把专业医疗送到非洲农村

一名医护人员在讲解EVA光学镜头的特性。

最近，6个非洲国家正在开展预防宫颈癌的公共卫生运动，给当地妇女做宫颈癌筛查，但这次筛查与以往不同。在肯尼亚的农村卫生诊所，妇女们将用手机进行“宫颈自拍”，然后提交图像让医生做进一步的检查。

根据世界卫生组织数据，每年约有2万妇女死于宫颈癌，其中85%在低收入国家。这种疾病常在妇女成年时袭击她们，而此时她们正是家庭支柱。对人工智能（AI）技术来说，宫颈癌筛查也是个很好的测试，因为宫颈癌很大程度上是可预防、可治愈的，从早期迹象到危险状态要10年—15年，如能筛查出早期信号，及早治疗的机会就很大。但大规模筛查费用过高，发展中国家的民众难以负担。据非营利组织“粉丝带红丝带”估计，接受检查的非洲妇女只有5%。

据美国IEEE《光谱》杂志网站报道，“粉丝带红丝带”组织工作人员与当地诊所合作，通过一种装在安卓手机上的光学镜头，就能给妇女做检查，发现癌症的早期迹象，使她们能及时获得治疗。

改变卫生保健模式

这种手机镜头称为EVA（增强可视评估）镜头，是一家名为MobileODT的以色列公司开发的一种光学检测技术，可以让医生查看妇女的宫颈放大图像，通过手机应用程序进行分析，将数据存储在云端。

筛查中的最大挑战在于工作人员：他们要根据这些图像作出准确诊断——这正是人工智能的用武之地！这种手机诊断工具很快会与AI技术整合，变得更好更专业，或许会成为非洲及偏远地区智能卫生护理的一个“示范”。

比尔·盖茨Global Good基金会除了与MobileODT公司合作，还与美国“高智发明”公司（Intellectual Ventures）联手，开发能改善世界贫困地区人民生活的技术。他们希望利用现已普及的移动技术改变卫生保健模式，尤其是在世界上缺乏医疗基础设施的地方。他们计划将AI技术和EVA镜头整合在一起，今年末在埃塞俄比亚开展实地试验。

“高智发明”创始人内森·梅尔沃德认为，可以用AI技术把手机变成超级智能诊断工具，以帮助拯救千百万人的生命。把医疗专家送到整个非洲的每个诊所是不可能的，但利用人工智能却可以把他们的专业知识送过去。

机器学习+移动技术

诊断所用的AI技术，是一种利用卷积神经网络（CNNs）的机器学习技术：给计算机一个目标、一个软件框架和一个大型训练数据库，然后让它自己创造解决方案来完成任务。

为了训练CNNs能做宫颈癌筛查，研究团队给它提供了大约10万张图像，分为健康组织、良性炎症、癌前期病变、疑似癌症等多个类别。图像由美国国家癌症研究所提供，经过这些高质量图像的训练，才能让它处理医疗诊所更复杂的图像。

最后，把训练好的CNNs带到实地，看这个AI大脑能否分辨各种条件下拍摄的图像。整套系统必须经过实地训练，再将诊断结果与医疗专家和实验室病理化验结果进行对比，以评估AI的诊断效果。到今年末，这项实验才能在埃塞俄比亚开始。

目前，基于机器学习的诊断工具大都还在接受初始的数据库训练，研究人员希望，最终开发出能根据病人实际情况不断提高诊断能力的AI系统。一旦设计出这种AI系统，随着不断运行改进，它们会很擅于自我调整提高。

帮非洲妇女预防宫颈癌

 “粉丝带红丝带”组织与世界其他团体合作，在非洲当地提供宫颈癌筛查服务。

传统筛查是由工作人员把宫颈细胞样本送到实验室分析，然后等待结果，这在偏僻山区可能要花几周，造成严重延误。一线的工作人员要经过培训和指导，才能把真正的癌症病变和许多疑似状况区分开，检查人员也可能漏掉发展了的癌症迹象，这些需要咨询专业医师才能辨别。

在许多发展中国家的诊所，都采用了可视化筛查程序，虽然这一过程并不完美，但在研究团队看来，这不是一项医疗挑战，而是一项软件工程挑战。他们需要的是设计一种新算法，能详尽无遗地处理各种特征和变化，把健康宫颈和有病变的区别开来。

这项研究或许只是机器学习诊断工具的开始。研究人员认为，还有许多依赖图像的医疗检测，如X射线和MRI扫描，用智能工具也很容易对其图像做出分类。CNNs还能用于检查难以定位的目标，如他们正在开发一种诊断疟疾的程序。