical Center(木星医疗中心)这家佛罗里达的地方医疗中心就会引进IBM沃森的肿瘤辅助诊疗技术。另外,它还与纪念斯隆凯特琳癌症中心(MSK)合作了癌症治疗培训项目。
 
除了精神分裂症、双向情感障碍、抑郁症等,IBM还会从可穿戴运动健身设备和医疗设备处获取数据,来辅助诊断帕金森症等神经疾病。虽然现在已经有医药健康专家把可穿戴的数据用在诊断判断上,但IBM希望用机器学习来加速这个进程,并能提供额外的见解。
 
Parmar说,其实美国和欧洲已经有人做了可穿戴数据的实验,也有教授把实验数据分享了出来,但没有人把这些数据综合到一起,研究这些数据中间是否有可关联之处,或者用整合的数据得出更深层次的理解。“用机器来处理和整合,恰好就是这个问题的答案。”
相关文章
四川省:2027年算力总规模达到40EFLOPS,5G基站总数达32万个
四川省:2027年算力总规模达到40EFLOPS…
【破局】这家广电有线省网将率先成立人工智能(AIGC)实验室?
【破局】这家广电有线省网将率先成立人…
中国电影电视技术学会发布《AIGC媒体应用产业图谱(1.0版)》
中国电影电视技术学会发布《AIGC媒体应…
以数实融合创新未来,探访泉城看得见的数智化新进展
以数实融合创新未来,探访泉城看得见的…
工信部陶青:5G行业应用覆盖到76个行业大类,间接带动总产出约14万亿元
工信部陶青:5G行业应用覆盖到76个行业…
工信部赵志国:全国已累计建成207个千兆城市,GAI服务大模型注册用户超6亿
工信部赵志国:全国已累计建成207个千兆…
我还没有学会写个人说明!

24小时排行

  • 暂无文章