試想，芯片比全球最好的實驗室更厲害，可迅速拿出疾病的準確診斷；微型攝像機能從分子層面上檢驗藥片的真假；系統(tǒng)可以光從語言中檢查出此人患有心理疾??；IBM認為，這三個事都可以在幾年之內做到，因為他們有大殺器：人工智能＋新型硬件。

IBM研究室已經開始著手把這三項研究變成成熟的醫(yī)療工具，將公司現存的機器學習和人工智能系統(tǒng)與硅片、毫米波相控陣傳感器等結合。

AI＋超成像系統(tǒng)，“看”到疾病和危害

首先要提到的“超成像系統(tǒng)”，是一種廣范圍的電磁波譜成像技術，不僅可以獲取人眼可見光形成的圖像，還能模擬超出此范圍的電磁波圖像。

使用高性能相機和其他傳感器，臨床醫(yī)生就能發(fā)現用藥是否適合患者?！坝眠@種超成像技術，人們就像是長了第三只眼，能發(fā)現我們日常所忽視的線索?！盜BM技術總監(jiān)Rashik Parmar說道。

盡管實現超成像的硬件已經出現，但要使其進入市場，還需做更多的工作。能夠進行廣泛光譜成像的儀器不是什么新鮮事物，但區(qū)別就是IBM要將其簡化、小型化，并降低其制造成本，還要用認知算法來進行破譯和可視化，讓這項技術真正發(fā)揮其作用。

Parmar還補充道，IBM現在有很多“花里胡哨”的發(fā)明，但都能很快讓它們變?yōu)榭捎眯暂^高的產品。而在醫(yī)療應用上，簡單例子的就是用超成像設備迅速看牙，或者為標準醫(yī)療射線檢查提供更豐富的信息。

可能就在IBM計劃的5年之內，這種機器會變成你身邊的藥理學、毒理學專家——最終，這種超成像會被整合到手機中，在吃飯或服藥之前可以先掃描一下，看是否有有害物質或致敏源等。

AI＋芯片實驗室，精細疾病早診

相似的，IBM也有可能會在幾年內推出一種新的人工智能分析技術：芯片實驗室。這種設備也就荷包大小，用一滴血或任意體液就能分析出細菌、病毒或預示著某種疾病的蛋白質。

Parmar表示，IBM從六七年前就開始探索“納米纖維”這種概念了，那時是要做一種可以模擬氣味的工具。

如果將納米纖維與其他種類的傳感器相結合，就能用納米結構來檢驗體液，包括唾液、血液、液體活檢的樣品，從中分析潛在的疾病。再結合數字化制造和3D打印等技術，IBM就能把傳感器放入定制化探針，幫助有效分析。

相比起需要等待數周的血檢，芯片實驗室不用花時間來把病毒培養(yǎng)至能夠被監(jiān)測到的量，而是直接通過傳感器來追蹤最為細微的生物標記。

這項技術最為厲害之處，可能在于它能讓人們在出現癥狀之前就了解自己的患病可能。舉個阿茨海默癥的例子，在出現明顯癥狀之前很長一段時間，患者的神經狀態(tài)已經產生了顯著改變。

如果定期檢查血樣，可以在阿茨海默癥的早期就尋找到生物標記，迅速開始根據個人的情況制定治療方案。

雖然這種能從一滴血分析疾病的技術對人工智能水平是個巨大挑戰(zhàn)，但真正考驗IBM公司把此種產品推向市場的，還是在于技術難度超高的硅片。“芯片的最小測量級別為20納米，它能讓你從一個相當細化的角度來觀察病毒等物質，但要看到這個精細程度，在材料的制作上可是要花費巨大的心血。”

“芯片實驗室”（圖片來源：IBM Research）

AI＋文字信息，形成精神疾病模型

精神疾病，是又一個需要人工智能技術來仔細咀嚼大量數據，化作有效醫(yī)學見解的領域。在接下來的兩年內，IBM會制造出能從人的講話中診斷精神疾病的機器學習系統(tǒng)原型。

在精神疾病診斷中，患者的談話一直是醫(yī)生用以判斷病情的重要因素。語速、音量、用語特點，都可以用于判斷精神疾病?，F在IBM把這個分析工作交給了人工智能，從患者與醫(yī)生的交流，或人們自己在社交網站上寫下的話語，都可以作為分析材料。

IBM能做到這一點，前提是他們已花費數年時間來研究精神、心理障礙與語言之間的關聯(lián)，建立起了一套測量體系。“我們目前提上日程的研究，是要弄清這件事：對于特定的個體來說，某段話中的某些用語，能否幫助我們理解這個人的心理狀態(tài)？”技術總監(jiān)Parmar說道。

IBM早已有過建立醫(yī)療模型的嘗試：沃森最早的商業(yè)化嘗試，“藍色巨人”認知計算機系統(tǒng)，就是癌癥護理醫(yī)師的助手。今天，公司還與醫(yī)療行業(yè)產生了不少的合作，建立各式各樣的醫(yī)療認知工具原型。

例如，IBM透露Jupiter Medical Center（木星醫(yī)療中心）這家佛羅里達的地方醫(yī)療中心就會引進IBM沃森的腫瘤輔助診療技術。另外，它還與紀念斯隆凱特琳癌癥中心（MSK）合作了癌癥治療培訓項目。

除了精神分裂癥、雙向情感障礙、抑郁癥等，IBM還會從可穿戴運動健身設備和醫(yī)療設備處獲取數據，來輔助診斷帕金森癥等神經疾病。雖然現在已經有醫(yī)藥健康專家把可穿戴的數據用在診斷判斷上，但IBM希望用機器學習來加速這個進程，并能提供額外的見解。

Parmar說，其實美國和歐洲已經有人做了可穿戴數據的實驗，也有教授把實驗數據分享了出來，但沒有人把這些數據綜合到一起，研究這些數據中間是否有可關聯(lián)之處，或者用整合的數據得出更深層次的理解?！坝脵C器來處理和整合，恰好就是這個問題的答案。”