Google 最新成果:利用神经网路让糖尿病患者摆脱失明_J水生活_申博官网备用网址_6677yy盈盈彩
当前位置:主页 > J水生活 >Google 最新成果:利用神经网路让糖尿病患者摆脱失明 >

Google 最新成果:利用神经网路让糖尿病患者摆脱失明

2020-06-07 04:23| 发布者: J水生活| 查看: 328| 评论: 213

Google 最新成果:利用神经网路让糖尿病患者摆脱失明

根据维基百科,截至 2014 年,全球共有超过 4.2 亿人患有糖尿病,这个数字在近年来有所减少,但形势仍不容乐观。而糖尿病的併发症之一,糖尿病性视网膜病变(Diabetic Retinopathy)正在侵蚀慢性糖尿病患者。医学人士发现,对于一般患者,患病 10 年以上会开始出现病变,导致失明。10 年后听起来还很远,但情况其实比想像的更紧急,因为对那些血糖控制差,或是胰岛素依赖型糖尿病患者来说,他们有可能更早出现眼睛病变,失明的风险比其他人甚至是其他糖尿病患者都更高。

问题在南亚国家尤为严重。截至 2015 年,印度有超过 7,000 万名糖尿病患者,由于生活习惯、遗传因素、缺少医生和足够的医疗资源等社会原因,接下来 20 年的情况很让人担忧,到 2040 年南亚国家糖尿病患数字将会增长到 1.4 亿。但摆在印度公共卫生部门面前的直接问题更棘手:根据官方统计,由于全国大约有 12 万名眼科医师缺口,糖尿病和糖尿病性视网膜病变患者无医可找,大约 45% 的患者在确诊前已失去部分或全部视力。

莉莉·彭(Lily Peng)是 Google 旗下科研机构 Google Research 的一名研究员。在 Google 年度开发者大会 I/O 2017 召开前夜,向我们介绍了一个科研计画:用机器学习技术来提早发现糖尿病性视网膜病变,进行及时甚至是预防性治疗,进而让那些可能将在 3 年、5 年甚至 10 年后失去视力的人,获得宝贵的提前治疗机会。

「我们的任务:使用深度学习技术训练一个演算法,能够从病人的视网膜眼底照片中自动诊断出潜在的病变情况。」她介绍道。任务逻辑听起来很简单,但实际上并非如此,因为训练这个演算法的过程才是关键。为了提供高品质的训练素材,科研人员找来了 54 名美国食品药品监督管理局(FDA)资质认证的眼科医师和专业人士,从 2015 年 5 月到 12 月期间对总共 128,175 张视网膜眼底照片素材进行标记和评级,最终标记出超过 88 万个确诊症状。

接下来,神经网路技术就该派上用场了。莉莉‧彭的团队搭建了一个 26 层的深度卷积神经网路(Convolutional Neural Network),然后用标记好的素材进行训练。

Google 最新成果:利用神经网路让糖尿病患者摆脱失明

这种神经网路结构较为特殊,它的特性是对于二维结构的数据──也就是图片──有较好性能,因此经常用于机器学习大量图片。

2016 年 1 月和 2 月,Google Research 分别找来两个不同眼科专业的视网膜眼底照片库,让演算法和眼科医师一较高下。这次尝试的结果是显着的:演算法在发现症状的敏感度(98.8)和判断症状的準确性(99.3)上,都比人的得分要高(在统计学上这个得分叫做 F-score,眼科医生的分数是 0.91,而演算法拿到 0.95)。

Google 最新成果:利用神经网路让糖尿病患者摆脱失明

同年,这份研究报告发表在美国医学会的专业期刊《JAMA》上,获得医学界大量好评。哈佛医学院的安德鲁‧比姆和艾萨克‧柯汉表示,「这一研究展示了医学新世界的样子」。

将电脑科学和医学进行结合,竟然达成意想不到的效果。

当然,这已经不是电脑科学第一次跟医学产生有价值的交集,甚至医学界已经对「机器学习」这一术语不陌生。事实上在过去几十年间,医学科研人员一直採用机器学习这种更为先进的技术,尝试攻克只有大计算量才可以解决的医学难题。但随着近几年来计算性能的飞跃式突破,机器学习的子集「深度学习」技术开始流行──毫无疑问,后者将成为医学科研工作者手中的最新利器。

身兼生物医学、医学双料博士的莉莉‧彭,还对深度学习颇有了解,这种跨学科的才能让她格外受瞩目,但她又怎样看待医学和电脑之间的关係?「其实不是所有的医学难题都要机器学习来解决,比如洗手这件事……更重要的任务是帮助我的团队找到那些机器学习可解的难题,帮助他们理解我们的训练数据。」

Google 最新成果:利用神经网路让糖尿病患者摆脱失明

莉莉‧彭讲解她的计画。

她认为,机器学习是医学一个很好的辅助工具──用来辅助医生诊断,而不是决定诊断。也正因此,Google Research 团队对该技术的推进比较谨慎,莉莉‧彭一再强调,这项研究只是为了证明透过机器学习的路径来解决问题,成效显着且可预期。然而这个电脑诊断的过程,还没有达到绝对科学可靠的程度。说到底,他们只是知道电脑能做出準确的诊断,并不完全明白它为什幺能做出準确的诊断。

其实问题又回到了深度学习技术的一个核心辩题:无论辨识图像、听懂语音,神经网路技术总能输出一些很不错的结果,但还是没人解释得清,它到底是怎样做到的。一些深度学习专家曾对我说,神经网路的节点和层级,模拟的是人脑神经元(neuron)之间互相连接以及层级式(hierarchy)的思考模式,但另一些脑科学家却指出,就连他们都没完全搞清楚人脑到底怎样思考。因此你可以说,现在的电脑神经网路结构与其说模拟人脑,其实更像依样画葫芦。

Google 最新成果:利用神经网路让糖尿病患者摆脱失明

似乎这个问题可以争论下去无休无止,但争论可能更多发生在学界内部。好在,Google 已经可以确认用这种技术来诊断糖尿病性视网膜病变是有效的。接下来,Google Research 要和 Nikon 等眼科仪器、医疗服务机构合作推广这项技术。更进一步,他们希望能为这项技术取得 FDA 及印度方面权威机构的认证,让全世界视力被糖尿病威胁的人能够尽早诊断、尽早治疗。

她们发现,其实诊断晚的这个情况,不仅在印度,在美国甚至全世界都是个问题,儘管原因不尽相同。

「在美国,很多情况是人们提供自己的资料(注:眼底扫描)给医疗机构等待检查。但时间长了,人们搬家了、换电话了,当医疗机构诊断出病症时,病人却失联了。」莉莉‧彭说,而机器学习检查的最大优势在于可以当场得知结果。研究团队也在进行尝试,设立网站让用户提交自己的眼睛扫描照片进行分析──儘管这不是专业诊断,但仍足以提前 5 年甚至 10 年,拯救现在的普通人,未来的失明者。

前面提到,莉莉‧彭的分享会发生在 I/O 2017 的前一天。在一整天的圆桌讨论议程中,我不只一次听到 Google 科研人员做出「我们的重心不是那些未来 50 甚至 100 年的新技术,但 10 年是一个很值得抓住的节点」或类似的表述。

的确,我们暂时无法解释神经网路到底是为什幺这幺厉害,但我们还是可以、应该用它来做一些很好的、10 年内可以帮到我们的事情。尖端科技其实都是如此,核心原理搞没搞清楚,并不妨碍我们利用它改善生活。就好比我们的祖先不知道哪天突然发现钻木或撞击石头可以取火,当时他们没能研究明白火到底是什幺,但人类还是从茹毛饮血的时代向农耕文明迈出了重要一步。

图文热点

申博太阳城_6677yy盈盈彩|生活用品资讯|自己的交流交友|网站地图 申博官网备用网址_7158澳门新濠 申博官网备用网址_澳门骰宝大小必胜规律