人工智慧如何識別心臟病發作
當有人在醫院外心臟驟停的時候，時間是至關重要的：生存機會每分鐘減少10%。第一步——意識到患者心臟驟停，停止跳動——對緊急電話調度員來說是一項挑戰，他們必須理解那些打來電話驚慌失措的人們傳達的癥狀。
在哥本哈根，調度員們現在有了人工智慧的幫助。如果你打電話叫救護車，一名叫做Corti的人工智慧助手將會在電話中使用語音識別軟體來轉錄談話內容，並利用機器學習技術分析背景中的單詞和其他線索，這些線索指向心臟病發作的診斷。調度員會實時收到來自機器人的提醒。
在這種情況下，調度員通常只能依靠自己的知識。「如果有問題或疑問，我們通常會在谷歌上搜索或詢問別人，」創建這一技術的初創公司的首席執行官安德烈亞斯?克利夫說。「而這些緊急調度員或多或少都是在處理我們生活中可能會遇到的最糟糕的時刻，但卻還沒有工具可以幫助他們更好的去做這件事。」
哥本哈根的受過良好訓練的調度員，可以在73%的情況下通過電話里的描述判斷出是心臟驟停的情況。但人工智慧可以做得更好。在一項早期的小規模研究中，機器學習模型知道，有95%的時間都是在報告心臟驟停。另一項分析了17萬個電話的研究將很快發表。
與其他機器學習技術一樣，Corti並不是為了尋找特定的信號而設計的。相反，它通過聽一大堆電話來識別重要的因素，然後不斷地改進它的模型，從而「訓練自己」。非語言的聲音通常很重要，而且這項技術還必須能夠在背景噪音中進行分類，比如塞壬和叫喊來識別線索。在其中一個案例中，當這家初創公司首次測試這項技術時，一名女性撥打了緊急電話，報告說她的丈夫從屋頂上摔了下來。當調度員聽著，她意識到那個人已經摔斷了背，並在救護車到來之前指示了要做什麼。但Corti分析得出，不是摔斷後背而是他的心臟停止跳動了。
「你可以在電話的後面聽到一聲巨響，」克萊夫說。受傷者氣喘吁吁，因為他的心臟沒有跳動，而人工智慧也意識到了這一規律。原來那個人因為心臟停搏而從屋頂上摔下來了。由於當時人工智慧平台處於測試階段，所以它沒有發送調度通知。這名男子沒有接受心肺復甦，救護車來的時候，已經太晚了。
有了更準確的診斷，調度員或許可以通過指導現場人員進行心肺復甦或者做好應急措施。可以想像，一些城市可以使用這種技術，用無人機來發送自動除顫器——這比救護車更快，也可以是在附近的經過心肺復甦訓練的志願者。
除了心臟驟停的癥狀外，它還試圖消除其他的錯誤，比如監聽調度員是否要找一個地址，以及救護車是否會到達正確的地址。這項技術是人工智慧如何補充而不是取代人類的一個例子。克萊夫說：「我認為這個問題很簡單。」「作為消費者和患者，我們更傾向於由機器人運行的醫療系統，還是更喜歡與人類溝通呢？」對我來說，這很明顯。我總是，尤其是在我的健康問題上，更喜歡人與人之間的接觸。但是，如果有一個使用人工智慧的支持系統，那就更完美了。」
這是一個人工智慧如何補充而不是取代人類的例子，或許與其擔心人工智慧對我們的取代，而去更多的將人工智慧應用於我們的日常生活，提高生活質量。你的身邊有哪些人工智慧的應用呢，歡迎留言討論。
TAG:心臟病 |