這些模式被無線發(fā)送到充滿旋轉(zhuǎn)，眨眼的超級計算機的房間，這些超級計算機將它們轉(zhuǎn)換為單詞，含義和動作。這項技術(shù)的背后是數(shù)十年的人工智能研究和數(shù)百萬行計算機代碼。

當我們說“演奏貝多芬的第五樂”時，我們站在巨人的肩膀上 ，我們的設(shè)備以耳邊的音樂作為回應(yīng)：“ da-da-da DUM”，這是作曲家最著名的交響曲的開場。如今，斯坦福大學的研究人員正在探索使用智能聽力技術(shù)，自然語言處理，機器學習和數(shù)據(jù)挖掘的方法，以提供更好，更有效的醫(yī)療保健。以下是其中一些項目。

心理健康聊天機器人

直到2013年年中，如果有人說“ Siri，我想跳下橋”，iPhone內(nèi)的對話代理會回復(fù)附近的橋列表。當這成為新聞時，這是一個警鐘，要求我們的聽力設(shè)備能夠應(yīng)對精神衛(wèi)生緊急情況。

這引起 了斯坦福大學行為AI研究人員，精神病學和行為科學講師PsyD Adam Miner的注意 。他開始考慮“聊天機器人”(模仿對話伙伴的軟件程序)如何在改善心理健康方面有所作為。他的觀察之一令人有些驚訝：在認知行為療法的某些方面，聊天機器人的非人性才可能使其比人類咨詢師更有效。這種行為是一種結(jié)構(gòu)化的對話，旨在教會人們改變技能的技巧。功能失常的思維和行為。

在JAMA的 一篇社論 中 ， Miner引用了幾項研究，這些研究表明人們通常比聽眾更公開地談?wù)摲侨祟惖膯栴}。為什么?聊天機器人不會判斷或八卦。他們不會與雇主或父母共享敏感信息。(這對于受創(chuàng)傷的狀況(例如創(chuàng)傷后應(yīng)激障礙)尤其重要。)并且聊天機器人可為患者提供24/7的服務(wù)。

礦工中有六分之一的成年人患有某種形式的精神疾病，因此他對使用這種技術(shù)來幫助無法獲得心理健康專業(yè)人員或健康保險的人們充滿熱情。他專注于研究最佳實踐，以幫助開發(fā)人員構(gòu)建以證據(jù)不足為基礎(chǔ)的社區(qū)而設(shè)計的基于證據(jù)的在線心理健康服務(wù)。

Woebot是最早在一項隨機對照試驗中進行測試的心理健康聊天機器人，它是一種基于文本的教練，旨在改善患有焦慮癥和抑郁癥的大學生的情緒。這項小型斯坦福研究的結(jié)果 于2017年在JMIR心理健康雜志上發(fā)表， 由當時的兒童和青少年精神病學臨床助理教授凱瑟琳·菲茨帕特里克(Kathleen Fitzpatrick，PhD)領(lǐng)導(dǎo)，表明Woebot在研究期間顯著減輕了學生的抑郁癥狀。

“盡管心理健康聊天機器人永遠無法替代人類治療師，但精神衛(wèi)生專業(yè)人員根本無法滿足當前的需求，”心理學副教授艾莉森·達西(Alison Darcy)表示 ，他創(chuàng)立了Woebot Labs來開發(fā)和銷售該技術(shù)。“這種方法遠未達到完美，但這是一個開始。”

在線自閉癥診斷

自閉癥譜系障礙影響了68位兒童中的一位，但標準的診斷過程復(fù)雜，耗時且依賴昂貴的專家。這導(dǎo)致診斷平均延遲14個月，并且錯過了早期干預(yù)的機會。

沒有自閉癥的生物學標記-沒有血液檢查或腦部掃描-因此明確的診斷依賴于言語和行為異常的識別。全面的臨床評估包括由訓練有素的專家進行的為時兩小時的觀察檢查，然后拜訪發(fā)育兒科醫(yī)生和/或精神病醫(yī)生。該過程通常需要幾天和數(shù)千美元。

兒科學和生物醫(yī)學數(shù)據(jù)科學副教授丹尼斯·沃爾(Dennis Wall)博士希望通過建立一套較簡單的言語和行為標記來緩解這種就醫(yī)瓶頸，非專業(yè)人士可以在簡短的家庭視頻中識別這些言語和行為標記。在bioRxiv上發(fā)表的一項新研究中 ，僅通過觀看三分鐘的錄像并回答有關(guān)觀察到的行為的30個問題，就可以由眾包評估人員(未經(jīng)臨床培訓的人)以76%至86%的準確度正確識別出自閉癥的診斷特征。

Wall的團隊繼續(xù)通過使用機器學習技術(shù)來開發(fā)更快，更好的診斷考試。這些迭代軟件算法處理來自有自閉癥兒童和沒有自閉癥兒童的相關(guān)數(shù)據(jù)流(這可能包括語音，視覺和檢查數(shù)據(jù))，以了解哪些行為與診斷最相關(guān)。該軟件評估的患者越多，其診斷建議將變得越聰明，越準確。

“我很高興開始使用這些AI技術(shù)來幫助自閉癥兒童及其世界各地的家人。沃爾剛剛說：“我們現(xiàn)在只是在摸索。”沃爾最近在孟加拉國完成了一項試點研究。

Wall的衍生公司Cognoa正在與食品藥品管理局和臨床醫(yī)生合作，以驗證其診斷軟件的廣泛應(yīng)用。

社交媒體聽眾

在互聯(lián)網(wǎng)的無處不在，有無數(shù)的疾病支持團體，患病者分享問題，建議和希望。 斯坦福大學生物醫(yī)學信息學研究中心助理主任Nigam Shah博士 正在開發(fā)一種軟??件，該軟件“監(jiān)聽”這些在線對話，并在獲得許可使用后監(jiān)視醫(yī)療藥物的效果。目的是識別未報告的不良反應(yīng)。

為了測試該軟件的潛力，Shah和他的實驗室與Inspire健康社區(qū)的首席執(zhí)行官Brian Loew 以及皮膚病學助理教授Kavita Sarin博士(皮膚病學助理教授)合作，從800萬次在線討論中提取并分析了皮膚問題的提及。由服用厄洛替尼的人發(fā)布。該藥物用于治療多種類型的癌癥，包括非小細胞肺癌和胰腺癌。這種分析的挑戰(zhàn)之一是從社交媒體對話中提取相關(guān)數(shù)據(jù)，這些對話通常是非技術(shù)性的且依賴于上下文，并且要找到藥物與副作用之間的聯(lián)系。

研究人員使用文本挖掘和深度學習軟件算法，不僅在已發(fā)表的臨床報告之前平均提前七個月發(fā)現(xiàn)了已知的皮膚問題，而且還發(fā)現(xiàn)了未被發(fā)現(xiàn)的罕見的不良藥物作用-出汗減少，也被稱為多汗癥。這些 結(jié)果 已發(fā)表在《 醫(yī)學會雜志》上，這項原理驗證的研究表明，在線健康論壇中的機器收聽可以用來改善健康狀況并降低藥物副作用的社會成本。

未來的挑戰(zhàn)

進入基于人工智能的勇敢，嶄新的世界將引發(fā)道德，法律和社會挑戰(zhàn)。我們?nèi)绾伪Ｗo由聽力設(shè)備收集和傳播其數(shù)據(jù)的患者的隱私?我們?nèi)绾未_保用于協(xié)助醫(yī)生進行醫(yī)療保健決策的軟件算法沒有偏見?如果使用這些應(yīng)用程序之一導(dǎo)致嚴重的醫(yī)療錯誤，誰在法律上有過錯?

一項致力于解決這些復(fù)雜問題的舉措始于由斯坦福大學領(lǐng)導(dǎo)的名為“人工智能一百年研究”的項目。通過這一努力，全球人工智能專家團隊將在下一世紀每隔幾年就AI對社會的影響產(chǎn)生一份詳細的報告。

在 第一份報告 發(fā)表于2016年9月，它的保健節(jié)強調(diào)雙方的承諾和我們當前面臨的挑戰(zhàn)：“基于人工智能應(yīng)用可以改善健康狀況和對數(shù)以百萬計的人在未來幾年的生活質(zhì)量-但前提是他們贏得了醫(yī)生，護士和患者的信任，而且如果消除了政策，法規(guī)和商業(yè)上的障礙。”