疼痛是每個(gè)人一生中體驗(yàn)最早、最多的主觀內(nèi)在感覺。由于人們往往認(rèn)為疼痛是疾病的癥狀，只要治好疾病疼痛自然就會(huì)消失，因此，疼痛常被人們忽略。
據(jù)權(quán)威統(tǒng)計(jì)數(shù)據(jù)顯示，歐美國(guó)家有35%的人患有慢性疼痛，而我國(guó)的情況對(duì)比這一數(shù)字只高不低。世界上每天約550萬人忍受癌痛的折磨，中國(guó)城市居民中大約57%的人經(jīng)歷過不同程度的頭痛。
早在2000年，世界衛(wèi)生組織就提出“慢性疼痛是一類疾病”。為喚起全球?qū)μ弁吹年P(guān)注，造福千萬疼痛患者，2004年，國(guó)際疼痛學(xué)會(huì)（IASP）決定將每年的10月11日設(shè)立為“世界鎮(zhèn)痛日”。
也許疼痛來臨時(shí)，即便痛得難以忍受，你可能還要故作堅(jiān)強(qiáng)，在醫(yī)生面前自述病情�？扇缃�，這樣做也無濟(jì)于事，一款新的計(jì)算系統(tǒng)能“火眼金睛”地看穿你到底有多疼。
衡量疼痛
這個(gè)新的系統(tǒng)能通過觀察患者的面部表情來判斷其疼痛的程度。“在進(jìn)行真假痛苦的區(qū)分時(shí)，這些指標(biāo)可能會(huì)很有用。”美國(guó)匹茲堡大學(xué)的 Jeffrey Cohn表示。該系統(tǒng)還可以分辨出患者是否真的需要處方藥，還是只是一個(gè)騙子。
客觀地衡量疼痛程度是一項(xiàng)棘手的任務(wù)，Dianbo Liu坦言，正是他與其麻省理工學(xué)院的同事們創(chuàng)造了這個(gè)系統(tǒng)。之所以會(huì)想到研究這個(gè)系統(tǒng)，是因?yàn)樵撗芯啃〗M認(rèn)為，情感是人類體驗(yàn)的基礎(chǔ)，其影響認(rèn)知能力、洞察力以及日常工作，例如學(xué)習(xí)、交流甚至理性決策。
而技術(shù)人員在很大程度上會(huì)忽視情感因素，并常為人們帶來一種令人沮喪的體驗(yàn)，形成這種情況的部分原因是情感已經(jīng)被誤解，難以衡量。這正如人們對(duì)疼痛的體驗(yàn)和表達(dá)方式各不相同，而醫(yī)生對(duì)患者疼痛程度的評(píng)判往往依賴于患者的自述，很難做到客觀。
為恢復(fù)情感與認(rèn)知之間的適度平衡，保證客觀性，Liu 和他的團(tuán)隊(duì)設(shè)計(jì)出了一種算法，該算法能根據(jù)視頻中人們流露出的痛苦表情和畏縮程度來判斷疼痛程度。每個(gè)視頻中的被測(cè)對(duì)象都是患有肩周炎的病人，他們被要求進(jìn)行不同的運(yùn)動(dòng)，然后由算法基于視頻去評(píng)估他們的疼痛程度。最終結(jié)果表明，該算法能利用面部表情的細(xì)微差別準(zhǔn)確評(píng)判出受測(cè)者的疼痛程度。
面部的某些部位極易暴露自身，Liu指出，尤其是鼻子和嘴巴周圍的大量運(yùn)動(dòng)，比患者自述的程度更深，這將有助于提高算法分析的準(zhǔn)確性。
這種算法將有助于醫(yī)生決定采取何種方式對(duì)癥下藥。通過檢查每個(gè)人微小的面部表情并進(jìn)行系統(tǒng)精確校準(zhǔn)，它可在這個(gè)通常被認(rèn)為是比較困難的領(lǐng)域中做出更為客觀的判斷。
機(jī)器VS人工
當(dāng)然，這并不是科研人員進(jìn)行算法識(shí)別系統(tǒng)的首次嘗試。此前已有多個(gè)不同的科研小組進(jìn)行過相關(guān)實(shí)驗(yàn)，并證實(shí)了系統(tǒng)算法確實(shí)比人工識(shí)別更準(zhǔn)確。
2014年，美國(guó)加利福尼亞大學(xué)圣迭戈分校神經(jīng)計(jì)算所研究人員研發(fā)了一套系統(tǒng)，按照程序，電腦認(rèn)定面部肌肉某種運(yùn)動(dòng)組合方式為真實(shí)表情，另一種則為假。
在測(cè)試中，25名志愿者每人拍攝兩組錄像。拍攝第一組錄像時(shí)，志愿者把胳膊放入溫水中一分鐘，然后假裝痛苦表情，盡量騙過一名專家；第二組錄像中，溫水換成冰水，志愿者們自由做出真實(shí)表情。
研究人員讓另外170名研究對(duì)象觀看錄像，分辨真實(shí)或偽裝的痛苦表情。結(jié)果顯示，正確率為50％。研究人員教授他們分辨方法，再次測(cè)試，正確率稍高，達(dá)到55％。而與人類相比，電腦系統(tǒng)的分辨準(zhǔn)確率竟高達(dá)85%。
研究人員認(rèn)為電腦戰(zhàn)勝人腦的原因在于前者抓住面部表情的一些特點(diǎn)，特別是嘴部運(yùn)動(dòng)，而這些特點(diǎn)通常被人類忽視。
而在此次的新研究中，為了讓算法更準(zhǔn)確，研究人員煞費(fèi)苦心。他們對(duì)系統(tǒng)進(jìn)行了調(diào)整，把被測(cè)者的年齡、性別和膚色也納入考慮范圍。一個(gè)人的年齡對(duì)他們疼痛程度的表達(dá)影響最大，并且Liu 也發(fā)現(xiàn)針對(duì)個(gè)人的方法比一個(gè)適合所有人的系統(tǒng)效率更高。
Cohn十分認(rèn)同該設(shè)計(jì)及結(jié)果，并表示這是他第一次看到一個(gè)能識(shí)別痛苦的算法——它甚至還能基于年齡、性別、膚色和皮膚進(jìn)行調(diào)整。雖然現(xiàn)在還處于初期階段，但Liu認(rèn)為，沒有什么可以阻止他將此系統(tǒng)投入應(yīng)用變成一個(gè)實(shí)用的軟件，這樣醫(yī)生就可以在他們的智能手機(jī)安裝并使用了。
人工智能熱潮
其實(shí)，類似這樣的人工智能早已悄無聲息的出現(xiàn)，并開始在某些疾病診斷領(lǐng)域的運(yùn)用中顯現(xiàn)出極大的優(yōu)勢(shì)。
早在1972年，世界上第一個(gè)計(jì)算機(jī)臨床決策支持系統(tǒng)AAPhelp就由提姆·德—多姆巴爾和蘇珊·克萊普于英國(guó)研制成功。這套系統(tǒng)使用一種樸素的貝葉斯算法來根據(jù)病人的癥狀計(jì)算出劇烈腹痛可能的原因。隨著科學(xué)家向該系統(tǒng)內(nèi)輸入的癥狀和診斷數(shù)據(jù)越來越多，它變得日益精確。到1974年，該系統(tǒng)的診斷精度已經(jīng)超過資深醫(yī)生。
在美國(guó)紐約，紀(jì)念斯隆—凱特琳癌癥中心的腫瘤學(xué)家已利用IBM“沃森”進(jìn)行輔助性診斷，人們親切地稱呼它為“沃森”醫(yī)生。它的知識(shí)涉獵范圍很廣，包括300多份醫(yī)學(xué)期刊、200余種教科書，以及美國(guó)國(guó)立綜合癌癥網(wǎng)絡(luò)（NCCN）定期更新發(fā)布的臨床指南等。
今年初，斯坦福大學(xué)研究團(tuán)隊(duì)利用深度學(xué)習(xí)技術(shù)訓(xùn)練谷歌公司開發(fā)的一項(xiàng)人工智能程序，在經(jīng)過研究人員收集的近13萬張與皮膚病變相關(guān)的圖像的集中“訓(xùn)練”后，然后再使用經(jīng)活體組織檢查確認(rèn)的高質(zhì)量病變圖像進(jìn)行測(cè)試，之后研究人員讓這款程序去分類并識(shí)別皮膚病變處屬于良性還是惡性。然后，將“接受醫(yī)學(xué)培訓(xùn)”的人工智能程序的皮膚癌識(shí)別結(jié)果與21名皮膚科醫(yī)生進(jìn)行對(duì)比，結(jié)果發(fā)現(xiàn)兩者的表現(xiàn)基本處于同一水平。
無獨(dú)有偶。就在不久前，谷歌的科學(xué)家開發(fā)出一款用來診斷乳腺癌的人工智能�？茖W(xué)家把乳腺癌的切片圖像分割成數(shù)十萬個(gè)像素小區(qū)域，每個(gè)區(qū)域可能含有數(shù)個(gè)腫瘤細(xì)胞。隨后，他們提供了許多腫瘤組織與正常組織的病理切片，供人工智能學(xué)習(xí)并掌握區(qū)分腫瘤組織與健康組織的像素級(jí)技巧。隨后，科學(xué)家請(qǐng)來病理學(xué)家與人工智能比賽“讀片”：病理學(xué)家的診斷準(zhǔn)確率為73.3%，人工智能為88.5%。
用“橫掃”來形容如今人工智能對(duì)醫(yī)學(xué)界的進(jìn)軍一點(diǎn)也不夸張。不管醫(yī)生是否愿意接受，人工智能已經(jīng)強(qiáng)勢(shì)來襲。
從“人工智能”這個(gè)詞出現(xiàn)，到如今“AI+”開始顛覆包括醫(yī)療在內(nèi)的各個(gè)領(lǐng)域，對(duì)于“人工智能將在未來的醫(yī)療領(lǐng)域發(fā)揮重要作用”這一觀點(diǎn)，人們也開始逐漸認(rèn)同。
不過，不少專家也指出，目前人工智能在醫(yī)療界仍處于從屬地位，畢竟“現(xiàn)在的人工智能只能說是‘替代已知’，學(xué)習(xí)了海量醫(yī)生們的經(jīng)驗(yàn)，還沒有自我進(jìn)化到‘替代未知’” 。
對(duì)此，Liu 也表示贊同。他認(rèn)為，此次研發(fā)的新系統(tǒng)同樣無法取代真正的醫(yī)生。因?yàn)樗惴y(cè)試所使用的視頻是在理想的燈光和攝影條件下拍攝的，所以一旦它用在真實(shí)的患者身上時(shí)，系統(tǒng)很可能沒有那么準(zhǔn)確。
盡管如此，這并不能限制該系統(tǒng)給醫(yī)學(xué)界帶來更大的改變。目前，他仍然計(jì)劃進(jìn)一步提升算法性能，并讓更多的人參與測(cè)試，看看能否進(jìn)一步提高其對(duì)疼痛的分辨能力�！�