授權(quán)轉(zhuǎn)載自公眾號(hào)數(shù)據(jù)派THU

微信ID:DatapiTHU

2017年是非?？犰诺囊荒辍ａt(yī)療人工智能發(fā)展迅速，人工智能社區(qū)也表現(xiàn)出相應(yīng)的成長(zhǎng)與創(chuàng)新。我曾做過(guò)一些預(yù)測(cè)，其中大多數(shù)都很模糊。

在技術(shù)方面，學(xué)術(shù)界決定逐步遠(yuǎn)離越來(lái)越難取得進(jìn)展的、過(guò)時(shí)的監(jiān)督學(xué)習(xí)，而轉(zhuǎn)向生成模型。2017年初，研究者們深入到語(yǔ)音合成，圖像和視頻生成，超高解析度成像和自動(dòng)著色等“恐怖谷”問(wèn)題。到年末的時(shí)候，這些任務(wù)都至少完成了一部分。

（譯者注：恐怖谷理論是由日本機(jī)器人專家森昌弘提出的關(guān)于人類對(duì)機(jī)器人和非人類物體的感覺的假設(shè)，對(duì)于那些模仿人類的機(jī)器人，仿真度越高人們?cè)接泻酶?，但是一旦與人類相像超過(guò)95%的時(shí)候，這種好感度會(huì)突然降低，越像人越反感恐懼，直至谷底，稱之為恐怖谷?？墒牵?dāng)機(jī)器人的外表和動(dòng)作和人類的相似度繼續(xù)上升的時(shí)候，人類對(duì)他們的情感反應(yīng)亦會(huì)變回正面，貼近人類與人類之間的移情作用。）

2016年末生成的圖像（https:///

abs/1612.03242），上面有可辨識(shí)的鳥類，但是像素相當(dāng)?shù)停⒋嬖谝恍┢婀值腻e(cuò)誤（例如，生成了太多的眼睛和腿等等）。

2017年末生成的圖像（https:///

abs/1710.10196）仍然存在一些小的偽影，不能完全正確地生成簡(jiǎn)單的背景。但總的來(lái)說(shuō)，我不能斷定他們并非真人。

對(duì)圖像生成的重視也意味著我們還沒看到模型上的重大突破，使其足以立即應(yīng)用于醫(yī)療領(lǐng)域。生成式對(duì)抗網(wǎng)絡(luò)（GAN）也許有助于訓(xùn)練數(shù)據(jù)的積累，同時(shí)，這些系統(tǒng)在學(xué)習(xí)數(shù)據(jù)流形邊緣方面的表現(xiàn)優(yōu)于純粹的監(jiān)督學(xué)習(xí)。但迄今為止，我還沒有見到任何它們?cè)卺t(yī)療臨床上有說(shuō)服力的用途。

超高解析度成像技術(shù)（譯者注：超高解析度成像，是一種提高影片解析度的技術(shù)。）被用作為醫(yī)學(xué)影像去噪，降低了（成像過(guò)程中所需）輻射劑量。但是，由于超高解析度成像技術(shù)對(duì)圖像的修復(fù)是基于總體統(tǒng)計(jì)的，我相當(dāng)懷疑它被用于醫(yī)療診斷中是否足夠可靠。

這篇2016年的論文（https:///abs/1609.04802）中的圖像放大后還是清晰的，并且擁有逼真的織物紋理，但是這個(gè)模式和原始的模式已經(jīng)完全不同了。這個(gè)屬性也限制了這些模型在醫(yī)療領(lǐng)域中的用處，因?yàn)椴荒鼙ＷC生成的數(shù)據(jù)能夠和真實(shí)的數(shù)據(jù)相吻合。

和醫(yī)療領(lǐng)域更關(guān)切的、研究人員們一直在談?wù)摰钠渲幸粋€(gè)問(wèn)題是可解釋性（在我看來(lái)，這個(gè)問(wèn)題雖然重要，但是其重要性被夸大了，我將會(huì)在之后的博客中談?wù)撨@個(gè)話題），另一個(gè)最近在討論的問(wèn)題是實(shí)驗(yàn)設(shè)計(jì)和分析的嚴(yán)謹(jǐn)性。這兩個(gè)主題都是目前醫(yī)療應(yīng)用中的痛點(diǎn)，而后者將需要大量的工作來(lái)彌合醫(yī)學(xué)和機(jī)器學(xué)習(xí)社區(qū)之間的文化鴻溝。

撇開對(duì)應(yīng)用研究的關(guān)注，雖然速度很慢，大多數(shù)人還沒有注意到，但是2017年是AI開始帶來(lái)變革的一年。在商業(yè)和消費(fèi)者層面，人工智能應(yīng)用出現(xiàn)了爆炸性增長(zhǎng)，最值得一提的是智能音箱和語(yǔ)音助手。同時(shí)，還有更多用于像農(nóng)業(yè)（https:///s/ai-for-good/why-farmers-are-turning-to-ai-to-boost-yields-379744fa25f3）這樣的傳統(tǒng)領(lǐng)域的應(yīng)用。

當(dāng)然，雖然似乎沒人注意到（https:///cars/2017/12/driverless-cars-became-a-reality-in-2017-and-hardly-anyone-noticed/），2017年11月7日是4級(jí)自動(dòng)駕駛功能（譯者注：4級(jí)自動(dòng)駕駛功能是在限定的道路和環(huán)境條件下，車輛可以完成絕大部分駕駛操作。智能駕駛技術(shù)一共分為5級(jí)，5級(jí)是全環(huán)境下的自動(dòng)駕駛。）實(shí)現(xiàn)（https://www./watch?v=aaOB-ErYq6Y）的日子。這是一個(gè)巨大的分水嶺，也是第一個(gè)由人工智能引起的大規(guī)模全行業(yè)瓦解的開端。

2017年，我們社區(qū)也開始向內(nèi)審視，使工作更加井然有序。我們不僅看到了算法歧視（譯者注：算法歧視，是指在遭遇兩難選擇時(shí)，用算法決定選擇犧牲哪一方的利益；

https://www./s/608986/forget-killer-robotsbias-is-the-real-ai-danger/），同時(shí)，無(wú)論是好是壞（https:///@cody.marie.wild/fair-and-balanced-thoughts-on-bias-in-probabilistic-modeling-2ffdbd8a880f），我們也看到更多人性上的弱點(diǎn)（https:///@kristianlum/statistics-we-have-a-problem-304638dc5de5）。

在這里我并不想對(duì)文化評(píng)論太多，主要是因?yàn)樯頌橐粋€(gè)澳大利亞人，從地理位置上而言我遠(yuǎn)離大部分機(jī)器學(xué)習(xí)社區(qū)，但有些問(wèn)題還是需要開誠(chéng)布公。上一個(gè)月我們發(fā)現(xiàn)了一起學(xué)科內(nèi)部的性騷擾事件（譯者注：指的是12月發(fā)生的NIPS大會(huì)性騷擾事件），雖然我們還是得等待，看看相關(guān)部門是否會(huì)跟進(jìn)，但它所引起的反響還是相當(dāng)強(qiáng)烈的。他們會(huì)努力推進(jìn)文化變革嗎，還是只說(shuō)不做呢？

在機(jī)器學(xué)習(xí)社區(qū)內(nèi)，這并非一起孤立事件（至少醫(yī)療領(lǐng)域有相同的問(wèn)題（http://www./doi/full/10.1056/NEJMp1715962#t=article）），這要求我們每個(gè)人不僅僅要做到“體面”，還要樹立更高的道德標(biāo)準(zhǔn)。討論至今還集中于幾個(gè)壞蛋身上，但我希望我們所有人都仔細(xì)思考這樣一個(gè)事實(shí)：各級(jí)別的社區(qū)已經(jīng)容忍這些研究者的行為很久了。正如一位澳大利亞最高軍事領(lǐng)導(dǎo)人曾經(jīng)說(shuō)過(guò)的，“你能坦然路過(guò)的標(biāo)準(zhǔn)就是你所接受的標(biāo)準(zhǔn)?！?/p>

視頻觀看網(wǎng)址：

https://www./watch?v=QaqpoeVgr8U&feature=youtu.be

不要因?yàn)槌鎏幎械绞@是我所看到的來(lái)自于機(jī)構(gòu)的關(guān)于騷擾和包容的最強(qiáng)有力的信息之一。觀察、傾聽、付諸實(shí)踐。

我們可以做得更好，我希望我們作為社區(qū)的成員，能夠更加積極主動(dòng)地打擊行業(yè)中各種形式的騷擾和偏見。

所以，這就是2017。緊隨快速概覽之后，讓我們來(lái)看看，之前我是如何預(yù)測(cè)這一年的。

去年大約這個(gè)時(shí)候，我對(duì)2017年醫(yī)療人工智能的發(fā)展做了一系列預(yù)測(cè)（https://lukeoakdenrayner./2016/12/31/predicting-medical-ai-in-2017/），現(xiàn)在是時(shí)候回頭看看這些預(yù)測(cè)是如何一步步實(shí)現(xiàn)的了。

如果你沒有讀過(guò)那篇博客，這里（https://lukeoakdenrayner./2016/12/27/the-three-phases-of-medical-ai-trials/）我將人工智能在醫(yī)療領(lǐng)域的發(fā)展分為3個(gè)階段。我并不認(rèn)為這種分類是看待人工智能研究的理想辦法，但用來(lái)分析問(wèn)題的效果還是不錯(cuò)的。

第一階段的研究是概念驗(yàn)證。使用典型的、通常與臨床實(shí)踐有很好的相關(guān)性的小型數(shù)據(jù)集。在藥物領(lǐng)域，成功的第一階段試驗(yàn)只有10%的概率能夠轉(zhuǎn)化成產(chǎn)品，平均花費(fèi)8年時(shí)間才能進(jìn)入市場(chǎng)。

第二階段的研究更為嚴(yán)謹(jǐn)。使用大型的數(shù)據(jù)集，將模型與一些合理的基線進(jìn)行比較，并在更廣泛的場(chǎng)景中呈現(xiàn)可信的結(jié)果。這些研究耗時(shí)且執(zhí)行難度很大。我們?cè)?016年進(jìn)行了獨(dú)立的第二階段試驗(yàn)，促成了谷歌視網(wǎng)膜病變?cè)u(píng)估的論文（https:///journals/jama/fullarticle/2588763）的發(fā)表，每?jī)善┛臀叶紩?huì)提到這件事一次。

第三階段的試驗(yàn)才是真正的工作。在一個(gè)大型隨機(jī)對(duì)照試驗(yàn)中，人工智能系統(tǒng)被用作實(shí)踐工具。這涉及到第二階段沒有回答的主要問(wèn)題：我們?nèi)绾卧趯?shí)踐中使用接近人類水平或超過(guò)人類水平的人工智能系統(tǒng)呢？其實(shí)如何將超人的人工智能系統(tǒng)安全有效地納入到臨床工作流程中目前仍未清晰，再提一次，我在另一篇博客中描繪了未來(lái)的圖景。

我曾經(jīng)預(yù)測(cè)過(guò)，2017年期間，醫(yī)療人工智能的研究（定義為醫(yī)療數(shù)據(jù)的深度學(xué)習(xí)）數(shù)量至少增加一倍。這個(gè)預(yù)言似乎已經(jīng)實(shí)現(xiàn)了。和去年的方法一樣，我使用谷歌學(xué)術(shù)搜索的結(jié)果，估算周期為6個(gè)月。雖然這是個(gè)非常粗略的數(shù)字（會(huì)議月份出現(xiàn)了巨大的異常值，谷歌學(xué)術(shù)搜索也不是真正的權(quán)威來(lái)源），但它至少保持了一致性。

2016年：每月5-10個(gè)試驗(yàn)（接近5）

2017年：每月10-20個(gè)試驗(yàn)（大概15個(gè)左右）

在文獻(xiàn)方面的另一個(gè)重大變化就是大量的期刊社論、綜述文章和關(guān)于深度學(xué)習(xí)的地位陳述方面的文章數(shù)量激增。老實(shí)說(shuō)，幾乎每個(gè)月都有實(shí)際的研究論文發(fā)表！我在2017年的“其他雜項(xiàng)預(yù)測(cè)”（第3條）中提到了這個(gè)情況，但它的規(guī)模之大卻讓我大吃一驚。

雖然我們可以調(diào)侃，更多的人是在談?wù)撋疃葘W(xué)習(xí)，而不是真正在做深度學(xué)習(xí)，但我更愿意用積極的眼光看待這一問(wèn)題。2017年是醫(yī)生開始認(rèn)真對(duì)待人工智能的一年。各種專家會(huì)議、大型和小型期刊、時(shí)事通訊、大型圓桌會(huì)議、工作小組和治理機(jī)構(gòu)都在討論人工智能。雖然仍能聽到很多反對(duì)的聲音，但是感覺經(jīng)歷了過(guò)去12個(gè)月的討論之后，人工智能好像出現(xiàn)了轉(zhuǎn)機(jī)，成為了主流醫(yī)學(xué)時(shí)代潮流的一部分。

分值

我雖然準(zhǔn)確地預(yù)測(cè)到了這一點(diǎn)，但很可能低估了大量對(duì)人工智能的非研究性的討論的傳播所造成的影響。

我預(yù)測(cè)人工智能在2017年，將會(huì)有3-5個(gè)第二階段的醫(yī)學(xué)試驗(yàn)，主要來(lái)自于既有的集團(tuán)。

這一年以斯坦福大學(xué)關(guān)于皮膚病的論文（https://www./articles/nature21056）在1月份《自然》雜志的出版這一“大爆炸”為開端。

但是后來(lái)很長(zhǎng)時(shí)間又歸于沉寂，今年大部分時(shí)間都沒有再出現(xiàn)大規(guī)模的令人信服的試驗(yàn)。

但是隨著年末臨近，每個(gè)人似乎都在忙于發(fā)表研究成果。這些研究的大多數(shù)成果都有一些不足的地方，或者結(jié)論平淡無(wú)奇，或者說(shuō)法夸張，但是他們都可能有資格作為第二階段的研究。這實(shí)際上也是我預(yù)測(cè)到的一個(gè)問(wèn)題；我并沒有明確地定義第二階段，只給了幾種可能的解釋。在新的一年里，我將會(huì)討論一些方法來(lái)更好地評(píng)估第二階段的研究質(zhì)量，其實(shí)我真正想問(wèn)的問(wèn)題是：“是否有一個(gè)能夠產(chǎn)生可信的結(jié)果的大型數(shù)據(jù)集”？

最有說(shuō)服力的研究（https:///journals/jama/article-abstract/2665774）來(lái)自于從病理切片中識(shí)別乳腺癌淋巴結(jié)轉(zhuǎn)移的大型競(jìng)賽（https://camelyon16./）。我以前談?wù)撨^(guò)這個(gè)任務(wù)，它很酷也很重要。這篇論文匯集了多個(gè)參與者的成果，并與表現(xiàn)良好的人類基線做過(guò)比較。我們以后再來(lái)討論這項(xiàng)研究，現(xiàn)在只想公平地說(shuō)，這項(xiàng)工作的重要性可以與谷歌視網(wǎng)膜病變的論文相提并論。

接下來(lái)兩個(gè)高質(zhì)量的研究分別是“用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行心臟病專家級(jí)的心律不齊檢測(cè)（Cardiologist Level Arrhythmia Detection Using Neural Networks，https:///abs/1707.01836）”；和“肌肉骨骼影像學(xué)醫(yī)師級(jí)的水平異常檢測(cè)（MURA Dataset: Towards Radiologist-Level Abnormality Detection in Musculoskeletal Radiographs, https:///abs/1712.06957）”，有趣的是，它們都是來(lái)自于斯坦福的機(jī)器學(xué)習(xí)小組。我認(rèn)為這兩項(xiàng)研究是第二階段“中等質(zhì)量”的研究，因?yàn)殡m然能夠讓我們?cè)谝欢ǔ潭壬贤茢喑隹尚诺慕Y(jié)果來(lái)，但是直接的臨床影響并不十分清楚。

 如果你忽略一些要求的話，包括檢測(cè)腦出血（https:///abs/1710.04934），肺炎（https:///abs/1711.05225），髖部骨折（順便說(shuō)一下，這是我的團(tuán)隊(duì)做的，https:///abs/1711.06504），各種腦病理學(xué)（https:///abs/1711.09313）和一個(gè)骨齡評(píng)估的競(jìng)賽（http://rsnachallenges./

competitions/4#learn_the_details-news）在內(nèi)，憑借大型訓(xùn)練集而被分為第二階段的其他的實(shí)驗(yàn)結(jié)果至少都通過(guò)了吸氣測(cè)試（sniff test）。但是這些研究和臨床實(shí)踐之間的直接關(guān)系是相當(dāng)不確定的。

分值

我們看到這個(gè)類別中有3到5項(xiàng)研究任務(wù)，數(shù)量不是很確切。我們有3個(gè)中等質(zhì)量或更高質(zhì)量的第二階段實(shí)驗(yàn)，另外還有6項(xiàng)實(shí)驗(yàn)也可以算作第二階段，但是有一些局限性。

如果我們以谷歌視網(wǎng)膜病變的論文作為衡量標(biāo)準(zhǔn)，那么今年就只有1篇論文了。如果我們對(duì)第二階段有一個(gè)更寬松的定義，可能會(huì)有多達(dá)8篇。我打算給自己的預(yù)測(cè)一個(gè)實(shí)實(shí)在在的B+的成績(jī)，但有一個(gè)限制條件：任何關(guān)于這個(gè)類別的未來(lái)預(yù)測(cè)都需要更加具體的內(nèi)容。

我還預(yù)測(cè)到大多數(shù)研究工作將來(lái)自既定的集團(tuán)，而不是大學(xué)或初創(chuàng)公司，然而在這點(diǎn)上我卻預(yù)測(cè)錯(cuò)了。實(shí)際上是大學(xué)和初創(chuàng)公司的混合體，但沒有集團(tuán)性的突破。

2016年，我們沒有第三階段的實(shí)驗(yàn)。

2017年，我預(yù)測(cè)不會(huì)有第三階段的實(shí)驗(yàn)。

2017年，我們沒有第三階段的實(shí)驗(yàn)。

分值

這個(gè)階段我預(yù)測(cè)對(duì)了，原因很明顯是由于臨床試驗(yàn)的困難、昂貴和耗時(shí)。

我對(duì)2017年還做了其他一些預(yù)測(cè)，其中有部分被證偽了。

1.AR/VR和3D打印不會(huì)有多大效果：是的，是真的。這些的確是很酷的技術(shù)，但在我看來(lái)沒有明顯的醫(yī)療用途。我看過(guò)很多是噱頭的東西。也許3D打印骨骼支架和器官移植將是一個(gè)大的應(yīng)用，但是如果要應(yīng)用到臨床上似乎還有很長(zhǎng)的路要走。

2.1000美元以下的基因組：取決于你找誰(shuí)報(bào)價(jià)。最低報(bào)價(jià)可到450美元。

但如果我們以genome.gov公布的數(shù)據(jù)為依據(jù)的話（這確實(shí)是報(bào)價(jià)的依據(jù)），我就真的預(yù)測(cè)錯(cuò)了。價(jià)格仍然在1000美元左右。

3.生物技術(shù)的發(fā)展將勢(shì)如破竹：這不是一個(gè)被證偽的預(yù)測(cè)命題，實(shí)際上從理念上說(shuō)是正確的。基因療法已經(jīng)獲得美國(guó)食品藥物管理局(FDA)的批準(zhǔn)（https://cen./articles/95/web/2017/12/First-gene-therapy-genetic-disease.html），而且在今年年底，我們看到歷經(jīng)幾十年的發(fā)展，這項(xiàng)技術(shù)已經(jīng)趨于成熟，達(dá)到真正的分界點(diǎn)。嚴(yán)肅期刊近期發(fā)表了許多遺傳疾病的單劑量療法，包括腎上腺腦白質(zhì)營(yíng)養(yǎng)不良（adrenoleukodystrophy，http://www.nejm.

org/doi/full/10.1056/NEJMoa1700554）、A型血友病（haemophilia A，http://www./

doi/10.1056/NEJMoa1708483）和脊髓性肌萎縮

（spinal muscular atrophy，http://www.nejm.

org/doi/full/10.1056/NEJMoa1706198）。這可能是醫(yī)學(xué)史上最令人興奮的消息，遠(yuǎn)比人工智能更令人興奮。安全有效的基因療法將在許多方面成為游戲規(guī)則的改變者，而不僅僅是在罕見的遺傳病條件下。

4.醫(yī)療應(yīng)用程序：今年的大新聞是，大多數(shù)的醫(yī)療應(yīng)用程序，只要不提供實(shí)際的醫(yī)療建議或醫(yī)療數(shù)據(jù)分析，就不再需要FDA的審查了。所以節(jié)食記錄、運(yùn)動(dòng)監(jiān)測(cè)，服藥提醒，諸如此類的應(yīng)用程序都可以直接向公眾銷售，而無(wú)需監(jiān)管部門的批準(zhǔn)。這個(gè)規(guī)定將在2018年產(chǎn)生很大的影響，但是我對(duì)健康應(yīng)用程序了解甚少，所以無(wú)法用來(lái)評(píng)判我的預(yù)測(cè)。一般信息類的應(yīng)用程序例如Epocrates和MDCalc的下載量很大，再比如，F(xiàn)itbit及類似這樣的應(yīng)用程序也很流行，但是這些應(yīng)用并沒有讓我感到興奮。因?yàn)檫@些應(yīng)用是不能顯著改善健康狀況的。也許更具有針對(duì)性的應(yīng)用或服務(wù)，例如糖尿病管理平臺(tái)（Livongo,https://www.ncbi.h

.gov/pmc/articles/PMC5527250/）或奧巴馬醫(yī)療（https:///2017/11/how-digital-health-care-can-help-prevent-chronic-diseases-like-diabetes）更有實(shí)際效果。我對(duì)自己有關(guān)醫(yī)療應(yīng)用程序方面的知識(shí)并不自信。如果有人知道很多關(guān)于這方面的知識(shí)，歡迎寫信告訴我。

分值

不知道該得多少分，也許再得一個(gè)B+？

總分

兩個(gè)A，兩個(gè)B？ 好吧，我認(rèn)為這個(gè)分?jǐn)?shù)已經(jīng)很好了。

來(lái)到這里，我們已經(jīng)簡(jiǎn)單回顧了2017年醫(yī)療（和其他）人工智能世界。我認(rèn)為我的預(yù)測(cè)相當(dāng)準(zhǔn)確。技術(shù)如此之新，改變?nèi)绱酥徛?，因此可預(yù)測(cè)性會(huì)更高。我預(yù)測(cè)明年將是更具爆發(fā)性的一年，而且可能將更加難以進(jìn)行預(yù)測(cè)。

順便提一句，如果有時(shí)間的話，我認(rèn)為這種年度總結(jié)和預(yù)測(cè)既有趣又很值得一做。我做了這件事后，加深了對(duì)這個(gè)行業(yè)的理解，提高了對(duì)未來(lái)一年的研究重點(diǎn)的認(rèn)識(shí)，研究什么可能有用而研究什么可能沒多大用。

同樣的知名人士Miles Brundage 也做了預(yù)測(cè)，預(yù)測(cè)的內(nèi)容主要圍繞著強(qiáng)化學(xué)習(xí)(RL)和自然語(yǔ)言處理(NLP)技術(shù)方面，我急切的等待他跟進(jìn)2017嚴(yán)謹(jǐn)?shù)念A(yù)測(cè)（http://www./blog-posts/my-ai-forecasts-past-present-and-future-main-post）。

幾周內(nèi)寫一篇關(guān)于我對(duì)2017的預(yù)測(cè)表現(xiàn)如何(還有一段時(shí)間來(lái)證明我是正確/錯(cuò)誤) 的博客會(huì)有問(wèn)題, 但我認(rèn)為評(píng)價(jià)我的預(yù)測(cè)的布萊爾分?jǐn)?shù)（Brier score）將會(huì)是 ~. 45 +/-1... 取決于你如何解決某些問(wèn)題。

— Miles Brundage (@Miles_Brundage) 2017年12月18日

我去除了所有的統(tǒng)計(jì)學(xué)，他用布萊爾分?jǐn)?shù)評(píng)價(jià)，而我用模糊的“氛圍”評(píng)價(jià)。

無(wú)論如何，感謝您閱讀我在2017年寫的文章，我期待著您來(lái)年閱讀我對(duì)2018年的預(yù)測(cè)。

原文鏈接：

https://lukeoakdenrayner./2017/12/27/2017-in-review-progress-problems-and-predictions/