摘要: 人工智能與定制芯片相結合將能夠幫助人們在癥狀實際出現之前，完成一系列疾病的診斷工作。硅晶片能夠用于分析自體液內發現的微小顆粒，從而實現早期疾病檢測的目的。利用一塊芯片即可比國內最先進的實驗室更快速地診斷潛在致命性疾病，利用攝像機觀察藥丸以了解其分子結構是......
人工智能與定制芯片相結合將能夠幫助人們在癥狀實際出現之前，完成一系列疾病的診斷工作。
硅晶片能夠用于分析自體液內發現的微小顆粒，從而實現早期疾病檢測的目的。
利用一塊芯片即可比國內最先進的實驗室更快速地診斷潛在致命性疾病，利用攝像機觀察藥丸以了解其分子結構是否符合正規藥品的特征，通過一套系統幫助確定檢測對象是否患有某種精神疾病：IBM公司正加大對AI及新型硬件的組合投入，希望在未來幾年內實現這三項重要目標。
IBM公司的研究實驗室已經開始將此類概念轉化為完成成熟的醫療工具，并將其現有機器學習與人工智能系統及新型套件（包括經過改進的芯片與毫米波相控陣傳感器）加以結合。
后者將被應用于“超成像系統”當中——此類工具將能夠從人類肉眼可見的光譜內提取圖像，同時亦可從肉眼不可見的電磁波譜內捕捉影像。
通過將這些信息同高功率相機及其它傳感器相組合，超成像系統將允許臨床醫生在分子水平上觀察片劑，從而確定其屬于安全藥物抑或是藥品市場上常見的某種假藥。“通過將傳統光譜成像與其它EMR輻射成像相結合，我們可以將二者疊加為更豐富的圖像，從而提供目前無法觀察到的更為具體的各類線索，”IBM公司技術高管兼杰出工程師Rashik Parmar在采訪中指出。
盡管將超成像系統推向市場的硬件條件已經成熟，但還需要投入更多精力以確保該系統能夠成功實現商業化。“EMR頻譜傳感器已經存在很長一段時間，下一步進展是實現其簡化、小型化與成本削減，如此一來利用認知算法進行解釋與可視化處理才會真正具備現實意義，”Parmar補充稱。“我們目前已經設計出部分Heath Robinson設備，但未來還需要想辦法對其進行微型化改造。”
雖然超成像系統可能會首先在自動駕駛車輛上起效——即由AI負責進行幕后數據處理，從而幫助車輛識別周邊物體以判斷是否需要回避風險或者直接忽略干擾因素——但其最終必將進入醫療設備。舉例來說，超成像系統將允許牙醫快速檢測牙齒是否患病，或者將標準X光成像結果添加至診斷流程當中。
預計自動駕駛車輛會在未來五年左右成為現實，而同樣基于超成像技術的醫療設備則將在其后幾年內與我們見面。到那個時候，我們甚至能夠進一步利用智能手機完成同樣的識別任務。最終，我們能夠將必要的傳感器與成像工具包納入手機之內，這意味著超成像系統將能夠幫助人們掃描食物以判斷其中包含的原料是否會造成過敏乃至其它病癥。
同樣的，未來幾年內IBM公司也計劃利用人工智能及其它新型分析技術以建立一套“實驗室芯片”——即在口袋可容納的設備中進行血樣或者其它體液分析，從而借此利用細菌、病毒或者蛋白質等其它可用于指示疾病的元素作為診斷依據。
“我們早在六、七年前就已經開始利用納米纖維來模擬嗅覺，這樣大家就能夠借此配合微型懸臂根據既有氣味創建虛擬鼻子。而如果將其同其它形式的傳感器結合起來，大家還能進一步提取任何體液樣本——包括唾液、血液乃至活體組織樣本——并分析潛在疾病……而將數字化制造與3D打印類技術相結合，我們還能夠進一步把傳感器安置在專門設計的探針當中，從而更為有效地進行分析并提供觀察結論，”Parmar表示。
相較于等待數天乃至數周才能拿到血液病毒測試結果，這些立足于芯片上的微型實驗室將能夠快速檢測出微生物的活動痕跡。
不過也許其最大的用途在于幫助人們了解各類病癥發生之前的健康狀況。以老年癡呆癥為例：利用各類引發疾病的跡象，神經生物學家將能夠在患者出現明顯的實際癥狀之前就開始采取措施。通過定期檢查人類血液中的生物性疾病標志物，醫療人員能夠提前通知其是否存在疾病早期表現，并相應地開始治療或者處理。
盡管對血液樣本內容進行納米級分析需要巨大的AI處理能力，但IBM公司將實驗室芯片真正推向市場時面臨的最大挑戰仍源自芯片本身。
“這些芯片目前的監控能力已經能夠達到20納米級別，這意味著我們能夠相當細致地進行觀察，從而看到病毒層面的活動跡象。但將分辨率進一步提升則需要投入大量精力。”
但在另一方面，人工智能還能夠將大量關于心理健康的數據進行處理，并將其轉化為可供臨床醫生使用的信息。在未來兩年中，IBM公司將建立起一套機器學習系統原型，旨在幫助精神健康專業人員利用談話內容進行病患診斷。
言語已經成為醫生特別是精神科醫生用以檢測精神疾病發病狀況的關鍵性依據，其可用于檢查對象的語速、音量以及詞語選擇。現在，IBM公司希望能夠利用人工智能實現相同的效果，即利用檢測對象與醫生的談話內容或者Twitter發布信息分析其口頭或者書面表達。
“我們已經進行了多年的深入研究，旨在了解詞語之間的聯系以及特定背景下使用特定詞匯的影響，這將有助于我們構建起心理測試概況……我們嘗試以此為起點制定研究議程，考慮在這種情況下此類方案是否有助于了解對方的心理狀態，”Parmar解釋稱。
IBM公司已經擁有這樣的工具：其中首批投入商業使用的自然是沃森——藍色巨人打造的認知計算系統，其已經可以作為醫生的癌癥診斷助手。如今該公司正努力協同各醫院及其它合作伙伴共同構建其它醫療衛生領域的認知工具原型設計。舉例來說，IBM公司表示位于南佛羅里達州的Jupiter醫療中心將采用Watson for Oncology。IBM公司還與MSK方面合作對這套系統進行癌癥診斷訓練。
除了諸如精神分裂癥、雙相障礙乃至抑郁癥等疾病，該系統還能夠通過文本分析以及其它來源信息分析（例如可穿戴式健康或醫療設備）幫助診斷包括帕金森在內的多種神經性病癥。
盡管這些數據源已經能夠幫助醫療衛生專業人士進行診斷與治療，但IBM公司希望利用機器學習技術加速整個診療過程，并為從業者提供額外的洞察能力。
“美國與歐洲一直在進行各類相關試驗，專業人士也在通過論文分享其研究成果，但還沒有人將全部數據整合在一起并借此提升整個診斷體系的智能化水平。”
