这是倪东参加2023年在塞内加尔举办的“大挑战”年会后的感慨。“大挑战”是盖茨基金会21年前发起的一个创新项目。 秉承“好创意来自世界各地”的理念，它为影响世界最贫困人口的全球健康和发展问题征集和资助潜在解决方案。 计划。
年会上的一组数据深深触动了倪东：在全球范围内，每七秒就有一名孕妇或新生儿死亡，其中70%的死亡发生在撒哈拉以南非洲地区。 这些死亡的许多原因本可以通过超声波等常规检查及早发现和避免。 但事实上，在低收入和中等收入国家，由于缺乏设备和医生，只有三分之一的孕妇能够接受挽救生命的超声检查。
倪东认为他和他的团队也许能做点什么。
复杂的产前超声检查
故事要从2010年说起，倪东正在探索利用人工智能改进超声图像分析，以提高临床诊断的效率和准确性。 当时，人工智能超声的主流研发方向集中在癌症和心血管疾病，而产前超声的研究却很少。
其背后的主要原因主要是由于产前超声检查的复杂性。
当成年人接受超声波检查时，医生会对器官的位置有一个大概的了解。 例如，心脏位于左胸骨的第二和第五肋骨之间。 但胎儿在母体子宫内的位置和体积并不固定，其器官不断发育，增加了器官定位和识别的难度。
此外，在进行产前超声检查时，医生不仅需要找到胎儿的器官，还需要从正确的角度捕捉这些器官的横截面图像，以评估胎儿的发育情况，识别高危妊娠的风险。 。 这在很大程度上依赖于操作者的个人经验和临床判断。
为了解决这些问题，倪东组建了一个包括医学、工程和计算机科学在内的跨学科团队。 他们花了十多年的时间开发了产前人工智能超声系统，可以帮助找到标准切片并对其进行量化。 分析，协助医生更精准的诊断和治疗计划。
利用人工智能让产前超声检查变得更简单
乍一看，倪东团队只解决了图像分析标准化的问题，但实际上包含了数百个小问题。 比如图片是否清晰、器官的解剖形状是否准确、使用什么角度进行扫描等。
而每一个小问题都需要用“AI”能够理解的语言来教授。 例如，判断图像是否清晰对于人眼来说非常简单，但对于计算机来说要理解它需要复杂的数学公式来描述。 虽然有数学模型，但AI根据它判断的结果仍然不是很标准。 这时候就需要给AI“喂食”大量真实的临床数据，让AI自行学习、模拟经验丰富的医生。
建立数学模型、收集临床数据、训练AI模型，每一步都需要深入的临床洞察才能做好。 只有真正了解临床问题，才能做出相应的应对。
当数百个这样的问题组合起来形成一个大的人工智能模型时，真正的临床难题就可以得到解决，产前超声检查也变得更简单、更规范。
目前，倪东团队开发的AI超声软件可以自动寻找标准断面并测量参数。 此外，医生原本需要在扫描过程中重建胎儿在大脑中的位置，但有了AI，AI将监控整个过程，并告诉医生探头扫描到了胎儿的哪一部分。 这套超声AI软件可以安装在不同类型的超声设备上，充当“智能助手”。
对于经验不足的医生来说，人工智能可以帮助他们更准确地诊断。 对于尚在培训期的医生来说，AI是24小时陪伴的“老师”，可以大大缩短产前超声医生的培训时间。
更简单、更便宜的超声波
故事回到2023年的非洲。
在“大挑战”年会上的倪东知道，他的团队有解决问题的经验和能力，但他也知道，过去开发的AI超声对于有问题的领域来说还“不够好”。像非洲这样的稀缺资源。 “使用。
一台超声设备的价格从几万到两三百万不等。 非洲医院很少能负担得起，更不用说培训专业医生了。 对于生活在这里的孕妇来说，去医院做超声检查是一件遥不可及的奢侈。
因此，倪东团队正在设计一款便携式AI超声设备，方便乡村医生和助产士使用。
该设备首先需要便宜。 “超声设备的硬件和AI模型总共花费了近几千元，我们买得起。”
在盖茨基金会的支持下，倪东团队正在利用来自非洲的数据对人工智能进行“定向训练”。 同时，为了进一步控制成本，让设备更加便携，倪东和他的合作伙伴还计划将设备做得非常小，几乎和PAD一样大。 “一般来说，人工智能模型都非常大。将它们简化并安装到这个小设备中仍然非常具有挑战性。”
在倪东河团队的想象中，这种便携式AI超声设备的使用将非常简单，甚至像现在的AED一样。 用户不需要丰富的医学背景，只需要按照机器的指示即可对孕妇进行扫描。 肚子里，AI可以自动获取一些关键数据，比如胎龄、胎位等。 “知道孕周意味着知道什么时候生产，可以避免临产时必须夜店工作。了解胎位，比如孩子的头是朝下还是朝上，也可以大大避免引发并发症。”因难产而死。”
让最新的医学进步保护每一位妈妈和宝宝的健康。 这是一项了不起的创新。