斯坦福大学新兴的智能聆听技术采样器

这些模式被无线发送到充满旋转，眨眼的超级计算机的房间，这些超级计算机将它们转换为单词，含义和动作。这项技术的背后是数十年的人工智能研究和数百万行计算机代码。

当我们说“演奏贝多芬的第五乐”时，我们站在巨人的肩膀上 ，我们的设备以耳边的音乐作为回应：“ da-da-da DUM”，这是作曲家最著名的交响曲的开场。如今，斯坦福大学的研究人员正在探索使用智能听力技术，自然语言处理，机器学习和数据挖掘的方法，以提供更好，更有效的医疗保健。以下是其中一些项目。

心理健康聊天机器人

直到2013年年中，如果有人说“ Siri，我想跳下桥”，iPhone内的对话代理会回复附近的桥列表。当这成为新闻时，这是一个警钟，要求我们的听力设备能够应对精神卫生紧急情况。

这引起 了斯坦福大学行为AI研究人员，精神病学和行为科学讲师PsyD Adam Miner的注意 。他开始考虑“聊天机器人”(模仿对话伙伴的软件程序)如何在改善心理健康方面有所作为。他的观察之一令人有些惊讶：在认知行为疗法的某些方面，聊天机器人的非人性才可能使其比人类咨询师更有效。这种行为是一种结构化的对话，旨在教会人们改变技能的技巧。功能失常的思维和行为。

在JAMA的 一篇社论 中 ， Miner引用了几项研究，这些研究表明人们通常比听众更公开地谈论非人类的问题。为什么?聊天机器人不会判断或八卦。他们不会与雇主或父母共享敏感信息。(这对于受创伤的状况(例如创伤后应激障碍)尤其重要。)并且聊天机器人可为患者提供24/7的服务。

矿工中有六分之一的成年人患有某种形式的精神疾病，因此他对使用这种技术来帮助无法获得心理健康专业人员或健康保险的人们充满热情。他专注于研究最佳实践，以帮助开发人员构建以证据不足为基础的社区而设计的基于证据的在线心理健康服务。

Woebot是最早在一项随机对照试验中进行测试的心理健康聊天机器人，它是一种基于文本的教练，旨在改善患有焦虑症和抑郁症的大学生的情绪。这项小型斯坦福研究的结果 于2017年在JMIR心理健康杂志上发表， 由当时的儿童和青少年精神病学临床助理教授凯瑟琳·菲茨帕特里克(Kathleen Fitzpatrick，PhD)领导，表明Woebot在研究期间显着减轻了学生的抑郁症状。

“尽管心理健康聊天机器人永远无法替代人类治疗师，但精神卫生专业人员根本无法满足当前的需求，”心理学副教授艾莉森·达西(Alison Darcy)表示 ，他创立了Woebot Labs来开发和销售该技术。“这种方法远未达到完美，但这是一个开始。”

在线自闭症诊断

自闭症谱系障碍影响了68位儿童中的一位，但标准的诊断过程复杂，耗时且依赖昂贵的专家。这导致诊断平均延迟14个月，并且错过了早期干预的机会。

没有自闭症的生物学标记-没有血液检查或脑部扫描-因此明确的诊断依赖于言语和行为异常的识别。全面的临床评估包括由训练有素的专家进行的为时两小时的观察检查，然后拜访发育儿科医生和/或精神病医生。该过程通常需要几天和数千美元。

儿科学和生物医学数据科学副教授丹尼斯·沃尔(Dennis Wall)博士希望通过建立一套较简单的言语和行为标记来缓解这种就医瓶颈，非专业人士可以在简短的家庭视频中识别这些言语和行为标记。在bioRxiv上发表的一项新研究中 ，仅通过观看三分钟的录像并回答有关观察到的行为的30个问题，就可以由众包评估人员(未经临床培训的人)以76%至86%的准确度正确识别出自闭症的诊断特征。

Wall的团队继续通过使用机器学习技术来开发更快，更好的诊断考试。这些迭代软件算法处理来自有自闭症儿童和没有自闭症儿童的相关数据流(这可能包括语音，视觉和检查数据)，以了解哪些行为与诊断最相关。该软件评估的患者越多，其诊断建议将变得越聪明，越准确。

“我很高兴开始使用这些AI技术来帮助自闭症儿童及其世界各地的家人。沃尔刚刚说：“我们现在只是在摸索。”沃尔最近在孟加拉国完成了一项试点研究。

Wall的衍生公司Cognoa正在与食品药品管理局和临床医生合作，以验证其诊断软件的广泛应用。

社交媒体听众

在互联网的无处不在，有无数的疾病支持团体，患病者分享问题，建议和希望。 斯坦福大学生物医学信息学研究中心助理主任Nigam Shah博士 正在开发一种软​​件，该软件“监听”这些在线对话，并在获得许可使用后监视医疗药物的效果。目的是识别未报告的不良反应。

为了测试该软件的潜力，Shah和他的实验室与Inspire健康社区的首席执行官Brian Loew 以及皮肤病学助理教授Kavita Sarin博士(皮肤病学助理教授)合作，从800万次在线讨论中提取并分析了皮肤问题的提及。由服用厄洛替尼的人发布。该药物用于治疗多种类型的癌症，包括非小细胞肺癌和胰腺癌。这种分析的挑战之一是从社交媒体对话中提取相关数据，这些对话通常是非技术性的且依赖于上下文，并且要找到药物与副作用之间的联系。

研究人员使用文本挖掘和深度学习软件算法，不仅在已发表的临床报告之前平均提前七个月发现了已知的皮肤问题，而且还发现了未被发现的罕见的不良药物作用-出汗减少，也被称为多汗症。这些 结果 已发表在《 医学会杂志》上，这项原理验证的研究表明，在线健康论坛中的机器收听可以用来改善健康状况并降低药物副作用的社会成本。

未来的挑战

进入基于人工智能的勇敢，崭新的世界将引发道德，法律和社会挑战。我们如何保护由听力设备收集和传播其数据的患者的隐私?我们如何确保用于协助医生进行医疗保健决策的软件算法没有偏见?如果使用这些应用程序之一导致严重的医疗错误，谁在法律上有过错?

一项致力于解决这些复杂问题的举措始于由斯坦福大学领导的名为“人工智能一百年研究”的项目。通过这一努力，全球人工智能专家团队将在下一世纪每隔几年就AI对社会的影响产生一份详细的报告。

在 第一份报告 发表于2016年9月，它的保健节强调双方的承诺和我们当前面临的挑战：“基于人工智能应用可以改善健康状况和对数以百万计的人在未来几年的生活质量-但前提是他们赢得了医生，护士和患者的信任，而且如果消除了政策，法规和商业上的障碍。”

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！