醫(yī)療大數據案例：谷歌DeepMind模仿人類神經網絡，可精準預防疾病

大數據醫(yī)療大數據谷歌DeepMind

高道龍 | 2016-09-26 09:59

【數據猿導讀】醫(yī)療大數據的處理和挖掘現狀如何，未來將如何發(fā)展，動脈網將對海內外醫(yī)療大數據領域就典型案例、投融資情況、產業(yè)內布局作出系列報道，供業(yè)內投資人、創(chuàng)業(yè)者以及醫(yī)療機構參考

醫(yī)療大數據的處理和挖掘現狀如何，未來將如何發(fā)展，動脈網將對海內外醫(yī)療大數據領域就典型案例、投融資情況、產業(yè)內布局作出系列報道，供業(yè)內投資人、創(chuàng)業(yè)者以及醫(yī)療機構參考。

AlphaGo打敗了世界圍棋冠軍李世石，DeepMind名聲從此大振。現在它不僅能打敗頂級圍棋選手，還能打敗專業(yè)的游戲玩家！其實DeepMind是一家總部位于英國倫敦的人工智能實驗室，他們的研究方向是開發(fā)通用自我學習算法，2014年才被谷歌閃電般收購，因為有Facebook也在爭搶，所以價格一點不便宜，4億美元！

收購后，DeepMind一直獨立運營，與普通的提前編好程序的機器學習不同，他們的目標是從機器學習和神經科學系統(tǒng)中結合了最棒的技術，來建立強大而通用的學習算法，在各個產業(yè)領域都能被廣泛應用。

Deep Mind技術核心是什么呢？

DeepMind在 2012 年由神經科學家、年輕的天才棋手 Demis Hassabis 和兩個伙伴們成立，在DeepMind的官網上（剛剛改版），有三個核心板塊非常醒目：AlphaGo、DQ N 以及Health，大致可以窺見DeepMind目前的研究重心。

DeepMind研究的基礎是“深度學習”技術！深度學習是機器學習（Machine Learning）里的一個重要分支，其目標是模仿人類神經網絡感知外部世界的方法，在 AI（Artificial Intelligence）領域中的一個新興話題，藉由使用神經網絡來增進機器學習能力，目前谷歌的語音識別和 NLP 技術已較為成熟，而且也有基于語音和NLP的開發(fā)平臺和智能硬件產品。比較成熟的深度學習部分應用模式如下：

1.計算機視覺（computer vision）：一門研究如何使機器看的科學，用攝影機和計算機代替人眼對目標進行識別、跟蹤和測量等的機器視覺，并且再進行圖像處理，使人眼可以進行觀察的動作。

2.自然語言處理（NLP，natural language processing）：是人工智慧和語言學領域的分支，探討如何處理及應用自然語言。

3. 物體識別（Object Recognition）：在計算機視覺領域裡，是指一張圖像或一組視頻序列中找到所給定的物體。

4. 機器翻譯（machine translation）：屬于計算語言學的領域，研究透過電腦程式將一段文在或演說從自然語言翻譯成另一種自然語言。

普通的機器學習是什么樣子呢？基本上來說，就是提前在電腦里已經設定好的編碼指令，從大量的數據資料集中學到或建立了一個模式，并依照此模式推測新的實例或者學習更多的知識。當然問題不可避免地就產生了，一方面，它必須花大量的時間，同時它倚賴人類的編好的代碼程序讓機器學習抽象概念，所以說它不可能超越人類的智慧。

不像普通的機器學習，DeepMind深度學習的核心是如何讓計算機自行發(fā)現大數據中存在的模式，其解決方案是深度神經網絡與強化學習等方法的結合。在算法演進上，也是經歷過Q-learning 、Reinforcement learning 、Deep Q-Networks 以及alphago不斷的進步。它通過模擬大規(guī)模的神經網絡，能夠讓電腦學習，在不需要直接人為干預的狀況下，電腦自己像人一樣“動腦思考”，人工智能受體（Agent）和環(huán)境發(fā)生交互而學習到知識。電腦利用深度學習演算法學到的東西，是更加抽象的表達概念。大數據的快速積累、大規(guī)模并行計算的快速發(fā)展、新算法的不斷出現共同促使了神經網絡技術改頭換面，發(fā)揮更大用處！

聽起來比較復雜，舉個例子，就拿最令人驚嘆的是Deep Q-Network（DQN）來說，可以實現自主學習游戲規(guī)則。事先沒有給DQN任何相關游戲的情報，它仍可以通過不斷的游戲來提高自己的成績。根據海外媒體報道，DQN實際測試了包括《太空侵略者》、《Breakout》、《Pong》在內共49款不同規(guī)則的游戲，其中29款游戲的成績遠遠超過人類，43款游戲的內AI被不斷提升！

DeepMind 創(chuàng)始人Demis Hassabis稱“AI DQN的下一個階段，會開發(fā)一個可以學習更復雜的3D游戲的系統(tǒng)。這樣一來，如果能在賽車游戲里正常開車的話，到時候就能實現讓其智能操控真正的車子了。”

目前DeepMind團隊已經有超過100項有關神經網絡技術的專業(yè)論文和成果在《Nature》《NIPS》等專業(yè)雜志發(fā)表。

Deep Mind解決了醫(yī)療行業(yè)什么問題？

無需擔心的是，現階段，醫(yī)生還不會很快被類似AlphaGo機器代替，還是需要醫(yī)生參與反饋。由于當前醫(yī)療環(huán)境的局限性，導致絕大多數有價值的數據都留在了紙面或是圖表上，這些數據沒有被記錄或被跟蹤，有些醫(yī)院甚至沒有醫(yī)療數據日志。如果沒有“可被審計”的數據，那么所發(fā)出的信息準確性就無法判定。因此Deep Mind需要解決兩個核心的患者安全問題：識別患者存在哪些病情惡化風險以及做到實時判斷。

一旦我們識別出患者身處在風險之中，我們究竟該如何介入？不能像分析一個報告那樣，給出一些建議（諸如將醫(yī)療設備重組之類）。深度學習真正要做的，是在實時環(huán)境下，幫助臨床醫(yī)生更好的了解患者情況、做到快速干預。

DeepMind聯合創(chuàng)始人Suleyman在接受采訪中提到：對于醫(yī)療健康行業(yè)來說，最值得注意的事情就是如果我們能夠在醫(yī)療系統(tǒng)里成功部署先進的、現代的技術，那么就能實現系統(tǒng)優(yōu)化，并且創(chuàng)造出令人難以置信的利潤。

為了開發(fā)解決方案，并且將所有相關工作“框架化”。DeepMind團隊花了很多時間待在病房里，和醫(yī)生、護士待在一起，嘗試觀察他們的工作有哪些，了解他們工作中所遇到的困難，盡可能多地收集信息，以便可能更加了解我們所要開發(fā)的技術，以便更快捷地構建出一個粗略的設計框架。之后，工程師會不斷豐富這個框架，然后一步步去開發(fā)、測試，之后再啟動開發(fā)一個解決方案——試運行、評估、開發(fā)、學習——再重復整個流程。Deep Mind把整個人工智能醫(yī)療解決方案的迭代周期變得非常快，提升機器學習速度。

在今年9月20日，DeepMind Health 在倫敦舉行的第一屆病人與公共管理公開論壇，會上 130名患者，護理人員和公眾健康管理人士，深度交流，確定了以病人為中心的方向。在NHS醫(yī)療系統(tǒng)，很多醫(yī)院的IT系統(tǒng)的建設都是自上而下的行政決定，很多醫(yī)療工具都是過時的，與現在的臨床需求不符合。面對這種問題， DeepMind Health 積極接受病人的反饋，試圖解決一些在醫(yī)療領域實際的棘手問題，比如數據安全和透明化、提高臨床醫(yī)生和患者效率的人工智能產品，這些都對后期的產品開發(fā)和應用提供重要的指導方向。

Deep Mind醫(yī)療上大動作

1. 成立DeepMind Health部門，變革醫(yī)療健康領域

今年2月24日，DeepMind公布成立DeepMind Health部門，聯合創(chuàng)始人Mustafa Suleyman表示，這一部門目前約有15人，而未來還將快速增長。該公司還聘請了兩名醫(yī)生，指導研發(fā)工作。部門將與英國NHS合作，長期目標是向臨床護士、醫(yī)生以及專家教授提供工具，幫助他們提供世界頂級的醫(yī)療服務，幫助他們輔助決策或者提高效率縮短時間。

在與皇家自由醫(yī)院的合作試點中，DeepMind Health開發(fā)了名為Streams的軟件。這一軟件用于血液測試的AKI報警平臺，幫助臨床醫(yī)生更快地查看醫(yī)療結果。通過Streams，他只需幾秒鐘時間就能查看存在急性腎臟損傷風險的病人的驗血結果，并優(yōu)化對病人的治療方案。接下來，需要讓系統(tǒng)自己有能力去逐步升級，并且更好的進行干預。

此外，DeepMind還收購了英國醫(yī)療創(chuàng)業(yè)公司Hark，其開發(fā)的Hark此前為臨床醫(yī)生開發(fā)任務管理應用，通過開發(fā)的深度學習算法，取代了傳統(tǒng)的紙質病例、便簽和傳真機，效率提高了37%。收購后，Hark并入DeepMind Health部門，兩位創(chuàng)始人Dr Dominic King 以及Ara Darzi 也加入DeepMind Health作為程序監(jiān)督。不過目前，兩款軟件都處于簡單的初始階段。

2. 與Moorfields開發(fā)辨識眼科疾病的機器算法，預防眼科疾病

今年7月5號，DeepMind宣布與NHS（ National Health Service）的第一個純粹的醫(yī)療研究項目，即同Moorfields眼科醫(yī)院一起開發(fā)辨識視覺疾病的機器學習系統(tǒng)。

這個研究項目的核心在于，Moorfields眼科醫(yī)院分享給DeepMind約一百萬個匿名眼部大數據掃描圖，而且此次合作的關鍵是對視網膜精細掃描的數量大幅度增加，精細的程度大于我們身體任何其他部位，甚至能看到細胞層面，DeepMind的研究人員開發(fā)算法來識別眼部疾病的早期征兆，例如老年黃斑變性（AMD）和糖尿病視網膜病變（diabetic retinopathy）從而達到提前預防視覺疾病的目的。

早期識別糖尿病視網膜病變非常重要，糖尿病患者失明的風險是常人的25倍。如果可以提早發(fā)現征兆，那么可以預防98%的嚴重失明。通常醫(yī)生通過OCT（optical coherence tomography）診斷和治療眼科疾病，問題是掃描流程非常復雜，傳統(tǒng)的電腦分析工具需要花很長的時間來分析掃描結果，然后給出診斷和治療方案。DeepMind的研究目的是，通過深度的機器大數據算法系統(tǒng)，快速地分析這些掃描結果，可以大大提高診斷的速度和準確性。

另外，DeepMind分析大數據后，還可以敏感捕捉到一些糖尿病性視網膜病變和老年黃斑變性中的敏感性變化。通過機器學習希望能夠實現更快速的即時結果反饋，以及更加連續(xù)和標準化的監(jiān)控，便于后期的預防。

Moorfields是世界頂級的眼科醫(yī)院，擁有200年的眼科臨床記錄，據了解，Moorfields與Deep Mind的合作要歸功于該醫(yī)院的咨詢眼科專家Pearse Keane。他主動與DeepMind聯合創(chuàng)始人Suleyman聯系，探討了如何做好眼部掃描圖的分析，才得以啟動這個合作項目。在數據安全方面，此次分享的數據都是匿名的，所有權歸屬于NHS，這意味著，從這些掃描圖像中無法辨識出具體的病人，這些數據用來分析研究改善未來眼科疾病的診斷和治療。

3. 聯手NHS開展頭頸癌放療方案，縮短醫(yī)生放療時間

今年8月30日，DeepMind宣布與英國的NHS達成了一項利用深度學習開展頭頸癌患者放療療法設計的研究。與其他癌癥不同，頭頸癌發(fā)病部位與腦部很近，男性比女性更容易得此病癥。在英國，每年有11000名頭頸癌患者，人數比70年代提高了92%。

臨床治療上，醫(yī)生首先要獲得患者頭部的詳細掃描圖，以鎖定放療范圍勾畫靶區(qū)并最大限度避免健康部位的損傷，由于該部位構造復雜，因此需要放療時需要格外細致和精準，分割好身體地圖。就算是頂級的 UCLH（University College London Hospitals ）癌癥機構，這一過程平均耗時也得4個小時。

此次，DeepMind和NHS將攜手開展研究，通過分析超過700名符合UCLH數據隱私政策的頭頸癌患者匿名數據，利用深度機器來探討縮短放療時間的可能性。希望基于人工智能，引進智能算法設計頭頸癌患者放療療法，將目前4小時的分區(qū)設計時間縮短至1小時。這樣一方面可以解放醫(yī)生，讓他們騰出更多的時間開展病人治療、教育和研究，同時如果頭頸癌放療療法設計的相關算法能夠順利通過臨床，此大數據算法還可應用于其他癌癥類型。

大數據分析關心的是過去發(fā)生的事件的現象和來源為決策提供參考，是否能有高效準確的建議或判斷，就成為其中的重中之重。這需要可自迭代的算法和數據模型，而不僅僅是經驗和數據的疊加，神經網絡模擬算法和深度學習已經成為提高醫(yī)療效率的兩駕馬車。

來源：動脈網

收藏分享

聲明：數據猿尊重媒體行業(yè)規(guī)范，相關內容都會注明來源與作者；轉載我們原創(chuàng)內容時，也請務必注明“來源：數據猿”與作者名稱，否則將會受到數據猿追責。