1
00:00:01,280 --> 00:00:05,120
今天的计算机算法，
正在使用类似人类的智能，

2
00:00:05,120 --> 00:00:09,946
大规模的执行具有高精度的，
不可思议的任务。

3
00:00:09,946 --> 00:00:13,896
而这种计算机智能，通常被称为AI，

4
00:00:13,896 --> 00:00:15,786
或“人工智能”。

5
00:00:15,786 --> 00:00:19,960
人工智能有望在未来对我们的生活
产生令人难以置信的影响。

6
00:00:20,880 --> 00:00:24,916
然而今天，在检测和诊断
几种危及生命的疾病，

7
00:00:24,916 --> 00:00:28,386
比如传染病和癌症时，

8
00:00:28,386 --> 00:00:30,720
我们仍然面临着大量的挑战。

9
00:00:32,000 --> 00:00:34,346
每年，数以千计的病人

10
00:00:34,346 --> 00:00:37,120
因患上肝癌和口腔癌失去生命。

11
00:00:37,880 --> 00:00:40,560
帮助病人最好的方式

12
00:00:40,560 --> 00:00:44,920
就是对这些疾病进行
早期检测和诊断。

13
00:00:45,880 --> 00:00:50,040
那么，今天我们如何检测这些疾病？
AI可以提供帮助吗？

14
00:00:51,920 --> 00:00:55,546
对于不幸被怀疑
患有这些疾病的患者，

15
00:00:55,546 --> 00:00:58,286
专家医师会先要求他们照射

16
00:00:58,286 --> 00:01:00,890
非常昂贵的医疗图像，

17
00:01:00,890 --> 00:01:04,990
例如荧光成像，CT，MRI等。

18
00:01:04,990 --> 00:01:07,326
收集到这些图像之后，

19
00:01:07,326 --> 00:01:11,880
另一位专家医师会进行诊断，
并与患者交流。

20
00:01:12,520 --> 00:01:15,986
显而易见，这是个
非常耗费资源的过程，

21
00:01:15,986 --> 00:01:20,436
需要两位专家医师
和昂贵的医学图像技术。

22
00:01:20,440 --> 00:01:23,510
这在发展中国家被认为并不实用，

23
00:01:23,510 --> 00:01:26,920
事实上，在许多
工业化国家也是如此。

24
00:01:27,760 --> 00:01:30,640
那么，我们能够用
人工智能解决这个问题吗？

25
00:01:31,840 --> 00:01:35,936
今天，如果使用传统的
人工智能架构

26
00:01:35,936 --> 00:01:37,140
来解决这个问题，

27
00:01:37,140 --> 00:01:38,626
我可能需要1万张——

28
00:01:38,626 --> 00:01:42,640
我重复一次，我首先需要
生成1万张这种非常昂贵的

29
00:01:42,640 --> 00:01:44,060
医学图像。

30
00:01:44,060 --> 00:01:47,036
之后，我会去找一位专业医师

31
00:01:47,036 --> 00:01:49,500
为我分析这些图像。

32
00:01:49,500 --> 00:01:51,640
利用这两条信息，

33
00:01:51,640 --> 00:01:55,320
我可以训练标准的深度神经网络，
或深度学习网络

34
00:01:55,320 --> 00:01:57,516
对患者进行诊断。

35
00:01:57,516 --> 00:01:59,250
与第一步相似，

36
00:01:59,250 --> 00:02:01,417
传统人工智能方法

37
00:02:01,417 --> 00:02:02,906
遭遇了同样的问题：

38
00:02:02,906 --> 00:02:07,440
那就是需要大量的数据、
专家医师和专业的医疗图像技术。

39
00:02:08,344 --> 00:02:12,634
我们是否能够创造出一种
规模更大、更有效率、

40
00:02:12,634 --> 00:02:15,960
同时更有价值的人工智能架构，

41
00:02:15,960 --> 00:02:19,016
来解决我们今天面临的
这些重要的问题呢？

42
00:02:19,016 --> 00:02:22,312
而这就是我们的团队
在MIT媒体实验室所研究的内容。

43
00:02:22,312 --> 00:02:26,134
我们开发了各种新型AI架构，

44
00:02:26,134 --> 00:02:29,440
来解决一些我们当今
在医疗图像和临床试验中

45
00:02:29,440 --> 00:02:31,770
面临的最重要的挑战。

46
00:02:32,480 --> 00:02:35,520
在我今天分享的例子中，
包括了我们的两个目标。

47
00:02:35,520 --> 00:02:38,536
第一个目标，是减少
用来训练人工智能算法

48
00:02:38,536 --> 00:02:41,780
所需要的图片数量。

49
00:02:41,780 --> 00:02:43,976
第二个目标——更大的志向，

50
00:02:43,976 --> 00:02:47,690
我们希望让患者减少使用昂贵的

51
00:02:47,690 --> 00:02:48,880
医疗图像技术。

52
00:02:48,880 --> 00:02:50,160
那么我们是怎样做的？

53
00:02:50,920 --> 00:02:52,166
我们的第一个目标，

54
00:02:52,166 --> 00:02:54,130
相比于传统AI

55
00:02:54,130 --> 00:02:57,240
从成千上万张昂贵的医疗图像开始，

56
00:02:57,240 --> 00:02:59,310
我们选择从单张图像开始。

57
00:02:59,310 --> 00:03:03,120
根据这张图片，
我和我的团队想出了

58
00:03:03,120 --> 00:03:05,890
一种非常聪明的方法
来提取数十亿个信息包。

59
00:03:05,890 --> 00:03:09,686
这些信息包包含颜色、像素、形态

60
00:03:09,686 --> 00:03:12,160
和疾病呈现在医疗图像上的效果。

61
00:03:12,160 --> 00:03:16,566
这样一来，我们就将一张图像
转换成了数十亿个训练数据点，

62
00:03:16,566 --> 00:03:20,136
需要训练的数据量就大大减少了。

63
00:03:20,136 --> 00:03:21,304
第二个目标，

64
00:03:21,304 --> 00:03:25,210
是减少对患者使用医疗图像技术。

65
00:03:25,210 --> 00:03:28,060
最开始，我们会从
数码单反相机或手机中

66
00:03:28,060 --> 00:03:32,450
获取一张标准的白色光线照片。

67
00:03:32,450 --> 00:03:34,930
然后，还记得那
数十亿个信息包吗？

68
00:03:34,930 --> 00:03:38,460
将这些医疗图像的信息包
覆盖在这张图片上，

69
00:03:38,460 --> 00:03:41,040
这时我们就创建了一张合成图像。

70
00:03:41,480 --> 00:03:44,760
令人惊讶的是，我们只需要50张——

71
00:03:44,760 --> 00:03:46,110
强调一下，仅仅50张——

72
00:03:46,110 --> 00:03:50,000
这些复合图像，
就能训练我们的算法提高效率。

73
00:03:50,680 --> 00:03:52,066
总结一下我们的方法，

74
00:03:52,066 --> 00:03:55,180
区别于用1万张昂贵的
医疗图像训练AI算法，

75
00:03:55,180 --> 00:03:58,240
我们使用了一种全新的方式，

76
00:03:58,240 --> 00:04:02,510
只需要将数码相机或手机拍摄的

77
00:04:02,510 --> 00:04:05,096
50张高分辨率的标准照片，

78
00:04:05,096 --> 00:04:06,640
即可提供诊断。

79
00:04:06,640 --> 00:04:07,840
更重要的是，

80
00:04:07,840 --> 00:04:11,000
在未来，甚至现在，
我们的算法可以接受

81
00:04:11,000 --> 00:04:13,850
一些病人自己拍摄的白光照片，

82
00:04:13,850 --> 00:04:16,320
来替代昂贵的医疗图像技术。

83
00:04:17,120 --> 00:04:20,180
我相信，我们已经准备好
进入这样一个时代，

84
00:04:20,180 --> 00:04:22,160
人工智能

85
00:04:22,160 --> 00:04:24,730
正在对我们的未来产生
不可思议的影响。

86
00:04:24,730 --> 00:04:27,210
我也认为相比拥有丰富数据

87
00:04:27,210 --> 00:04:30,046
但应用困难的传统AI，

88
00:04:30,046 --> 00:04:31,560
我们应该不断思考

89
00:04:31,560 --> 00:04:34,610
非传统的人工智能架构。

90
00:04:34,610 --> 00:04:36,560
它们能够接受少量数据，

91
00:04:36,560 --> 00:04:39,510
并解决一些今天
我们所面临的重要问题，

92
00:04:39,510 --> 00:04:40,810
特别是在医疗健康方面。

93
00:04:40,810 --> 00:04:42,030
非常感谢。

94
00:04:42,030 --> 00:04:45,920
（掌声）