AI通过分析人类呼吸检测疾病，包括癌症
人工智能（AI）近来备受关注。开发者们正将AI融入几乎所有领域：无论是人群中的语音识别、全自动驾驶汽车、视频画质增强，还是开发更高效的电池或炸药，AI已在所有领域展现出非凡能力。
如今，AI也能“闻味”了。爱丁堡大学、西部综合医院和拉夫堡大学的研究人员构建了一个基于深度学习的系统，能够分析人类呼气中的化合物，并以超越人类的准确度检测包括多种癌症在内的疾病。
典型的人类呼吸携带超过1000种不同的挥发性有机化合物，这些是全身血气交换引起的代谢过程的产物。一份呼气样本包含多重信息，反映病理和生理状况，从而指示患者的健康状态。
现有呼气分析方法
过去几十年，科学家们一直使用先进仪器检测空气中微量的元素和化合物。这些机器利用气相色谱-质谱联用（GC-MS）分析方法识别多种挥发性有机化合物。
机器将空气样本中的每种化合物分离并打碎成片段。每个片段都有独特的身份标识，由此可以识别特定化合物。
上图展示了GC-MS机器对部分呼气样本的三维视图。每个峰值都对应一个分子片段。即使是最小的峰值，在识别不同物质时也起着关键作用。这些峰值的特定模式揭示了患者可能携带的疾病类型，包括早期癌症。
目前GC-MS机器用于药物检测、环境检测、爆炸物分析以及未知物质检测，包括1970年代从火星获取的样本。
然而，这一过程繁琐且耗时。海量复杂数据需要专家人工检查。有时分析单个样本需要数天，且人类易犯错，可能遗漏物质或将一种物质误认为另一种。
AI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。这消除了耗时费力的数据预处理工作流。
他们从爱丁堡癌症中心接受癌症治疗的患者那里收集呼气样本。这些样本随后由两组计算机科学家和化学家进行检查。
在人工识别化合物后，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深度学习框架执行。
为进一步提高网络效率，研究人员通过数据增强将原始训练数据集扩大了100倍。
系统在具有以下两个特定特征时表现最佳：
- 1D滤波器，适应特定的GC-MS数据结构。
- 3D通道输入，从变化的GC-MS光谱中读取低、中、高强度信号。
研究人员专注于识别一组称为醛类的化学物质，它们常负责香气，也与人类疾病和压力状况相关。
集成此AI的计算机仅需几分钟即可识别呼气样本，而人工则需数小时。总体而言，该技术使整个过程更快、更便宜，最重要的是更可靠。
准确性可通过在更广泛的样本上训练进一步提高。此外，它不局限于特定化合物：可用于法医学、医学和环境分析。
工业技术