談話要點(diǎn)如下。

為了清楚和長(zhǎng)度，下面的問(wèn)題和答案已經(jīng)過(guò)編輯。

個(gè)性化醫(yī)療時(shí)代似乎總是指日可待，但對(duì)大眾而言卻從未完全到來(lái)。您能解釋一下“個(gè)性化醫(yī)療”的含義以及實(shí)現(xiàn)它需要什么嗎？

個(gè)性化醫(yī)療，也稱為醫(yī)療，是指針對(duì)特定個(gè)體精心定制的醫(yī)療療法、預(yù)測(cè)甚至預(yù)防措施。它已經(jīng)存在了很長(zhǎng)一段時(shí)間，但不是很廣泛。已經(jīng)存在近二十年的醫(yī)療的一個(gè)早期例子是乳腺癌，患者接受基于特定基因表達(dá)的化療。事實(shí)上，對(duì)癌細(xì)胞進(jìn)行基因分型以確定某種化學(xué)療法是否有效是當(dāng)今個(gè)性化醫(yī)學(xué)的例子之一。

但個(gè)性化醫(yī)療的前景更大更廣。希望不僅使用遺傳信息，還包括來(lái)自各種來(lái)源的信息：不同的生物標(biāo)志物、患者的病史、圖像以及來(lái)自可以持續(xù)監(jiān)測(cè)患者的植入式設(shè)備的數(shù)據(jù)。希望是利用所有這些數(shù)據(jù)并將其應(yīng)用于癌癥和化療以外的更廣泛的疾病。

我們需要什么工具才能到達(dá)那里？當(dāng)然，還有醫(yī)學(xué)方面的事情。但在工程和數(shù)據(jù)科學(xué)方面，我們需要生成非常高質(zhì)量的數(shù)據(jù)，這些數(shù)據(jù)可以供許多人使用，也許可以使用多年。我們需要可以生成這些數(shù)據(jù)的設(shè)備和成像系統(tǒng)，并且我們需要在我們的數(shù)據(jù)收集中包括許多人。，我們需要能夠處理這些數(shù)據(jù)的復(fù)雜性的算法和數(shù)據(jù)科學(xué)方法。

人工智能或機(jī)器學(xué)習(xí)將如何在其中發(fā)揮作用？

正如我提到的，我們希望從許多不同的來(lái)源和許多不同的人那里收集數(shù)據(jù)。不同年齡、性別的人——隨你便。然后，我們必須將這組復(fù)雜的數(shù)據(jù)與不同的情況相關(guān)聯(lián)，并且也許還可以預(yù)測(cè)患者是否處于更高風(fēng)險(xiǎn)中。這是機(jī)器學(xué)習(xí)和人工智能可以發(fā)揮巨大作用的地方。

人工智能和機(jī)器學(xué)習(xí)對(duì)醫(yī)學(xué)非常有幫助的另一個(gè)領(lǐng)域涉及將機(jī)器學(xué)習(xí)嵌入到可穿戴和可植入設(shè)備中。很快我們就可以將算法訓(xùn)練到單個(gè)患者以及其他患者的基線。然后我們可以使用這些設(shè)備來(lái)預(yù)測(cè)問(wèn)題或檢測(cè)危險(xiǎn)情況。

您能否簡(jiǎn)要介紹一下您的研究以及您何時(shí)開始采用 AI 方法？

通常，在我的實(shí)驗(yàn)室中，我們對(duì)生物醫(yī)學(xué)設(shè)備感興趣——例如，傳感器和藥物輸送系統(tǒng)或用于精密手術(shù)的導(dǎo)航工具。我們制造可以植入的微型設(shè)備。它們通常是無(wú)線和無(wú)電池的，我們盡量使它們無(wú)創(chuàng)。我在 2007 年到達(dá)加州理工學(xué)院后很快就開始在這個(gè)領(lǐng)域工作，但我一直想在神經(jīng)接口領(lǐng)域工作。

其中一個(gè)原因是我的一個(gè)姐妹患有癲癇病。從很早開始，我就發(fā)現(xiàn)這對(duì)她來(lái)說(shuō)很困難。藥物有副作用，有時(shí)無(wú)法成功控制她的病情。那是非常貼近我內(nèi)心的東西，我一直想在這個(gè)領(lǐng)域工作。我很幸運(yùn)，大約六年前，我可以開始研究癲癇患者的早期癲癇發(fā)作檢測(cè)或預(yù)測(cè)。

大約三分之一的癲癇患者無(wú)法利用藥物。對(duì)于這個(gè)群體中的一部分人來(lái)說(shuō)，如果我們足夠早地預(yù)測(cè)癲癇發(fā)作，深部腦刺激可以阻止它。那是我的個(gè)涉及大量數(shù)據(jù)的項(xiàng)目。我們正在查看顱骨下電極、顱內(nèi)電極的神經(jīng)數(shù)據(jù)。目標(biāo)是根據(jù)神經(jīng)數(shù)據(jù)的特征來(lái)預(yù)測(cè)癲癇發(fā)作。可以想象，這可能非常依賴耐心。幸運(yùn)的是，有大量關(guān)于癲癇的公開數(shù)據(jù)集。首先，我們構(gòu)建了涉及傳統(tǒng)信號(hào)處理的系統(tǒng)，但我們很快意識(shí)到我們需要一個(gè)自適應(yīng)系統(tǒng)，該系統(tǒng)可以從數(shù)據(jù)集中學(xué)習(xí)并針對(duì)每位患者變得更加個(gè)性化。

那是一個(gè)轉(zhuǎn)折點(diǎn)。我們開始使用學(xué)習(xí)算法，我們可以成功地證明我們可以訓(xùn)練一個(gè)網(wǎng)絡(luò)來(lái)非?？煽康乇M早預(yù)測(cè)癲癇發(fā)作以阻止它。

這是在我的團(tuán)隊(duì)中使用 AI 的開始，但現(xiàn)在我們已經(jīng)將這種努力擴(kuò)展到新的腦機(jī)接口。我們還在可穿戴設(shè)備中添加用于心臟監(jiān)測(cè)的機(jī)器學(xué)習(xí)算法。

您希望通過(guò)腦機(jī)接口解決哪些問(wèn)題？

我們非常興奮的項(xiàng)目之一是與 Richard Andersen 教授 [James G. Boswell 神經(jīng)科學(xué)教授兼 T&C Chen 腦機(jī)接口中心主任] 合作，他是腦機(jī)接口的先驅(qū)，并一直致力于此域多年。對(duì)于脊髓損傷的患者，目標(biāo)是在大腦的某些區(qū)域植入電極，然后使用解碼算法來(lái)預(yù)測(cè)他們想移動(dòng)機(jī)械臂或移動(dòng)屏幕上的光標(biāo)時(shí)的意圖。

在研究癲癇發(fā)作預(yù)測(cè)系統(tǒng)后，當(dāng)陳氏神經(jīng)科學(xué)研究所在加州理工學(xué)院成立時(shí)，有機(jī)會(huì)開始與理查德合作。在與他的討論中，我們意識(shí)到目前還沒(méi)有小型植入式設(shè)備。患者連接到大電線和計(jì)算機(jī)，這是一個(gè)不可移動(dòng)的系統(tǒng)。他們必須坐在診所里才能使用它。

因此，一個(gè)目標(biāo)是看看我們是否可以在微型芯片中實(shí)現(xiàn)該系統(tǒng)。另一個(gè)是提高其性能。系統(tǒng)的可靠性和性能還有很大的改進(jìn)空間。我們已經(jīng)與理查德和他的團(tuán)隊(duì)合作了將近三年，我們?nèi)〉昧撕艽蟮倪M(jìn)步。

腦機(jī)接口是如何工作的？

我們有穿透性電極，值得注意的是，它們可以在神經(jīng)元放電時(shí)接收到微小的電信號(hào)。神經(jīng)元不斷發(fā)射。我們有兩到三個(gè)陣列，每個(gè)陣列都有大約 100 個(gè)電極植入大腦以收集數(shù)據(jù)。模擬數(shù)據(jù)然后通過(guò)放大器到達(dá)數(shù)字化的模塊，數(shù)據(jù)非常嘈雜。這是一個(gè)巨大的數(shù)據(jù)量，所以下一步是對(duì)數(shù)據(jù)進(jìn)行大量的預(yù)處理和過(guò)濾。然后我們進(jìn)入特征提取單元，在該單元中我們使用閾值交叉方法來(lái)確定神經(jīng)元是否已激活。換句話說(shuō)，如果神經(jīng)活動(dòng)超過(guò)給定閾值，我們將其計(jì)為一個(gè)尖峰（就像圖表上的尖峰）。

然后我們測(cè)量在給定時(shí)間段內(nèi)有多少峰值。這是定義將測(cè)量值映射到神經(jīng)活動(dòng)的特征的傳統(tǒng)方法。這個(gè)給定時(shí)間內(nèi)的發(fā)射率被發(fā)送到解碼器。解碼器決定什么方向，例如，患者想要移動(dòng)光標(biāo)。

隨著時(shí)間的推移，您解決這個(gè)問(wèn)題的方法是如何演變的？

它發(fā)生得非常自然。從來(lái)不是因?yàn)槊總€(gè)人都在做人工智能或機(jī)器學(xué)習(xí)。一步一步，我們已經(jīng)達(dá)到了這樣一個(gè)地步，我們的團(tuán)隊(duì)意識(shí)到，“好吧，現(xiàn)在的方法是使用學(xué)習(xí)算法。”

您認(rèn)為該領(lǐng)域在 10 年或 20 年內(nèi)會(huì)走向何方？技術(shù)將何去何從？

還有很多工作要做。我們需要更好的、侵入性更小的電極。還有一個(gè)模擬前端系統(tǒng)，我們基本上需要對(duì)信號(hào)進(jìn)行放大、濾波和數(shù)字化。這仍然不是我們可以集成所有東西并創(chuàng)建一個(gè)非常低功耗的節(jié)能系統(tǒng)的地方。還有很大的空間可以使事物小型化，使技術(shù)的侵入性更小，使其更能抵抗微移動(dòng)、封裝和電極退化。

另一個(gè)需要做更多工作的領(lǐng)域是培訓(xùn)。在每節(jié)開始的時(shí)候，很多腦機(jī)接口系統(tǒng)都需要訓(xùn)練。患者需要訓(xùn)練系統(tǒng)，以便它能夠適應(yīng)他們。我們的目標(biāo)是嘗試開發(fā)出基本上可以實(shí)時(shí)學(xué)習(xí)的系統(tǒng)——使用在線學(xué)習(xí)或無(wú)監(jiān)督學(xué)習(xí)——在患者使用設(shè)備時(shí)自動(dòng)調(diào)整自己。這是一個(gè)很大的挑戰(zhàn)。

我還認(rèn)為創(chuàng)建低成本的系統(tǒng)非常重要，人們可以在任何地方使用它來(lái)完成各種任務(wù)。

您認(rèn)為人工智能在處理醫(yī)療應(yīng)用方面困難的任務(wù)是什么？

我不是醫(yī)生，但我已經(jīng)和很多醫(yī)生談過(guò)這個(gè)問(wèn)題。在醫(yī)學(xué)領(lǐng)域，風(fēng)險(xiǎn)非常高。這是生與死，如果我們想依賴人工智能，我們需要非常可靠的算法。與需要 FDA 批準(zhǔn)的醫(yī)療設(shè)備或藥物一樣，算法也開始有 FDA 的要求。

在某些應(yīng)用程序中，例如腦機(jī)接口，錯(cuò)誤并不是什么大問(wèn)題。但如果你想真正走向個(gè)性化醫(yī)療并從 AI 獲得預(yù)測(cè)或建議，我們需要證明該系統(tǒng)是可靠的。為此，正如我之前提到的，我們需要來(lái)自許多人的大量數(shù)據(jù)集。我們需要研究來(lái)證明該系統(tǒng)是強(qiáng)大的并為我們提供有用的信息。

人工智能驅(qū)動(dòng)的設(shè)備還可以在哪些其他領(lǐng)域改善？

在某些領(lǐng)域，我們相信它會(huì)產(chǎn)生巨大的變化。我與 Wei Gao 教授 [醫(yī)學(xué)工程助理教授，傳統(tǒng)醫(yī)學(xué)研究所研究員，Ronald 和 JoAnne Willens 學(xué)者] 合作，他正在使用可變傳感器測(cè)量汗液中的不同生物標(biāo)志物。他正試圖結(jié)合不同的生物標(biāo)志物來(lái)評(píng)估與心理健康、抑郁、焦慮相關(guān)的事物。這些是有時(shí)重癥患者難以解釋的領(lǐng)域。或者也許他們對(duì)此并不那么開放，或者對(duì)他們來(lái)說(shuō)很難跟蹤它。所以，對(duì)于與心理健康相關(guān)的問(wèn)題來(lái)說(shuō)，這是重要的。

學(xué)生有多渴望參與這項(xiàng)研究？

我發(fā)現(xiàn)學(xué)生們對(duì)這個(gè)領(lǐng)域真的很感興趣，因?yàn)檫@是一個(gè)他們可以涉及的領(lǐng)域。他們看到了影響。事實(shí)上，我初是在加州理工學(xué)院擔(dān)任更傳統(tǒng)的電氣工程師。我從事高速數(shù)據(jù)通信系統(tǒng)、計(jì)算系統(tǒng)等方面的工作。我一直在繼續(xù)這項(xiàng)研究，但漸漸地我得到了越來(lái)越多對(duì)醫(yī)療器械感興趣的學(xué)生。他們?nèi)绱藷崆椋驗(yàn)樗麄円舶l(fā)現(xiàn)多學(xué)科研究是有益的。他們向化學(xué)、生物學(xué)、神經(jīng)科學(xué)領(lǐng)域的其他團(tuán)體學(xué)習(xí)。到目前為止，一切都很棒。

以下是 Azita Emami 實(shí)驗(yàn)室近發(fā)表的一些論文：

• 使用淺層決策樹的增強(qiáng)集成進(jìn)行硬件友好的癲癇檢測(cè)

• 用于癲癇發(fā)作檢測(cè)的 41.2 nJ/類、32 通道片上分類器

• 基于小波神經(jīng)特征的深度多狀態(tài)動(dòng)態(tài)遞歸神經(jīng)網(wǎng)絡(luò)，用于魯棒的腦機(jī)接口

• 帕金森病的自適應(yīng)深部腦刺激：基于 LFP 的特征分析和分類