本文介紹一名天才少女：18歲的高中生Amy Jin參加李飛飛帶領的斯坦福AI4ALL項目，過去兩年間致力于與斯坦福大學的研究人員一起將AI用于幫助醫(yī)學實踐，甚至獲得了NIPS workshop的最佳論文獎！

18歲的Amy Jin剛從高中畢業(yè)，她熱愛街舞、小提琴和英國文學。但她對計算機科學的無比熱愛使她成為飛速發(fā)展的人工智能領域的超級明星。

Amy從六年級開始就對AI產生了濃厚的興趣。當時，加州哈克中學的學生們要選擇一些具有挑戰(zhàn)性的研究項目，展示如何使用計算機程序來解決現(xiàn)實世界中的問題。

進入高中時，她對AI的熱情被點燃了。她聽到IBM的一位科學家描述沃森超級計算機如何利用AI幫助增強人類在醫(yī)學和其他領域的能力。

“這對我來說真的很吸引人，沃森可以成為醫(yī)生的第二雙眼睛。”Amy在最近的一次采訪中說道：“我認為AI是一個非常有前途的領域，和許多學科有著跨學科的聯(lián)系。”

自那以后，她成為了新一代年輕科學愛好者中的一員，正是他們在人工智能領域掀起波瀾。AI有可能在許多方面改變醫(yī)療實踐，從幫助早期疾病診斷到改善治療等等，以及確保患者在醫(yī)院和家里的安全。

Amy Jin

與斯坦福大學研究者合作開發(fā)醫(yī)療AI

在過去的兩年里，Amy與斯坦福大學的導師一起開發(fā)了一個新的軟件程序，可以測量外科醫(yī)生的技術水平。它的工作原理是“觀看”一段手術視頻，跟蹤手術過程中使用的儀器的運動和時間。在去年12月舉行的NIPS會議上，Amy和來自斯坦福大學醫(yī)學和工程學院的研究人員共同發(fā)表了這一成果，并獲得了workshop的最佳論文獎。

斯坦福大學臨床治療成效研究中心(Clinical ExcellenceResearchCenter，CERC)主任Arnold Milstein博士預測，該方法將在客觀評估臨床醫(yī)生在各種臨床活動的技能方面開辟新天地。

Milstein是這項工作的論文的合著者，他表示：“這項工作提供了一條路徑，可以根據(jù)住院醫(yī)生的學習速度來調整手術培訓的時長。并且它為更客觀的方法開辟了道路，可以定期驗證外科醫(yī)生的技能水平，或在長時間手術中需要休息時提醒外科醫(yī)生。”

這個項目是Milstein團隊與李飛飛帶領的斯坦福人工智能實驗室之間長達6年的合作關系的成果之一。科學家們正在開發(fā)各種形式的AI，以幫助確保可靠地應用醫(yī)療保健的最佳實踐。他們最初的工作重點是提高重癥監(jiān)護病房的醫(yī)護人員對患者安全規(guī)程的遵守程度，改善醫(yī)院里的手部衛(wèi)生狀況，并通過評估身體虛弱的老年人站立時的穩(wěn)定性來監(jiān)控他們在家中的健康狀況。

Milstein說，CERC的一位研究員表示，應該將這些技術應用于外科手術，“美國外科醫(yī)學委員會長期以來一直在尋找方法，希望對外科醫(yī)生的技能水平進行客觀測試。”

斯坦福普外科住院醫(yī)師、醫(yī)學博士Jeff Jopling很自然地被這個項目吸引住了，他是前CERC學者，他提出用計算機技術跟蹤外科手術。Jopling也是Amy Jin這篇AI論文的合著者。

與Amy Jin合作的Serena Yeung（左）和Jeff Jopling

1999年，美國國家醫(yī)學院發(fā)布了一份報告，報告指出，由于人類在醫(yī)療中的失誤造成了高死亡率和致殘率。此后，醫(yī)療保健中的安全問題成為關注焦點。Jopling說，臨床醫(yī)生試圖通過手術安全檢查清單等解決方案來盡量減少可預防的并發(fā)癥。

2013年，一項針對密歇根州20名肥胖治療外科醫(yī)生的研究凸顯了這個問題中缺失的一個變量：外科醫(yī)生的熟練程度。這項發(fā)表在《新英格蘭醫(yī)學雜志》上的研究表明，如果一名外科醫(yī)生表現(xiàn)出色——通過同行對外科醫(yī)生手部動作視頻的盲評來衡量——患者也會表現(xiàn)出色；如果外科醫(yī)生技術不好，病人就更有可能出現(xiàn)并發(fā)癥，需要進行重復手術或急診。

“在那之前，人們一直非常關注于改進系統(tǒng)，但這個研究表明，人類醫(yī)生及其技能也很重要，”Jopling表示。

然而，在人類醫(yī)生的培訓過程中，他們通常不能很好地了解自己的表現(xiàn)，Jopling說。

“即使我在培訓中做了1000次手術，我得到的反饋也很少，”Jopling說：“我當實習生時對此感到驚訝。我本以為這就像一項運動或音樂，教練會告訴你’這樣做，不要那樣做’。優(yōu)秀的教師能做到這一點，但不是每個人都能做到。不是每個人都能向你解釋你做得好還是做得不好。”

當Jopling在考慮新的手術項目時， Amy Jin 正忙于適應高中學業(yè)。她是華裔孩子，父母都是物理學博士，她長期以來對計算機科學很感興趣，而且是一名數(shù)學天才，但她從來沒有做過任何編程。因此，在高一時她報名參加了AP計算機科學課程，并加入了學校的女性科學、技術、工程和數(shù)學俱樂部(后來她成為俱樂部主席)。在那里，她聽說了斯坦福人工智能實驗室的拓展暑期項目有一個機會，該項目旨在吸引年輕女孩子進入科學事業(yè)。

在這個項目中，Amy和斯坦福博士生Serena Yeung搭檔，Serena Yeung是她的導師。Yeung也是中國移民的女兒，兩人分享了對科學的熱情和對幫助他人的渴望。Yeung一直對醫(yī)學很感興趣——她的父親是一名家庭醫(yī)生——但在斯坦福大學讀本科時，她意識到自己真正熱愛的是工程。她開始沉浸于人工智能，并在Facebook和谷歌實習。在尋找博士項目時，她遇到了Milstein，并被利用AI改進醫(yī)療實踐的想法所吸引。

Yeung將Amy介紹給這個組織的其中一個AI醫(yī)學項目——一項旨在控制感染傳播的手部消毒計劃，這是住院患者的一個大問題。在這個項目中，Yeung、Jopling及其同事獲準在斯坦福露西爾帕卡德兒童醫(yī)院的一個移植單元外安裝深度傳感器和熱傳感器。他們使用AI對傳感器進行編程，在有人經過傳感器時監(jiān)控他們——為了保護隱私，傳感器只能顯示出人體輪廓。

研究人員在2017年的Machine Learning for Healthcare workshop上做了報告，稱他們的算法能夠以95%以上的準確率預測人員是否正確地進行了手部清潔。

Amy對她在這個項目上的工作十分著迷，并渴望學習和做更多的事情。Yeung認為這個萌芽中的手術項目對她來說是一個完美的新機會。

“我們可以把范圍擴大到Amy可以開始的水平。” Yeung笑著說：“顯然，她的表現(xiàn)超出了我們所有人的預期。這不僅僅是一個高中的項目，真的非常棒。”

Amy旁聽了斯坦福大學計算機視覺專業(yè)的一門本科課程，學習如何訓練計算機“看”和理解視覺世界。她獨立挖掘了許多醫(yī)學和計算機科學的相關文獻，并與團隊分享。

這個項目在2016年夏天正式啟動，其挑戰(zhàn)是“教”計算機識別并跟蹤臨床醫(yī)生的手術工具路徑。這是物體檢測的一種形式，這一領域近年來發(fā)展迅速，部分原因正是由于李飛飛實驗室的貢獻。

識別數(shù)據(jù)點

該方法包括開發(fā)一種算法，當計算機被輸入數(shù)千個數(shù)據(jù)點時，算法可以教會計算機學習。隨著數(shù)據(jù)增加，計算機逐漸進行調整，直到達到精確識別物體的程度——在這種案例中，所識別的是手術工具。計算機快速消化大量數(shù)據(jù)的能力不斷增強，使這一過程成為可能。Yeung說，Amy改進了一些目標檢測技術，將其應用于外科手術。

“總的想法是，如果我們能夠在視頻中追蹤和識別儀器，我們就能更好地分析工具的使用模式和運動，”Amy說，這已經被證明是衡量和評估外科醫(yī)生技能的有效方法。

為了簡單起見，研究人員把重點放在膽囊切除手術上，因為這是一種常見的標準化手術，通常最多使用七種器械，包括大剪刀、抓鉗和剪刀。他們獲得了斯特拉斯堡大學醫(yī)院的15段手術視頻，并對大約2500個幀進行了標記，每個幀都有一個值，這樣計算機就可以建立這些工具的視覺圖像，并在手術區(qū)域內定位它們。他們使用量度來跟蹤手術工具的時間——什么工具在什么時候使用，使用了多長時間——并生成每個工具路徑的地圖。此外，他們還繪制了熱圖，顯示了這些工具在手術領域的應用范圍有多廣，因為好的外科醫(yī)生傾向于在一個集中的區(qū)域使用器械。

從圖像和統(tǒng)計數(shù)據(jù)上，研究人員能夠衡量臨床醫(yī)生表現(xiàn)的多個方面，包括他們的運動經濟性，他們在不同儀器之間來回切換的頻率，以及他們在手術每一步的效率。然后，他們讓三名斯坦福外科醫(yī)生獨立觀看這些視頻，并根據(jù)被廣泛接受的標準給這些外科醫(yī)生打分，分值從1到5。

例如，在膽囊切除手術中，有一個關鍵步驟是，臨床醫(yī)生必須夾住并剪斷向膽囊供血的膽囊動脈和負責膽汁進出的膽囊管。如果處理得當，這一步驟可以防止術中和術后出血和膽汁滲漏。如果夾子位置放錯了或松了，患者可能會出現(xiàn)破壞性的并發(fā)癥，包括膽管損傷。

一位優(yōu)秀的外科醫(yī)生可以高效地做到這一點。在一個案例中，錄像顯示了外科醫(yī)生的嫻熟技巧，剪刀和鉗子的位置都恰到好處。另一段視頻顯示，外科醫(yī)生努力將另一把鉗子放對位，然后花了一些時間來松開它。計算機不僅通過觀察工具的放置位置和路徑，而且通過觀察器械使用的時間，從而檢測技能水平的差異。

分析完成后，研究小組將結果提交給2017 NIPS的Machine Learning for Health workshop。在研討會上，這篇論文從120多份提交作品中脫穎而出，成為10個值得關注的話題之一。這是Amy第一次參加機器學習頂會，并向與會人員展示了她的作品。

當最佳論文的評選結果公布時，Amy幾乎沒有注意聽，因為她沒想到自己會認識作者。

當叫到她的名字時，她驚呆了。“我真的很驚訝，”她說，臉上露出了笑容。她立即發(fā)短信告訴Yeung和Jopling，他們說這是一個夢幻般的時刻。

Jopling稱Amy“鼓舞了我們所有人”，驚訝于一名高中生向機器學習會議提交了一篇論文，并獲得了最高獎項。

那么Amy是怎么做到的呢？“我想，這肯定是由于運氣和機遇，”她說，“不只是努力工作，因為每個人都在努力工作。”

改進工具

Jopling說，該項目的下一步是收集1000個不同外科手術的錄像。斯坦福大學的研究人員將與猶他州22家醫(yī)院系統(tǒng)的同事合作，分析視頻并改進評估工具。Jopling說，未來的工作將考慮手術病例的復雜性，例如，一些膽囊切除手術可能非常簡單，而另一些手術可能因為病人有多種疾病而更具挑戰(zhàn)性。

Amy現(xiàn)在是哈佛大學的一名大一新生。她說，經過兩年的密集接觸，她很不想和斯坦福大學的導師們說再見，但對于接下來可能發(fā)生的事情，她感到興奮，也有一點緊張。雖然她還沒有選定專業(yè)，但她正在考慮計算機科學。Yeung說，這對這個行業(yè)來說可能是一個福音。

Yeung說：“能有像Amy這樣在計算機科學方面出類拔萃的人真是太好了。”“這是AI試圖解決的問題之一——我們沒有足夠的女性從事這一領域，而且女性數(shù)量一直在下降。所以我們希望Amy能繼續(xù)在這一領域工作，為其他人樹立一個好榜樣。”