加速推进AI+医疗,微软如何助力全球公共健康?

作为联合国可持续发展目标之一,确保人们具有健康的生活方式,促进各年龄段所有人的福祉,对社会的可持续发展来说至关重要。无论是预防、治疗和消除一系列疾病,让更多的人能够获得医疗健康服务,还是改善公共卫生和个人卫生,都有助于挽救全球数百万人的生命。

而在2020年初,突如其来的新冠病毒按下了世界的暂停键,全球科研人员相继展开研究工作,为早日战胜病毒、保护世界健康而奋斗。微软始终对疫情保持着高度关注,不仅为一线研究人员提供了技术和资金支持,更是加速推进着多项抗击新冠肺炎疫情的合作与行动。

这并非是微软首次涉足医疗健康议题。一直以来,微软都在积极探索计算机科学与医疗健康、生命科学领域结合的可能性。

Microsoft Healthcare
以 AI 助力人类健康福祉

计算机科学日新月异,并一直与人类的生活紧密相关,为社会发展带来了深远的影响。AI 的发展使过去的许多不可能成为现实,能够识别单词和图像,发现复杂系统中的模式并进行推理,像人类一样学习。AI 正在延伸人类的感官,改变人类对世界的理解,它或许不是那个解决一切人类社会问题的最终答案,却是我们提升自身创新能力的有力助推器。

在过去的几年里,微软 AI 技术在医疗健康领域的许多出色应用已经证明了这一点。例如,微软和 Novartis 基金会共同开发了一种支持 AI 的数字健康工具,可以加快麻风病的早期发现速度,帮助医疗资源匮乏的贫困地区消除麻风病。微软也与多个世界级眼部护理提供商合作,通过 Azure 机器学习对眼部疾病进行早期筛查和检测,以减少可预防性失明,该项目早在2017年就被特兰加纳政府采纳用于公共卫生筛查计划。

Novartis 基金会供图但是,全球范围内的公共卫生进步并不平等,人类的健康成本仍然高昂,疑难杂症、不发达地区尤其需要我们的关注。在研究人员致力于从医学角度改进诊疗方案的同时,技术的进步也可以帮助他们加速研究,拓展医疗手段的可能性。通过 AI 和医疗健康的结合,许多疾病的诊断和治疗方法都可以得到改善,尤其是包括心脑血管疾病和癌症在内的一些最棘手的疾病。

同时,在过去的10到20年里,医学领域的大量医疗设备、分析手段已经实现了数字化。移动设备的发展同样产生着大量数据。如果有效利用这些数据,就能够为人们提供更高度个性化、更精确、更具有针对性的诊断和治疗方法,为大众的健康提供全方位视图,不仅告诉人们现在的健康状况,更对未来几年可能的情况做出提醒。

微软全球资深副总裁、微软研究院以及微软医疗部门(Microsoft Healthcare)的负责人 Peter Lee 博士在采访中谈到,医疗健康在全球范围内是一项价值7.5万亿美元的庞大业务,而且越来越多的数据,以及能够将数据充分利用的人工智能和计算技术等服务正在迁移到云中。微软正在密切关注并优先支持这一点。

在此愿景下,2020年1月29日,微软启动了致力于提升全世界人民和社区健康状况的 AI for Health 项目。它是微软 AI for Good 计划的一部分,旨在通过人工智能数据科学工具,为非营利性组织、研究人员和组织机构赋能。微软将在保护隐私、安全和维护道德的基础上,与业内专家合作探索医疗健康事业。

AI for Health 重点关注三个关键领域:

  • 探索新的发现。包括以 AI 加速医学研究,促进疾病的预防、诊断和治疗等。

  • 洞察全球健康。提高人们对死亡率和寿命的共同认识,以防止全球性健康危机的发生。

  • 促进健康的公平性。减少健康不平等情况,增加医疗资源缺乏人群的医疗机会。

Peter Lee 博士认为: “我们可以将 AI for Health 看作研究热情的一个出口——AI 能做什么来促进医学发展?”微软研究院的许多研究人员都对医疗和医药非常感兴趣,并致力于探索 AI 运用在各种医疗诊断和治疗应用中的可能。今天,全球有40亿人无法获得应有的医疗健康服务,人工智能和技术发展必须帮助创建更加公平的解决方案。

微软AI+医疗做了些什么?

积极对抗新冠疫情

随着疫情在全球发展,微软正在加速推进 AI for Health 项目,为处于新冠疫情研究一线的科研人员提供支持。多项抗击新冠疫情的合作与行动正在有条不紊地开展,包括为 “抗击新冠肺炎高性能计算联盟”组织提供强大的计算资源,助力华盛顿大学健康测量及评价研究所发布的新冠肺炎数据可视化内容和预测等等。

微软亚洲研究院的研究人员基于在计算生物学、数据分析等领域的专业知识和研究经验,构建了新冠数据分析网站 COVID Insights (covid.msra.cn),希望透过数字表面,更深入、多角度地分析新冠疫情的相关数据。

监督学习助力医学影像

病理切片的解读在中国是一个很大的挑战。中国每10万人口中只有不到两位病理医生,专业人才非常缺乏。假如一个人不幸患了肺肿瘤,病理医生要把患者的病理切片切成二三十片,然后仔细观察其中哪些部分是病变的,是什么样的病变,不同类型病变的百分比各是多少,这个过程极耗时间。

现在通过深度学习,AI 可以辅助医生进行病理筛查,帮助他们提高诊断效率。微软亚洲研究院的研究人员希望通过端到端的深度学习方法训练这个系统,在标注数据有限的情况下进行医学影像的处理、分类和切割。这种方法可以应用在大肠癌、肺癌、宫颈癌等许多领域,通过减少对标注数据的依赖,让更多的数据能够得到快速的分析。

无人机+捕蚊器,帮助追踪病毒传播

在全世界的大部分地区,蚊子是严重的公众卫生问题,它可能会传播登革热、西尼罗河病毒、疟疾和寨卡病毒等严重的疾病。据估计,每年约有7亿人被蚊子传染各种疾病,且每十七个人中,就有一人死于被蚊子传染的疾病,而这在热带地区尤甚。

微软的研究人员将无人机技术与捕蚊器结合,研发了用于追踪病毒的新型捕蚊器,可以告诉科学家们每只蚊子的捕获时间、地点、温度、风力和湿度等等,同时它的设计使它不会像传统捕蚊器那样在刮风、下雨等恶劣自然条件下失效。无人机使得研究者能够以低成本、低耗时的方式在幅员辽阔的区域里精准定位蚊虫携带的病毒数据,并通过机器学习训练来发现和预测潜在疾病的暴发,帮助人们提前采取相应的预防措施。

合作研究抗感染领域的病原菌

中国抗菌药物管理领域在走向诊疗一体化的过程中面临两大核心痛点问题:一是在理念层面,基层专业人员抗菌药物合理使用的理念急需提高;二是在方法和技术层面,病原学和药敏检验能力需大力加强,以促进临床诊断与治疗需要进一步结合。

为此,辉瑞生物制药集团与微软合作,以感染相关数据为基础,使用云计算人工智能技术开发可以协助基层检验科室识别感染病原菌的智能算法,以智能图片识别方式来帮助基层医生识别不同种类的真菌,用高效与智能的方式来协助提升感染病原的检出率,从而助力临床,实现抗感染的精准治疗。

以上这些都是微软在医疗健康领域多方面探索的一部分。在世界上大多数地区,医疗健康都面临着一些挑战。对发达国家而言,这是一个财务临界点。对发展中国家而言,获得良好医疗服务的机会仍是稀缺和不平等的。人们越来越希望技术进步能切实改变自己的生活,这也是微软参与医疗健康领域的长远愿景。

微软研究院AI头条
微软研究院AI头条

专注科研19年,盛产黑科技

产业医疗
相关数据
微软亚洲研究院机构

微软亚洲研究院于1998年在北京成立,是微软公司在亚太地区设立的基础及应用研究机构,也是微软在美国本土以外规模最大的一个研究院。微软亚洲研究院从事自然用户界面、智能多媒体、大数据与知识挖掘、人工智能、云和边缘计算、计算机科学基础等领域的研究,致力于推动计算机科学前沿发展,着眼下一代革命性技术的创新,助力微软实现长远发展战略。通过与微软产品部门紧密合作,微软亚洲研究院将众多创新技术转移到了微软的核心产品中,如Office、Windows、Azure、Bing、Visual Studio、Xbox Kinect以及小冰、Cortana和Microsoft Translator等人工智能产品。

https://www.msra.cn/
Microsoft机构

微软是美国一家跨国计算机科技公司,以研发、制造、授权和提供广泛的计算机软件服务为主。总部位于美国华盛顿州的雷德蒙德,最为著名和畅销的产品为Microsoft Windows操作系统和Microsoft Office办公室软件,以及Xbox的游戏业务。微软是美国《财富》杂志2015年评选的世界500强企业排行榜中的第95名。

https://www.microsoft.com/en-us/about
深度学习技术

深度学习(deep learning)是机器学习的分支,是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。 深度学习是机器学习中一种基于对数据进行表征学习的算法,至今已有数种深度学习框架,如卷积神经网络和深度置信网络和递归神经网络等已被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。

数据分析技术

数据分析是一类统计方法,其主要特点是多维性和描述性。有些几何方法有助于揭示不同的数据之间存在的关系,并绘制出统计信息图,以更简洁的解释这些数据中包含的主要信息。其他一些用于收集数据,以便弄清哪些是同质的,从而更好地了解数据。 数据分析可以处理大量数据,并确定这些数据最有用的部分。

机器学习技术

机器学习是人工智能的一个分支,是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

数据科学技术

数据科学,又称资料科学,是一门利用数据学习知识的学科,其目标是通过从数据中提取出有价值的部分来生产数据产品。它结合了诸多领域中的理论和技术,包括应用数学、统计、模式识别、机器学习、数据可视化、数据仓库以及高性能计算。数据科学通过运用各种相关的数据来帮助非专业人士理解问题。

云计算技术

云计算(英语:cloud computing),是一种基于互联网的计算方式,通过这种方式,共享的软硬件资源和信息可以按需求提供给计算机各种终端和其他设备。

监督学习技术

监督式学习(Supervised learning),是机器学习中的一个方法,可以由标记好的训练集中学到或建立一个模式(函数 / learning model),并依此模式推测新的实例。训练集是由一系列的训练范例组成,每个训练范例则由输入对象(通常是向量)和预期输出所组成。函数的输出可以是一个连续的值(称为回归分析),或是预测一个分类标签(称作分类)。

无人机技术

无人机(Uncrewed vehicle、Unmanned vehicle、Drone)或称无人载具是一种无搭载人员的载具。通常使用遥控、导引或自动驾驶来控制。可在科学研究、军事、休闲娱乐用途上使用。

数据可视化技术

数据可视化被许多学科视为现代视觉传达的等价物。为了清晰有效地传递信息,数据可视化使用统计图形、图表、信息图和其他工具。数字数据可以使用点、线或条编码,以视觉传达定量消息。有效的可视化帮助用户对数据进行分析和推理。它使复杂的数据更容易理解和使用。用户可以根据特定的分析任务进行数据可视化,例如进行比较或理解因果关系,并且图形的设计原则(即,显示比较或显示因果关系)来进行可视化。表通常用于用户查找特定测量的地方,而各种类型的图表用于显示一个或多个变量的数据中的模式或关系。

推荐文章
暂无评论
暂无评论~