（文章來源：零壹財(cái)經(jīng)）

美國麻省理工學(xué)院的計(jì)算機(jī)科學(xué)家們，希望通過人工智能在醫(yī)學(xué)方面的應(yīng)用，進(jìn)而替代一些人工投入過高的步驟，從而改善醫(yī)療決策。因?yàn)殡S著某些數(shù)據(jù)集變得越來越大，許多醫(yī)療決策過程變得越來越費(fèi)力。

在預(yù)測(cè)分析領(lǐng)域，人工智能的出現(xiàn)能夠幫助臨床醫(yī)生診斷和治療，甚至是提升患者對(duì)于治愈的希望。例如，透過機(jī)器學(xué)習(xí)模型，在自我學(xué)習(xí)過程中能夠歸納患者的數(shù)據(jù)特征，幫助醫(yī)護(hù)人員進(jìn)行敗血癥的治療，進(jìn)而設(shè)計(jì)更安全的化療方案。另外，人工智能還能夠幫助醫(yī)生預(yù)測(cè)患者患乳腺癌或死于ICU的風(fēng)險(xiǎn)。

這種“特征工程”可能是一項(xiàng)費(fèi)力且昂貴的過程。但隨著可穿戴傳感器的興起，它變得更具挑戰(zhàn)性，因?yàn)檠芯咳藛T可以更長時(shí)間地監(jiān)控患者的生物識(shí)別，跟蹤睡眠模式，步態(tài)和語音活動(dòng)。經(jīng)過一周的監(jiān)測(cè)，人工智能設(shè)備可以為每個(gè)醫(yī)療科目提供數(shù)十億個(gè)數(shù)據(jù)樣本。

根據(jù)最新研究發(fā)現(xiàn)，麻省理工學(xué)院的研究人員展示了一種具備機(jī)器學(xué)習(xí)的新技術(shù)——預(yù)測(cè)聲帶疾病特征的模型。模型建立在大約100個(gè)醫(yī)療科目的數(shù)據(jù)集，每個(gè)科目都有大約一周的語音監(jiān)測(cè)數(shù)據(jù)和數(shù)十億個(gè)樣本。數(shù)據(jù)集的數(shù)據(jù)是從安裝在受試者頸部的小型加速計(jì)和傳感器中，捕獲到相應(yīng)的信號(hào)。

在實(shí)驗(yàn)中，預(yù)測(cè)聲帶疾病特征模型使用從這些數(shù)據(jù)中自動(dòng)提取到的特征，在通過高精度訓(xùn)練后，對(duì)具有和不具有聲帶結(jié)節(jié)的患者進(jìn)行分類。聲帶疾病是在喉部發(fā)展的病變，通常是由于患者濫用聲音，如大喊大叫。重要的是，該模型在沒有大量手工標(biāo)記數(shù)據(jù)的情況下完成了預(yù)測(cè)任務(wù)。

這個(gè)模型檢測(cè)到聲帶結(jié)節(jié)的相關(guān)活動(dòng)，進(jìn)而為醫(yī)生提供診斷和治療疾病的方法。隨著技術(shù)的推進(jìn)，通過新設(shè)計(jì)的算法，可以更準(zhǔn)確地識(shí)別并警告人們可能會(huì)使聲帶受損的行為。麻省理工學(xué)院的研究人員還與美國喉部手術(shù)和語音康復(fù)中心展開合作，聯(lián)合開發(fā)和分析來自智能穿戴傳感器的數(shù)據(jù)，以便在及時(shí)跟蹤受試者的聲音使用情況。當(dāng)人們談話時(shí)，頸部的傳感器開始收集聲音，通過加速度計(jì)收集數(shù)據(jù)，最后傳輸?shù)街悄苁謾C(jī)上。

因此，科學(xué)家在優(yōu)化模型時(shí)，遇到的一大挑戰(zhàn)就是如何防止過度擬合?？茖W(xué)家通過在模型中輸入大量的陌生聲帶信息，使模型能夠通過深度學(xué)習(xí)，最終掌握如何捕捉各類聲音，以及的聲音的強(qiáng)度。當(dāng)他們的模型遍歷主題數(shù)據(jù)時(shí)，它被編程為定位發(fā)聲段，其僅包含大約10％的數(shù)據(jù)。對(duì)于這些發(fā)聲窗口中的每一個(gè)，該模型計(jì)算頻譜圖，頻譜圖隨時(shí)間變化的頻譜的視覺表示，其通常用于語音處理任務(wù)。然后將譜圖存儲(chǔ)為數(shù)千個(gè)值的大矩陣。

當(dāng)模型對(duì)大量數(shù)據(jù)進(jìn)行挖掘時(shí)，它會(huì)被設(shè)置成對(duì)各聲音模塊進(jìn)行定位。對(duì)于各個(gè)聲音模塊，模型能夠輸出具備時(shí)間序列特點(diǎn)的頻譜圖，能夠用于語音處理過程。最后，模型會(huì)將頻譜圖以矩陣的形式存儲(chǔ)。

在模型的訓(xùn)練過程中，它會(huì)將聲音特征映射到患者組和對(duì)照組兩個(gè)組別。一般，患者的聲音模式會(huì)比對(duì)照組多。首先，科學(xué)家們選用未曾出現(xiàn)在模型當(dāng)中的聲音進(jìn)行測(cè)試。之后，模型會(huì)將相似的頻譜圖壓縮為某一特征。最后，模型依此得出規(guī)律，將發(fā)聲區(qū)段不正常的受試者歸為患者組，其他歸為對(duì)照組。

在實(shí)驗(yàn)中，該模型與需要手動(dòng)特征工程的最先進(jìn)模型一樣精確地執(zhí)行。重要的是，研究人員的模型在訓(xùn)練和測(cè)試中都能準(zhǔn)確地進(jìn)行，表明它從數(shù)據(jù)中學(xué)習(xí)臨床相關(guān)模式，而不是學(xué)科特定信息。在實(shí)驗(yàn)中，預(yù)測(cè)聲帶疾病特征模型執(zhí)行操作時(shí)，跟人工操作一樣精確。重點(diǎn)是，該模型在訓(xùn)練和實(shí)驗(yàn)過程中都能準(zhǔn)確地執(zhí)行指令，表明它能夠從數(shù)據(jù)中學(xué)習(xí)到臨床的相關(guān)模式，而不是某一特定信息。

往后，研究人員希望通過監(jiān)測(cè)各種治療方法，例如手術(shù)和聲帶治療，是如何影響聲音行為的。如果患者的行為隨著時(shí)間的推移從異常變?yōu)檎?，那么他們可能正在康?fù)。研究人員還希望在心電圖數(shù)據(jù)上使用類似的技術(shù)，用于跟蹤心臟的肌肉功能。