< Return to Video

人工智能：让诊断疾病变得更容易

  • 0:01 - 0:05
    今天的计算机算法，
    正在使用类似人类的智能，
  • 0:05 - 0:10
    大规模的执行具有高精度的，
    不可思议的任务。
  • 0:10 - 0:14
    而这种计算机智能，通常被称为AI，
  • 0:14 - 0:16
    或“人工智能”。
  • 0:16 - 0:20
    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。
  • 0:21 - 0:25
    然而今天，在检测和诊断
    几种危及生命的疾病，
  • 0:25 - 0:28
    比如传染病和癌症时，
  • 0:28 - 0:31
    我们仍然面临着大量的挑战。
  • 0:32 - 0:34
    每年，数以千计的病人
  • 0:34 - 0:37
    因患上肝癌和口腔癌失去生命。
  • 0:38 - 0:41
    帮助病人最好的方式
  • 0:41 - 0:45
    就是对这些疾病进行
    早期检测和诊断。
  • 0:46 - 0:50
    那么，今天我们如何检测这些疾病？
    AI可以提供帮助吗？
  • 0:52 - 0:56
    对于不幸被怀疑
    患有这些疾病的患者，
  • 0:56 - 0:58
    专家医师会先要求他们照射
  • 0:58 - 1:01
    非常昂贵的医疗图像，
  • 1:01 - 1:05
    例如荧光成像，CT，MRI等。
  • 1:05 - 1:07
    收集到这些图像之后，
  • 1:07 - 1:12
    另一位专家医师会进行诊断，
    并与患者交流。
  • 1:13 - 1:16
    显而易见，这是个
    非常耗费资源的过程，
  • 1:16 - 1:20
    需要两位专家医师
    和昂贵的医学图像技术。
  • 1:20 - 1:24
    这在发展中国家被认为并不实用，
  • 1:24 - 1:27
    事实上，在许多
    工业化国家也是如此。
  • 1:28 - 1:31
    那么，我们能够用
    人工智能解决这个问题吗？
  • 1:32 - 1:36
    今天，如果使用传统的
    人工智能架构
  • 1:36 - 1:37
    来解决这个问题，
  • 1:37 - 1:39
    我可能需要1万张——
  • 1:39 - 1:43
    我重复一次，我首先需要
    生成1万张这种非常昂贵的
  • 1:43 - 1:44
    医学图像。
  • 1:44 - 1:47
    之后，我会去找一位专业医师
  • 1:47 - 1:50
    为我分析这些图像。
  • 1:50 - 1:52
    利用这两条信息，
  • 1:52 - 1:55
    我可以训练标准的深度神经网络，
    或深度学习网络
  • 1:55 - 1:58
    对患者进行诊断。
  • 1:58 - 1:59
    与第一步相似，
  • 1:59 - 2:01
    传统人工智能方法
  • 2:01 - 2:03
    遭遇了同样的问题：
  • 2:03 - 2:07
    那就是需要大量的数据、
    专家医师和专业的医疗图像技术。
  • 2:08 - 2:13
    我们是否能够创造出一种
    规模更大、更有效率、
  • 2:13 - 2:16
    同时更有价值的人工智能架构，
  • 2:16 - 2:19
    来解决我们今天面临的
    这些重要的问题呢？
  • 2:19 - 2:22
    而这就是我们的团队
    在MIT媒体实验室所研究的内容。
  • 2:22 - 2:26
    我们开发了各种新型AI架构，
  • 2:26 - 2:29
    来解决一些我们当今
    在医疗图像和临床试验中
  • 2:29 - 2:32
    面临的最重要的挑战。
  • 2:32 - 2:36
    在我今天分享的例子中，
    包括了我们的两个目标。
  • 2:36 - 2:39
    第一个目标，是减少
    用来训练人工智能算法
  • 2:39 - 2:42
    所需要的图片数量。
  • 2:42 - 2:44
    第二个目标——更大的志向，
  • 2:44 - 2:48
    我们希望让患者减少使用昂贵的
  • 2:48 - 2:49
    医疗图像技术。
  • 2:49 - 2:50
    那么我们是怎样做的？
  • 2:51 - 2:52
    我们的第一个目标，
  • 2:52 - 2:54
    相比于传统AI
  • 2:54 - 2:57
    从成千上万张昂贵的医疗图像开始，
  • 2:57 - 2:59
    我们选择从单张图像开始。
  • 2:59 - 3:03
    根据这张图片，
    我和我的团队想出了
  • 3:03 - 3:06
    一种非常聪明的方法
    来提取数十亿个信息包。
  • 3:06 - 3:10
    这些信息包包含颜色、像素、形态
  • 3:10 - 3:12
    和疾病呈现在医疗图像上的效果。
  • 3:12 - 3:17
    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，
  • 3:17 - 3:20
    需要训练的数据量就大大减少了。
  • 3:20 - 3:21
    第二个目标，
  • 3:21 - 3:25
    是减少对患者使用医疗图像技术。
  • 3:25 - 3:28
    最开始，我们会从
    数码单反相机或手机中
  • 3:28 - 3:32
    获取一张标准的白色光线照片。
  • 3:32 - 3:35
    然后，还记得那
    数十亿个信息包吗？
  • 3:35 - 3:38
    将这些医疗图像的信息包
    覆盖在这张图片上，
  • 3:38 - 3:41
    这时我们就创建了一张合成图像。
  • 3:41 - 3:45
    令人惊讶的是，我们只需要50张——
  • 3:45 - 3:46
    强调一下，仅仅50张——
  • 3:46 - 3:50
    这些复合图像，
    就能训练我们的算法提高效率。
  • 3:51 - 3:52
    总结一下我们的方法，
  • 3:52 - 3:55
    区别于用1万张昂贵的
    医疗图像训练AI算法，
  • 3:55 - 3:58
    我们使用了一种全新的方式，
  • 3:58 - 4:03
    只需要将数码相机或手机拍摄的
  • 4:03 - 4:05
    50张高分辨率的标准照片，
  • 4:05 - 4:07
    即可提供诊断。
  • 4:07 - 4:08
    更重要的是，
  • 4:08 - 4:11
    在未来，甚至现在，
    我们的算法可以接受
  • 4:11 - 4:14
    一些病人自己拍摄的白光照片，
  • 4:14 - 4:16
    来替代昂贵的医疗图像技术。
  • 4:17 - 4:20
    我相信，我们已经准备好
    进入这样一个时代，
  • 4:20 - 4:22
    人工智能
  • 4:22 - 4:25
    正在对我们的未来产生
    不可思议的影响。
  • 4:25 - 4:27
    我也认为相比拥有丰富数据
  • 4:27 - 4:30
    但应用困难的传统AI，
  • 4:30 - 4:32
    我们应该不断思考
  • 4:32 - 4:35
    非传统的人工智能架构。
  • 4:35 - 4:37
    它们能够接受少量数据，
  • 4:37 - 4:40
    并解决一些今天
    我们所面临的重要问题，
  • 4:40 - 4:41
    特别是在医疗健康方面。
  • 4:41 - 4:42
    非常感谢。
  • 4:42 - 4:46
    （掌声）
Title:
人工智能：让诊断疾病变得更容易
Speaker:
Pratik Shah
Description:

今天的AI算法，需要成千上万昂贵的医学图像来检测患者的疾病。 怎样才能大幅减少训练AI所需的数据量，使诊断成本更低且更有效？ TED研究员Pratik Shah正在研究一个聪明的系统来做到这一点。 使用非正统的人工智能方法，Shah开发了一种技术，只需要50张图像就可以开发出一种有效算法——甚至可以使用在医生手机上拍摄的照片来提供诊断。 详细了解这种分析医疗信息的新方法如何更早发现危及生命的疾病，并将AI辅助诊断带到全球更多的医疗机构。
more » « less
Video Language:
English
Team:
closed TED
Project:
TEDTalks
Duration:
04:59

Chinese, Simplified subtitles

Revisions

Our website uses cookies for analysis purposes.