網站更新隱私權聲明
本網站使用 cookie 及其他相關技術分析以確保使用者獲得最佳體驗,通過我們的網站,您確認並同意本網站的隱私權政策更新,了解最新隱私權政策

0

0
0

文字

分享

0
0
0

AI能做什麼事?從工人智慧到人工智慧,如何期待又不怕受傷害?——機器學習月/人工智慧跨域領袖營

研之有物│中央研究院_96
・2017/12/23 ・4456字 ・閱讀時間約 9 分鐘 ・SR值 525 ・七年級

中研院人工智慧系列活動

當有些人喊著 AI 會殺人,有些人搶先用 AI 來做聰明的事,甚至是救人一命!本文取自中央研究院「機器學習月」與「人工智慧跨域領袖營」活動內容,聊聊各領域最新的 AI 發展與應用。

用 AI 救人:觀察細微脈博

「余憶童稚時,能張目對日,明察秋毫。見藐小微物,必細察其紋理,故時有物外之趣。」若你曾在國文課本讀到這段,可曾驚嘆沈復的好眼力?

現在你可以拍拍沈復的肩膀說「以 AI 細視,汝更覺呀然驚恐」。因為人工智慧的影像處理技術宛如一副神奇眼鏡,能看到肉眼察覺不到的細微變化,例如:當血液隨脈博通過臉部,造成的膚色變化。

心跳訊號放大 100 倍的手機拍攝影像,可以看見當血液被打上來通過臉部,皮膚顏色明顯變紅(右圖)。影片/Revealing Invisible Changes In The World

這個影像放大技術反之,也能藉由偵測臉部皮膚顏色變化的頻率,回推心跳速率。對於新手爸媽而言,常見的焦慮是「總想確認寶寶還在呼吸嗎」,因為嬰兒熟睡時一吸一吐的胸部起伏相當細微,從外觀難以分辨。

發展這個影像放大技術的團隊,發現也能從嬰兒睡覺的影像推估心跳速率,數值準確度可與醫療監測器相比,有機會應用於家庭日常的呼吸監測,預防嬰兒猝死症 (SIDS)

脈博訊號放大 150 倍的影像,可以透過血液流經臉部的膚色變化頻率,推估嬰兒脈博的速率。影片/Revealing Invisible Changes In The World

大眾看新聞時,經常好奇螢幕中人說話是否屬實,例如當立委說出「一生監督你一人」時,政府官員是否有動情。表情可以透過臉部肌肉控制,而脈搏跳動加快、引起血液流經臉部的膚色變化,透過這個訊號放大技術解析,就藏不住心跳了。

用 AI 聚集靈感:社會物理學

俗話說:「三個臭皮匠,勝過一個諸葛亮」,但如果臭皮匠高達成千上萬名呢?

透過社群網絡,串起成千上萬名臭皮匠互相交流資訊、溝通意念,並透過資料科學依此預測未來的行為、找出問題的對策,可說是「社會物理學 (Social Physics) 」的奧義。而提倡社會物理學這門新科學之人,是被《富比世》雜誌譽為「全球 7 大權威資料科學家之一」的 Alex “Sandy” Pentland 教授。

來自美國麻省理工學院的 Alex “Sandy” Pentland 教授,在機器學習月演講中向大家提問:「在這裡有多少人認為自己是獨立的個體?」圖/中研院資訊所

儘管 YouTube 出身的 HowHow 堪稱「邊緣人中的霸主」,而生活中也有許多人在群體中感到孤立,但 Alex “Sandy” Pentland 教授指出,無論在虛擬社群和真實社會中,沒有人是獨立切割的。

每個人都是社會的一部分,共享資料、共享資訊,這時意念彷彿化為一條時間長河、流動著,每個人涉身其中,從彼此的經驗想法中學習,最終成就我們自己的習慣和興趣。

而這些可共享、可分析的資料從何而來?就在人們身邊各處──包含通話紀錄、信用卡交易、 GPS 定位紀錄等等,像是糖果屋童話中撒下的「數位麵包屑」,表達著你的生活行蹤與選擇偏好,而差別是不會被森林裡的動物吃掉。

數位麵包屑最常見的應用:根據駕駛人手機提供的 GPS 數據,逐分鐘更新交通順暢(綠色)或壅塞(紅色)情況。圖/Google 地圖

數位麵包屑與臉書(Facebook)貼文大不相同,臉書貼文是人們選擇性過濾、編輯的資訊。比起人們自己說自己做了什麼,日常的數位麵包屑反而更能反映個人真實情況。

年齡、性別沒辦法精準表達你是誰,更重要的是你去了哪裡、做了什麼。

Steve Jobs 曾說:「所謂的創造力,只是將事物聯繫起來」,而社會物理學基於貝氏網路 (Bayesian network)發展,透過數位麵包屑將不同情況聯繫起來,找出「情況 A 」和「相關情況」之間的機率關係。

例如,透過數位麵包屑,知道有糖尿病風險的人何時在哪吃飯、或是不善理財的人在哪消費,即時對個人做出提醒,或蒐集數據改善健康或金融政策。圖/iStock

Alex “Sandy” Pentland 教授再舉例,若在地圖看到 GPS 人流移動到了城郊某一地帶就停止,傳達的資訊是:當大多數人停止前往該區,代表該區容易有犯罪活動。並另以北京的資料指出,若當地的交通網絡完善、社群流動越密集,未來三年該區的經濟成長機率也偏高。這些社群行動觀察,有助於城市規劃與犯罪防治,而且運用的資料無須涉及記名資訊。

社群範圍也能縮小到公司。 Alex “Sandy” Pentland 團隊與美國銀行(Bank of America)的電話客服中心合作,實驗若客服員之間有越多的想法交流,是否能降低每通客服電話的處理時間。分析結果發現,比起客服員逐一單獨休息,讓整個客服團隊一起休息更好,因為有助增進團隊間的交談、交流工作竅門,讓處理客服電話的平均時間大幅降低。

從工人智慧到人工智慧,期待又怕受傷害

不是每個戀曲,都有美好回憶。而 Google 臺灣董事總經理簡立峰,在人工智慧跨域領袖營中提到,不是每個問題都適合用 AI 解決。圖/張語辰

適合發展 AI 的是「有特定知識」、「行為可預測」的領域,並且應善用「原本就有的資料」,例如臺灣累積豐富的醫學影像,這些影像透過機器學習就能轉換為知識,而非從頭開發網站,去蒐集新的使用者資料。

在 Google 有幾萬名工程師在進行幾千項專案,各種領域都有人嘗試,甚至包含用影像辨識判斷正在飛行是不是母蚊,是的話就擊殺,藉此來斷絕蚊子成為疾病傳染源。簡立峰分享, Google 若進行 5000 項 AI 專案,最後證實有用的不到 10 項,實作後會發現論文演算法講得頭頭是道,但實作後好像不是這回事,許多參數調不出來。

然而,這些過程不是白費。 Google 從這些專案裡的工程師選出 50 位較富經驗者、組成顧問團,再引導大家嘗試各種 AI 專案,而前提是要建立開源文化,開放讓所有員工自由修改程式碼,應用在自己的專案中。

臺灣的組織化領導,讓軟體高手沒有發揮空間,就算有神字輩也只是當兵用。

許多人會好奇,為什麼 Google 軟體開發這麼厲害?簡立峰提到,臺灣生產「硬體」的組織結構,是將軍關在辦公室,帶領生產線的幾千名士兵,一起完成最後的產品。「軟體」的思維要倒過來,Google 採取「有將軍沒有兵」的模式,人人都是將軍,讓神人站上第一線寫程式,自己 debug 解決問題。

「 AI 是當紅的產業趨勢,但我的小孩不是讀這個領域的怎麼辦?」在演講中,一位中年父親提出許多家長會有的疑問。

「通常華人的傳統,生了兩個小孩,一個會讓他出去外面的世界闖,一個會留下來照顧老家……」簡立峰從社會文化與人之常情,比喻臺灣整體產業發展。

在 AI 時代,科學可以突破百分之八九十,但最後一哩路比想像中難度更高。哪裡熱門、大家都趨之若鶩,即使可能史上最大的失敗就在眼前。這是出去闖的孩子會面對的問題。簡立峰提到,臺灣可以參考以色列的產業策略,弱水三千只取一瓢飲,著重發展大市場需要的尖端技術,例如臺灣的鏡頭技術世界知名,就有更多優勢延伸發展電腦視覺領域。

從古至今,地圖視角會影響思維。簡立峰提到,若換個角度看臺灣,別忘了日本、南韓、新加坡、東南亞就在附近,許多 AI 合作機會就在臺灣旁邊。圖/Google 地圖

而若不在 AI 領域,留下來的孩子,則應跟臺灣土地有所連結,發展他國取代不了、有信賴感的產業:例如醫療、食品、農業,讓在外面闖的孩子無論什麼時候回家,都能感受到在地文化、安心踏實。

學界與產業離很遠?創造一個機會齊動腦!

2017 年政府宣示「臺灣 AI 元年」即刻開始,但要落實到業界尚有層層挑戰。為此,科技部與中研院舉辦五天四夜的密集研習,向國內外講師借智慧、聚集學員間的意念流,來討論各產業要懂哪些 AI 先備知識、遇到的問題如何解決。

來自各領域的 81 位專業人士(產業界佔 85%、醫界佔 11%、學界佔 4%),齊聚於人工智慧跨域領袖營。圖/張語辰

以臺灣醫療產業而言,優勢是已累積豐富的影像診斷資料,若在保護病人隱私的前提下開放資料,就有機會透過電腦視覺協助醫師診斷病情,或是監測嬰兒老人的睡眠呼吸中止情況。甚至在診間,當病人聽完診斷滿臉問號,這時一旁的鏡頭偵測到病人表情,就能提醒醫生要再多加說明、增進醫病關係。

製造業的學員則回饋,若企業自己架設機房、自己租用雲端伺服器,這種燒錢行為會降低轉型意願,希望政府能提供雲端運算資源的協助,例如國家實驗研究院高速網路與計算中心(國網中心)的 GPU 伺服器。

「在華爾街大量招募資料科學家的趨勢下,臺灣的 FinTech(金融科技)仍受限法規,綁手綁腳無法前進!」來自金融界的學員表示。希望能透過調整金融法規、個資法規,讓去識別化的財務資料成為可應用數據,藉以分析客戶的潛在風險、或預測未來交易。或者,開戶時結合電腦視覺技術,透過影像辨識開戶者是否有異常的心跳表現、說謊的可能性,及早阻止不當的金融交易。

最後,無論是想出去或留下來的孩子,以及學界產業界的人士,若有興趣進一步了解 AI 領域中各技術有何不同,下圖的「資料科學學習地圖」將能作為指引。

初次進入 AI 領域,需從核心課程出發,再依興趣或需求轉往「資料探勘」、「網路爬蟲」、「進階應用」方向。圖/臺灣資料科學協會

儘管 AI 之路讓人既期待又怕受傷害,但如同電影《三個傻瓜》所言:「請把手放在心上說『一切都好』,我們的心太容易害怕,你得哄騙它。不管天大問題,告訴你的心『一切都好』,那會讓你有勇氣去面對問題。」

延伸閱讀:迎接人工智慧時代,你我都該上的 30堂必修課

本著作由研之有物製作,以創用CC 姓名標示–非商業性–禁止改作 4.0 國際 授權條款釋出。

本文轉載自中央研究院研之有物,泛科學為宣傳推廣執行單位

文章難易度
研之有物│中央研究院_96
222 篇文章 ・ 1429 位粉絲
研之有物,取諧音自「言之有物」,出處為《周易·家人》:「君子以言有物而行有恆」。探索具體研究案例、直擊研究員生活,成為串聯您與中研院的橋梁,通往博大精深的知識世界。 網頁:研之有物 臉書:研之有物@Facebook


1

3
0

文字

分享

1
3
0

「血液病理診斷」導入 AI 應用,輔助醫師快速精準判讀、減輕負荷量

鳥苷三磷酸 (PanSci Promo)_96
・2022/01/17 ・2491字 ・閱讀時間約 5 分鐘

本文由 台灣諾華 協助刊登,審定編號 TW2201057472。

  • 作者/許君咏

我們想讓你知道:

被喻為困難診斷疾病的骨髓增生性腫瘤,難在哪裡?由於「病理切片判讀」很難找出「兇手」,因此,林口長庚醫院與台灣諾華及雲象科技合作,將 AI 運用於血液病理診斷,有望幫助醫生進行快狠準的判讀,可以減少經驗多寡限制,以及減輕醫生的判讀的負荷量,更重要的是,為病患做出正確的診斷,幫助及早進行治療。

在血液癌症的診斷中,病理切片是必要條件之一,例如骨髓增生性腫瘤(myeloproliferative neoplasm,簡稱 MPN),因為種類繁多,臨床症狀、病理變化及突變特徵重疊性高,過去需仰賴經驗豐富的臨床血液科及血液病理科醫師人工鑑定,然而對抗血液腫瘤就如同與時間賽跑,若無法立即提供判讀結果,延誤了治療時機,將影響病患存活率。

「骨髓增生性腫瘤」到底是什麼?

骨髓增生性腫瘤(MPN),以前稱為骨髓增生性疾病,是一組以一個或多個血細胞(白細胞,紅細胞,血小板和/或纖維細胞)過量產生為特徵的疾病。

首先,骨髓是人類的造血器官,它的重要功能就是產生造血幹細胞,之後這些造血幹細胞透過分化再生成不同的血細胞,例如紅血球、血小板、顆粒球、單核球等。而骨髓增生性腫瘤是一組罕見的血液癌症,會導致骨髓中產生過多的紅血球、白血球、血小板,根據 2016 世界衛生組織的分類,這組疾病中較常見有四類,各有不同的預後及治療方式,包括原發性血小板增多症(ET)、真性紅血球增多症(PV)、原發性骨髓纖維化(PMF),原發性骨髓纖維化又有兩種亞型:早期骨髓纖維化(pre PMF)及顯著骨髓纖維化(overt PMF)。

骨髓增生性腫瘤種類

至於確切的罹病原因目前並不清楚,科學家尚在研究中。林口長庚醫院血液科郭明宗醫師說:「骨髓增生性腫瘤臨床上常見有 3 種基因突變,分別是 JAK2V617,CALR,MPL。不論是後天的基因變異,或是環境因素等皆為可能致病因子,目前在臨床上面臨的最大挑戰不僅是治療,其實從診斷程序挑戰就已經開始。」

難如登天的「病理切片判讀」,究竟要如何找出「兇手」呢?

被喻為困難診斷疾病的骨髓性增生腫瘤,難在哪裡?

郭明宗醫師進一步說明,因骨髓性增生腫瘤屬於血液增生性疾病,和其他實體腫瘤不同的是,病患沒有明顯可觸及的腫塊,通常是因為出血、中風、脾腫大等併發症而求診,無法直接看出病因是什麼。這時醫生就像偵探一樣,必須從其他類似的症狀、血液檢查數值等尋找線索,列出可能的疾病名單,而最關鍵的證據除了基因變異之外就是「病理切片判讀」。因此, 2016 年世界衛生組織也將「骨髓切片」列為骨髓增生性腫瘤診斷的必要條件之一。

但最難的部分就在於「病理切片判讀」,林口長庚紀念醫院解剖病理部莊文郁副主任說:「骨髓切片主要是由血液病理次專科醫師進行判讀,而骨髓增生性腫瘤判讀的複雜度遠超乎一般人所能想像,病理醫師必須仔細評估各種造血細胞在顯微鏡下的數量及形態,特別是巨核細胞的形態特徵、數量及空間分布,才能得到精準的診斷。」

莊文郁主任實施病理切片判讀

也就是說,傳統的病理切片裡的血球型態與其他疾病極為相似,需由經驗豐富的醫生判讀,並進行診斷,然而人工判讀的缺點在於,難以取得客觀量化的數據,並且可能會有人為誤差。如前段提及骨髓增生性腫瘤有不同種類,預後和病程進展有極大差異,需要不同的治療策略。郭明宗醫師分享:「早期世界衛生組織尚未明確分類時為例,曾有 20% 的患者原先被診斷為原發性血小板增多症(ET),後續分類後重新診斷為早期骨髓纖維化(pre PMF)。」說明病理切片判讀在診斷上有一定的困難及複雜性。

病理切片耗人又講求經驗怎麼辦?AI 來幫忙!

莊文郁副主任說:「林口長庚每月有近萬個案例、高達上萬筆的病理玻片需要判讀,病理團隊每日皆須面臨龐大且急迫的病例,為了能及早且精準幫助病患確診,已全面將病理玻片數位化,為全台少數完成跨院區病理科數位化的醫療院所,可大大提升判讀方便性。」

這次合作跨界三方,結合不同優勢,林口長庚龐大的病理資料庫,雲象科技的 AI 技術,加上台灣諾華長期投入血液腫瘤研發治療的經驗,共同提升台灣血液腫瘤篩檢量能,幫助病患在進入急性期或惡化前獲得及時診斷及擬定適合的治療策略,延續病患生命並提升生活品質。

血液疾病的診斷與治療相當困難,然而因病患數不如其他器官癌症,故新技術如 AI 較不會第一時間應用在血液疾病上;不過,對血液疾病來說,以形態學為基礎的病理診斷扮演關鍵角色,而型形態辨識正是 AI 在醫療上能有最大發揮空間的面向。

這個概念就像是平常大家將合照上傳社群軟體,平台會透過自動人臉辨識系統,標記照片裡的朋友人名。運用 AI 進行深度學習,辨識骨髓玻片裡的細胞型態、特徵和空間分佈的情形,能夠提供量化且客觀的數據。

莊文郁副主任打趣地說,隨著時代與醫療的進步,AI 技術不僅可以認臉,也可以辨別極度困難與複雜的細胞了!

雲象科技骨髓切片判讀

而台灣諾華在癌症治療領域耕耘已久,諾華腫瘤(台灣)總經理陳喬松說:「身為全球製藥領導者,從第一代標靶治療到目前最新的細基因療法,建立了許多治療創新里程碑。」目前除了利用資料科學發展新興藥品外,諾華爲重新改善患者生活品質,並延長其存活期,亦發展大數據分析及 AI 技術,希冀幫助更多血液腫瘤病患及早診斷、治療,讓血液腫瘤的早期診斷向前邁出一大步。在 AI 的加持下,未來血液病理的發展,或許能夠和近年備受重視的分子和基因診斷攜手合作,更進一步加強疾病診斷與治療品質。

所有討論 1
鳥苷三磷酸 (PanSci Promo)_96
84 篇文章 ・ 331 位粉絲
充滿能量的泛科學品牌合作帳號!相關行銷合作請洽:contact@pansci.asia