18岁的高中生将AI用于帮助医学实践，获得了NIPS workshop的最佳论文奖！刻章机

本文介绍一名天才少女：18岁的高中生Amy Jin参加李飞飞带领的斯坦福AI4ALL项目，过去两年间致力于与斯坦福大学的研究人员一起将AI用于帮助医学实践，甚至获得了NIPS workshop的最佳论文奖！

18岁的Amy Jin刚从高中毕业，她热爱街舞、小提琴和英国文学。但她对计算机科学的无比热爱使她成为飞速发展的人工智能领域的超级明星。

Amy从六年级开始就对AI产生了浓厚的兴趣。当时，加州哈克中学的学生们要选择一些具有挑战性的研究项目，展示如何使用计算机程序来解决现实世界中的问题。

进入高中时，她对AI的热情被点燃了。她听到IBM的一位科学家描述沃森超级计算机如何利用AI帮助增强人类在医学和其他领域的能力。

“这对我来说真的很吸引人，沃森可以成为医生的第二双眼睛。”Amy在最近的一次采访中说道：“我认为AI是一个非常有前途的领域，和许多学科有着跨学科的联系。”

自那以后，她成为了新一代年轻科学爱好者中的一员，正是他们在人工智能领域掀起波澜。AI有可能在许多方面改变医疗实践，从帮助早期疾病诊断到改善治疗等等，以及确保患者在医院和家里的安全。

Amy Jin

与斯坦福大学研究者合作开发医疗AI

在过去的两年里，Amy与斯坦福大学的导师一起开发了一个新的软件程序，可以测量外科医生的技术水平。它的工作原理是“观看”一段手术视频，跟踪手术过程中使用的仪器的运动和时间。在去年12月举行的NIPS会议上，Amy和来自斯坦福大学医学和工程学院的研究人员共同发表了这一成果，并获得了workshop的最佳论文奖。

斯坦福大学临床治疗成效研究中心(Clinical ExcellenceResearchCenter，CERC)主任Arnold Milstein博士预测，该方法将在客观评估临床医生在各种临床活动的技能方面开辟新天地。

Milstein是这项工作的论文的合著者，他表示：“这项工作提供了一条路径，可以根据住院医生的学习速度来调整手术培训的时长。并且它为更客观的方法开辟了道路，可以定期验证外科医生的技能水平，或在长时间手术中需要休息时提醒外科医生。”

这个项目是Milstein团队与李飞飞带领的斯坦福人工智能实验室之间长达6年的合作关系的成果之一。科学家们正在开发各种形式的AI，以帮助确保可靠地应用医疗保健的最佳实践。他们最初的工作重点是提高重症监护病房的医护人员对患者安全规程的遵守程度，改善医院里的手部卫生状况，并通过评估身体虚弱的老年人站立时的稳定性来监控他们在家中的健康状况。

Milstein说，CERC的一位研究员表示，应该将这些技术应用于外科手术，“美国外科医学委员会长期以来一直在寻找方法，希望对外科医生的技能水平进行客观测试。”

斯坦福普外科住院医师、医学博士Jeff Jopling很自然地被这个项目吸引住了，他是前CERC学者，他提出用计算机技术跟踪外科手术。Jopling也是Amy Jin这篇AI论文的合著者。

与Amy Jin合作的Serena Yeung（左）和Jeff Jopling

1999年，美国国家医学院发布了一份报告，报告指出，由于人类在医疗中的失误造成了高死亡率和致残率。此后，医疗保健中的安全问题成为关注焦点。Jopling说，临床医生试图通过手术安全检查清单等解决方案来尽量减少可预防的并发症。

2013年，一项针对密歇根州20名肥胖治疗外科医生的研究凸显了这个问题中缺失的一个变量：外科医生的熟练程度。这项发表在《新英格兰医学杂志》上的研究表明，如果一名外科医生表现出色——通过同行对外科医生手部动作视频的盲评来衡量——衣箱患者也会表现出色；如果外科医生技术不好，病人就更有可能出现并发症，需要进行重复手术或急诊。

“在那之前，人们一直非常关注于改进系统，但这个研究表明，人类医生及其技能也很重要，”Jopling表示。

然而，在人类医生的培训过程中，他们通常不能很好地了解自己的表现，Jopling说。

“即使我在培训中做了1000次手术，我得到的反馈也很少，”Jopling说：“我当实习生时对此感到惊讶。我本以为这就像一项运动或音乐，教练会告诉你’这样做，不要那样做’。优秀的教师能做到这一点，但不是每个人都能做到。不是每个人都能向你解释你做得好还是做得不好。”

当Jopling在考虑新的手术项目时， Amy Jin 正忙于适应高中学业。她是华裔孩子，父母都是物理学博士，她长期以来对计算机科学很感兴趣，而且是一名数学天才，但她从来没有做过任何编程。因此，在高一时她报名参加了AP计算机科学课程，并加入了学校的女性科学、技术、工程和数学俱乐部(后来她成为俱乐部主席)。在那里，她听说了斯坦福人工智能实验室的拓展暑期项目有一个机会，该项目旨在吸引年轻女孩子进入科学事业。

在这个项目中，Amy和斯坦福博士生Serena Yeung搭档，Serena Yeung是她的导师。Yeung也是中国移民的女儿，两人分享了对科学的热情和对帮助他人的渴望。Yeung一直对医学很感兴趣——她的父亲是一名家庭医生——但在斯坦福大学读本科时，她意识到自己真正热爱的是工程。她开始沉浸于人工智能，并在Facebook和谷歌实习。在寻找博士项目时，她遇到了Milstein，并被利用AI改进医疗实践的想法所吸引。

Yeung将Amy介绍给这个组织的其中一个AI医学项目——一项旨在控制感染传播的手部消毒计划，这是住院患者的一个大问题。在这个项目中，Yeung、Jopling及其同事获准在斯坦福露西尔帕卡德儿童医院的一个移植单元外安装深度传感器和热传感器。他们使用AI对传感器进行编程，在有人经过传感器时监控他们——为了保护隐私，传感器只能显示出人体轮廓。

研究人员在2017年的Machine Learning for Healthcare workshop上做了报告，称他们的算法能够以95%以上的准确率预测人员是否正确地进行了手部清洁。

Amy对她在这个项目上的工作十分着迷，并渴望学习和做更多的事情。Yeung认为这个萌芽中的手术项目对她来说是一个完美的新机会。

“我们可以把范围扩大到Amy可以开始的水平。” Yeung笑着说：“显然，她的表现超出了我们所有人的预期。这不仅仅是一个高中的项目，真的非常棒。”

Amy旁听了斯坦福大学计算机视觉专业的一门本科课程，学习如何训练计算机“看”和理解视觉世界。她独立挖掘了许多医学和计算机科学的相关文献，并与团队分享。

这个项目在2016年夏天正式启动，其挑战是“教”计算机识别并跟踪临床医生的手术工具路径。这是物体检测的一种形式，这一领域近年来发展迅速，部分原因正是由于李飞飞实验室的贡献。

识别数据点

该方法包括开发一种算法，当计算机被输入数千个数据点时，算法可以教会计算机学习。随着数据增加，计算机逐渐进行调整，直到达ADSL到精确识别物体的程度——在这种案例中，所识别的是手术工具。计算机快速消化大量数据的能力不断增强，使这一过程成为可能。Yeung说，Amy改进了一些目标检测技术，将其应用于外科手术。

“总的想法是，如果我们能够在视频中追踪和识别仪器，我们就能更好地分析工具的使用模式和运动，”Amy说，这已经被证明是衡量和评估外科医生技能的有效方法。

为了简单起见，研究人员把重点放在胆囊切除手术上，因为这是一种常见的标准化手术，通常最多使用七种器械，包括大剪刀、抓钳和剪刀。他们获得了斯特拉斯堡大学医院的15段手术视频，并对大约2500个帧进行了标记，每个帧都有一个值，这样计算机就可以建立这些工具的视觉图像，并在手术区域内定位它们。他们使用量度来跟踪手术工具的时间——什么工具在什么时候使用，使用了多长时间——并生成每个工具路径的地图。此外，他们还绘制了热图，显示了这些工具在手术领域的应用范围有多广，因为好的外科医生倾向于在一个集中的区域使用器械。

从图像和统计数据上，研究人员能够衡量临床医生表现的多个方面，包括他们的运动经济性，他们在不同仪器之间来回切换的频率，以及他们在手术每一步的效率。然后，他们让三名斯坦福外科医生独立观看这些视频，并根据被广泛接受的标准给这些外科医生打分，分值从1到5。

例如，在胆囊切除手术中，有一个关键步骤是，临床医生必须夹住并剪断向胆囊供血的胆囊动脉和负责胆汁进出的胆囊管。如果处理得当，这一步骤可以防止术中和术后出血和胆汁渗漏。如果夹子位置放错了或松了，患者可能会出现破坏性的并发症，包括胆管损伤。

一位优秀的外科医生可以高效地做到这一点。在一个案例中，录像显示了外科医生的娴熟技巧，剪刀和钳子的位置都恰到好处。另一段视频显示，外科医生努力将另一过滤纸把钳子放对位，然后花了一些时间来松开它。计算机不仅通过观察工具的放置位置和路径，而且通过观察器械使用的时间，从而检测技能水平的差异。

分析完成后，研究小组将结果提交给2017 NIPS的Machine Learning for Health workshop。在研讨会上，这篇论文从120多份提交作品中脱颖而出，成为10个值得关注的话题之一。这是Amy第一次参加机器学习顶会，并向与会人员展示了她的作品。

当最佳论文的评选结果公布时，Amy几乎没有注意听，因为她没想到自己会认识作者。

当叫到她的名字时，她惊呆了。“我真的很惊讶，”她说，脸上露出了笑容。她立即发短信告诉Yeung和Jopling，他们说这是一个梦幻般的时刻。

Jopling称Amy“鼓舞了我量热仪们所有人”，惊讶于一名高中生向机器学习会议提交了一篇论文，并获得了最高奖项。

那么Amy是怎么做到的呢？“我想，这肯定是由于运气和机遇，”她说，“不只是努力工作，因为每个人都在努力工作。”

改进工具

Jopling说，该项目的下一步是收集1000个不同外科手术的录像。斯坦福大学的研究人员将与犹他州22家医院系统的同事合作，分析视频并改进评估工具。Jopling说，未来的工作将考虑手术病例的复杂性，例如，一些胆囊切除手术可能非常简单，而另一些手术可能因为病人有多种疾病而更具挑战性。

Amy现在是哈佛大学的一名大一新生。她说，经过两年的密集接触，她很不想和斯坦福大学的导师们说再见，但对于接下来可能发生的事情，她感到兴奋，也有一点紧张。虽然她还没有选定专业，但她正在考虑计算机科学。Yeung说，这对这个行业来说可能是一个福音。

Yeung说：“能有像Amy这样在计算机科学方面出类拔萃的人真是太好了。”“这是AI试图解决的问题之一——我们没有足够的女性从事这一领域，而且女性数量一直在下降。所以我们希望Amy能继续在这一领域工作，为其他人树立一个好榜样。”