楊淨 賈浩楠 發自 凹非寺
量子位 報道 | 公衆號 QbitAI
今天,由世界上最大的AI學會——AAAI頒發的,首屆「AI諾貝爾獎」出爐!
獲獎者是來自MIT計算機與人工智能實驗室(CSAIL)的Regina Barzilay教授。
獲獎原因是,她開發了用來早期預警乳腺癌、開發抗生素等藥物的ML模型,獲得了廣泛的認可。
明年2月,AAAI將正式爲她頒發這一獎項——AAAI Squirrel AI 獎,獎金高達100萬美元。
AAAI前任主席兼獎勵委員會主席Yolanda Gil表示:
只有世界知名的獎項,比如圖靈獎、諾貝爾獎,才會獲得百萬級別的獎金。
該獎項旨在表彰那些在AI領域工作對人類、社會産生變革性影響的人。
那麽這位首屆「AI諾貝爾獎」得主,究竟有何厲害之處?
罹患癌症:從NLP轉戰醫療AI
Regina Barzilay,MIT電機工程與計算機科學系教授、CSAIL成員。
她曾在以色列內蓋夫本古裏安大學獲得本科學位,隨後前往哥倫比亞大學攻讀計算機科學博士學位,並在康奈爾大學做了一年博士後研究。
Barzilay最早的研究領域並不是AI醫療,而主要是NLP(自然語言處理),從句法解析和破譯滅絕語言,到開發新的方法來訓練神經網絡。
她在這個領域可以說是卓有成就,多次獲ACL、EMNLP、SLT最佳論文獎,ACL、AAAI獎學金,以及美國國家科學基金會(NSF)職業獎、微軟院士獎學金。
然而2014年的一次診斷改變了她的人生軌迹:她被診斷出患有乳腺癌。
當時,Barzilay的第一反應是:“我會活下來嗎?我的兒子怎麽辦?”
但是作爲一位AI領域的科學家,Barzilay又給自己提出了第三個問題:爲什麽乳腺癌不能更早早診斷出來呢?
根據JAMA(《美國醫學會雜志》)統計,乳腺癌,作爲女性最常見的癌症之一,也是死亡人數最高的。
幸運的是,她的治療很成功。
在治療過程中,她發現醫療團隊在治療護理方面已經做得很好了。
但與此同時,在技術上可以做到的,卻連最簡單的事情都沒有解決,比如,診斷延遲、無法收集數據,以及用作診斷研究中的統計缺陷等。
也就是從那時開始,她開始關注乳腺癌早期防治醫學上來。
她創建了早期乳腺癌診斷和風險評估的算法模型,該項目已經在全球多家醫院,包括瑞典、波士頓、中國台灣地區等地方落地。
現在她正與巴西的Protea研究所等乳腺癌組織合作,爲世界各地的貧困人口提供診斷工具。
她發現,如果當時使用自己這個系統,那麽醫生至少可以提前兩三年發現她的癌症。
2018年,她正式成爲「Susan Komen」基金會學者,一個由51位專家組成,專注于乳腺癌研究的美國規模最大的乳腺癌組織。
除了將AI技術用于診斷,她也致力于開發用ML模型來研發新的藥物。
她跟合作者一起創建了用于選擇治療藥物候選分子的模型,這些模型可以加快藥物開發的速度。
很快,就在去年,她就發現了一種名爲「Halicin」的抗生素。
實驗證明,它能夠殺死致病細菌,包括很多對抗生素有抗藥性的細菌,比如,鮑曼不動杆菌(醫院感染的重要病原菌、主要引起呼吸道感染)。
並由此,獲得了2019年藥物發現和醫療保健領域的前100名AI引領者(Top 100 AI Leaders in Drug Discovery & Advanced Healthcare 2019)。
作爲J-Clinic共同負責人之一,最近專注于一個「AI Cures」的研究,這是一個跨機構的倡議,專注于開發負擔得起的Covid-19抗病毒藥物。
MIT CSAIL負責人Daniela Rus表示,
Regina一直是醫療AI領域的開拓者,她提出了關于我們如何使用機器學習來治療和診斷疾病的重要問題。
她既是一位傑出的研究者,也是一位忠實的教育者,我們CSAIL的所有人都被她的工作所鼓舞,並爲有她作爲同事而感到自豪。
乳腺癌預警准確率提高13%
最值得一提的,就是她研發的早期乳腺癌診斷預警模型。
正如今天,MIT CSAIL在社交網絡上表示,2014年她被診斷爲乳腺癌,2017年,他建立了早期診斷風險評估模型,然後在今天,成爲首屆AI諾貝爾獎得主,也主要因爲這項工作。
現在,她的這項研究——使用AI算法來判斷癌症風險,已經投入臨床了。
過去最常使用的的算法是Tyrer-Cuzick模型。
TC模型是在通用風險算法Gail上,結合了乳房造影密度和乳腺纖維腺體組織等乳腺癌風險因素的預警模型。
但是,TC模型有明顯的缺陷。因爲乳房造影密度是一個主觀概念,不同的醫師在操作時,對于機器給出的陰影密度數值會有不同的判斷。
此外,TC算法考慮的因素不夠全面,同一密度數值的患者,最終診斷結果可能完全不同。
而針對TC模型的不足,Barzilay博士和她的團隊開發了三種不同的模型。
一種是基于傳統風險因素進行判斷的邏輯回歸模型(RF-LR);將患者在進行乳房X光檢查時的風險因素映射到患者在5年內是否患癌這個結果上。
第二個是僅基于X光片圖像的深度學習模型;用PyTorch構建了一個深度卷積神經網絡ResNet。給定一個乳房的1664 X 2048像素圖片,模型會預測是否會在5年內發展成乳腺癌。
最後一種是結合RF-LR和X光片的混合模型,這也是最終投入臨床使用,准確率最高的模型。
所有模型的訓練數據,是團隊從醫療機構獲取的從2009年到2012年間,60886名患者的檢查資料。其中既包括乳腺癌確診,也有疑似乳腺癌,最後沒有確診的。
團隊還對每名提供資料的患者進行爲期5年的醫學隨訪,以確認模型的准確率。
爲了衡量模型捕獲長期未來風險的能力,需要計算每種模型的AUC(接收器工作特性曲線下的面積),以區分3–5年內患癌症的患 者和5年內未患癌症的患者。
混合模型的取得較好預測成績的一個重要原因,是判斷癌症發病率並不是僅僅按照X光片的組織致密度,而是綜合了從過往病曆中學習到經驗,包括年齡、病史、生理周期等等因素。
在臨床對比中,在已確診的乳腺癌患者中,混合模型在前期就對其中的31%作出了預警,而傳統的TC模型的有效預警僅有18%。
目前這項技術已經在新加坡、中國台灣、美國、瑞典等等多家醫院進行了測試。
第一屆AI“諾貝爾獎”
頒出這個獎項的AAAI,大家已經很熟悉了,美國人工智能協會, 是人工智能領域的主要學術組織之一。
如今AAAI已經改名成了“人工智能促進協會”(the Association for the Advance of Artificial Intelligence)。
說到這個獎項,是由國內的AI教育企業松鼠AI和AAAI聯合設置的,當然,100萬美元的獎金,也是由松鼠AI出。
其實,獎項的全名,也冠上了“AAAI和松鼠AI人工智能人類福祉獎”(AAAI SQUIRREL AI AWARD FOR ARTIFICIAL INTELLIGENCE FOR THE BENEFIT OF HUMANITY)。
這個獎項,頒給”用有意義的方式保護,增強和改善人類生活,並具有長效影響的的人工智能進展。”
評獎委員會,也是AAAI的會員、學術界大佬,其中包括深度學習三巨頭之一Bengio。
在AAAI官網上,並沒有說這是“AI諾貝爾獎”,只是去年松鼠AI與AAAI達成合作後,在國內的宣傳上,用了“AI諾貝爾獎”這個詞。
△圖源:中國網
“AI諾貝爾獎”是爲了宣傳,沒有被廣泛認可,甚至AAAI官網也沒有這麽說,但每年拿出100萬美金的真金白銀,確實沒有假。
從獲獎的Regina Barzilay博士來說,不幸罹患癌症,卻能從中發現科研課題,並且堅持用幾年時間持續研究,用AI將乳腺癌診療技術向前帶動了重要一步,也爲全世界無數女性患者,帶來了更多先期發現治療的希望。
從人道主義角度考察,Barzilay博士獲得這個獎實至名歸。
至于松鼠AI,算是用力所能及的方式爲人工智能的發展做出了努力吧~
參考鏈接:
https://news.mit.edu/2020/regina-barzilay-wins-aaai-squirrel-ai-award-artificial-intelligence-0923
https://jclinic3.wixsite.com/reginabarzilay
https://news.mit.edu/2017/mit-computer-scientist-regina-barzilay-wins-macarthur-genius-grant-1011
https://www.medsci.cn/article/show_article.do?id=a0a8180225a9
http://edu.china.com.cn/2019-05/28/content_74830081.htm
— 完 —
量子位 QbitAI · 頭條號簽約
關注我們,第一時間獲知前沿科技動態