18歲華裔女孩聯合斯坦福開發AI評估外科手術，獲NIPS workshop最佳論文

新智元報道

作者：Ruthann Richter 編輯：肖琴

【新智元導讀】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，過去兩年間致力於與斯坦福大學的研究人員一起將AI用於幫助醫學實踐，甚至獲得了NIPS workshop的最佳論文獎！

18歲的Amy Jin剛從高中畢業，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展的人工智慧領域的超級明星。

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性的研究項目，展示如何使用計算機程序來解決現實世界中的問題。

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，沃森可以成為醫生的第二雙眼睛。」Amy在最近的一次採訪中說道：「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繫。」

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

Amy Jin

與斯坦福大學研究者合作開發醫療AI

在過去的兩年里，Amy與斯坦福大學的導師一起開發了一個新的軟體程序，可以測量外科醫生的技術水平。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學和工程學院的研究人員共同發表了這一成果，並獲得了workshop的最佳論文獎。

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

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，可以根據住院醫生的學習速度來調整手術培訓的時長。並且它為更客觀的方法開闢了道路，可以定期驗證外科醫生的技能水平，或在長時間手術中需要休息時提醒外科醫生。」

這個項目是Milstein團隊與李飛飛帶領的斯坦福人工智慧實驗室之間長達6年的合作關係的成果之一。科學家們正在開發各種形式的AI，以幫助確保可靠地應用醫療保健的最佳實踐。他們最初的工作重點是提高重症監護病房的醫護人員對患者安全規程的遵守程度，改善醫院裡的手部衛生狀況，並通過評估身體虛弱的老年人站立時的穩定性來監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於外科手術，「美國外科醫學委員會長期以來一直在尋找方法，希望對外科醫生的技能水平進行客觀測試。」

斯坦福普外科住院醫師、醫學博士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，美國國家醫學院發布了一份報告，報告指出，由於人類在醫療中的失誤造成了高死亡率和致殘率。此後，醫療保健中的安全問題成為關注焦點。Jopling說，臨床醫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併發症。

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

「在那之前，人們一直非常關注於改進系統，但這個研究表明，人類醫生及其技能也很重要，」Jopling表示。

然而，在人類醫生的培訓過程中，他們通常不能很好地了解自己的表現，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 正忙於適應高中學業。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，並加入了學校的女性科學、技術、工程和數學俱樂部(後來她成為俱樂部主席)。在那裡，她聽說了斯坦福人工智慧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。

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一直對醫學很感興趣——她的父親是一名家庭醫生——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。她開始沉浸於人工智慧，並在Facebook和谷歌實習。在尋找博士項目時，她遇到了Milstein，並被利用AI改進醫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及其同事獲准在斯坦福露西爾帕卡德兒童醫院的一個移植單元外安裝深度感測器和熱感測器。他們使用AI對感測器進行編程，在有人經過感測器時監控他們——為了保護隱私，感測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，稱他們的演算法能夠以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，並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。

「我們可以把範圍擴大到Amy可以開始的水平。」 Yeung笑著說：「顯然，她的表現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學和計算機科學的相關文獻，並與團隊分享。

這個項目在2016年夏天正式啟動，其挑戰是「教」計算機識別並跟蹤臨床醫生的手術工具路徑。這是物體檢測的一種形式，這一領域近年來發展迅速，部分原因正是由於李飛飛實驗室的貢獻。

識別數據點

該方法包括開發一種演算法，當計算機被輸入數千個數據點時，演算法可以教會計算機學習。隨著數據增加，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據的能力不斷增強，使這一過程成為可能。Yeung說，Amy改進了一些目標檢測技術，將其應用於外科手術。

「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院的15段手術視頻，並對大約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，並在手術區域內定位它們。他們使用量度來跟蹤手術工具的時間——什麼工具在什麼時候使用，使用了多長時間——並生成每個工具路徑的地圖。此外，他們還繪製了熱圖，顯示了這些工具在手術領域的應用範圍有多廣，因為好的外科醫生傾向於在一個集中的區域使用器械。

從圖像和統計數據上，研究人員能夠衡量臨床醫生表現的多個方面，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。然後，他們讓三名斯坦福外科醫生獨立觀看這些視頻，並根據被廣泛接受的標準給這些外科醫生打分，分值從1到5。

例如，在膽囊切除手術中，有一個關鍵步驟是，臨床醫生必須夾住並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後出血和膽汁滲漏。如果夾子位置放錯了或鬆了，患者可能會出現破壞性的併發症，包括膽管損傷。

一位優秀的外科醫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，外科醫生努力將另一把鉗子放對位，然後花了一些時間來鬆開它。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。

分析完成後，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，並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。她立即發簡訊告訴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」，驚訝於一名高中生向機器學習會議提交了一篇論文，並獲得了最高獎項。

那麼Amy是怎麼做到的呢？「我想，這肯定是由於運氣和機遇，」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家醫院系統的同事合作，分析視頻並改進評估工具。Jopling說，未來的工作將考慮手術病例的複雜性，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性。

Amy現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，但對於接下來可能發生的事情，她感到興奮，也有一點緊張。雖然她還沒有選定專業，但她正在考慮計算機科學。Yeung說，這對這個行業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，而且女性數量一直在下降。所以我們希望Amy能繼續在這一領域工作，為其他人樹立一個好榜樣。」

原文：

http://stanmed.stanford.edu/2018fall/young-scientist-artificial-intelligence-measures-surgeons-skill.html#

該項目的論文：

http://ai.stanford.edu/~syyeung/jin_nips_ml4h_2017.pdf

【加入社群】

新智元 AI 技術 + 產業社群招募中，歡迎對 AI 技術 + 產業落地感興趣的同學，加小助手微信號：aiera2015_2入群；通過審核後我們將邀請進群，加入社群後務必修改群備註（姓名 - 公司 - 職位；專業群審核較嚴，敬請諒解）。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！