人工智能从人类呼吸中检测疾病，包括癌症
- 新型卷积神经网络可以分析人类呼吸中的化合物并检测疾病。
- 该技术使整个过程变得更快、更便宜且更可靠。
- 它可用于法医学、医学和环境分析。
如今，人工智能 (AI) 引起了很多关注。开发人员正在将人工智能融入几乎所有领域：无论是识别人群中的声音、制造全自动车辆、将视频转换为高质量，还是开发更好的电池或炸药，人工智能已经在所有领域证明了其非凡的能力。
从现在开始，AI也能闻了。爱丁堡大学、西部总医院和拉夫堡大学的研究人员建立了一个基于深度学习的系统，可以检查人类呼吸中的化合物并检测疾病，包括不同类型的癌症，其准确性比人类更高。
典型的人类呼吸含有 1,000 多种不同的挥发性有机化合物，它们是全身血气交换代谢过程的产物。呼吸样本由多种信息组成，描述病理和生理状况，从而描述患者的健康状况。
现有的呼吸分析方法
在过去的几十年里，科学家们一直在使用先进的机器来检测空气中的微量元素和化合物。这些机器利用气相色谱-质谱 (GC-MS) 分析方法来识别多种挥发性有机化合物。
该机器分离空气样本中的每种化合物，并粉碎成碎片。现在，每个片段都有一个独特的身份，可以从中识别特定的化合物。
图片来源：詹姆斯·加瑟尼/史密森尼
上图显示了 GC-MS 机器的部分呼吸样本的 3D 视图。每个峰都与分子片段相关。即使是最小的峰在识别不同物质时也起着至关重要的作用。这些峰值的具体模式揭示了患者可能患有的疾病类型，包括早期癌症。
如今，GC-MS 机器用于药物检测、环境检查、爆炸物分析和未知材料检测，包括 20 世纪 70 年代从火星采集的样本。
然而，这个过程可能是乏味且耗时的。海量复杂数据需要专家手动检查。有时，研究一个样本需要几天的时间，而且由于人类很容易出错，他们可能会错过某种物质或将一种物质误认为是另一种物质。
人工智能如何提供帮助？
研究人员提出使用卷积神经网络（CNN）从原始数据中自主识别挥发性有机化合物。这消除了耗时、劳动密集型的数据预处理工作流程的需要。
他们收集了在爱丁堡癌症中心接受癌症治疗的患者的呼吸样本。然后，由计算机科学家和化学家组成的 2 个小组对这些样本进行了检查。
手动识别化合物后，这些样本被输入深度学习网络。神经网络计算在 NVIDIA Tesla GPU 上使用 TensorFlow 和 Keras 深度学习框架进行。
整个流程简单表述|图片来源：詹姆斯·加瑟尼/史密森尼
为了进一步提高网络效率，研究人员利用数据增强的方式对原始训练数据集进行了扩展：CNN增强了100倍。
参考：Research Gate |史密森尼杂志
当执行 2 个特定功能时，系统表现最佳：
- 一维过滤器以适应特定的 GC-MS 数据结构。
- 3D 通道输入可从不同的 GC-MS 谱图中读取低、中和高强度信号。
研究人员重点鉴定了一组称为醛的化学物质，它们通常是造成香水、人类疾病和压力状况的原因。
与该人工智能集成的计算机只需几分钟即可识别呼吸样本，否则需要几个小时。总体而言，该技术使整个过程变得更快、成本更低，但最重要的是，它使过程更加可靠。
阅读：谷歌开发人工智能通过扫描眼睛预测心脏病
通过在广泛的样本上进行训练可以进一步提高网络的准确性。此外，它不限于任何特定化合物：人们可以在法医学、医学和环境分析中使用这种人工智能。
工业技术