向善而生的AI助盲,让AI多一点,障碍少一点******
有人说,盲人与世界之间,相差的只是一个黎明。在浪潮信息研发人员的心中,失去视力的盲人不会陷入永夜,科技的进步正在力图给每一个人以光明未来。
AI助盲在人工智能赛道上一直是最热门的话题之一。以前,让失明者重见光明依靠的是医学的进步或“奇迹”。而随着以“机器视觉+自然语言理解”为代表的多模态智能技术的爆发式突破,更多的失明者正在借助AI提供的感知、理解与交互能力,以另一种方式重新“看见世界”。
新契机:多模态算法或将造福数以亿计失明者
科学实验表明,在人类获取的外界信息中,来自视觉的占比高达70%~80%,因此基于AI构建机器视觉系统,帮助视障患者拥有对外界环境的视觉感知与视觉理解能力,无疑是最直接有效的解决方案。
一个优秀的AI助盲技术,需要通过智能传感、智能用户意图推理和智能信息呈现的系统化发展,才能构建信息无障碍的交互界面。仅仅依靠“一枝独秀”超越人类水平的单模态人工智能比如计算机视觉技术还远远不够,以“机器视觉+自然语言理解”为代表的多模态算法的突破才是正确的新方向和新契机。
多个模态的交互可以提升AI的感知、理解与交互能力,也为AI理解并帮助残障人士带来了更多可能。浪潮信息研发人员介绍说,多模态算法在AI助盲领域的应用一旦成熟,将能够造福数以亿计的失明者。据世卫组织统计,全球至少22亿人视力受损或失明,而我国是世界上盲人最多的国家,占世界盲人总数的18%-20%,每年新增的盲人数量甚至高达45万。
大挑战:如何看到盲人“眼中”的千人千面
AI助盲看似简单,但多模态算法依然面临重大挑战。
多模态智能算法,营造的是沉浸式人机交互体验。在该领域,盲人视觉问答任务成为学术界研究AI助盲的起点和核心研究方向之一,这项研究已经吸引了全球数以万计的视障患者参与,这些患者们上传自己拍摄的图像数据和相匹配的文本问题,形成了最真实的模型训练数据集。
但是在现有技术条件下,盲人视觉问答任务的精度提升面临巨大挑战:一方面是盲人上传的问题类型很复杂,比如说分辨冰箱里的肉类、咨询药品的服用说明、挑选独特颜色的衬衣、介绍书籍内容等等。
另一方面,由于盲人的特殊性,很难提取面前物体的有效特征。比如盲人在拍照时,经常会产生虚焦的情况,可能上传的照片是模糊的或者没有拍全,或者没拍到关键信息,这就给AI推理增加了难度。
为推动相关研究,来自卡内基梅隆大学等机构的学者们共同构建了一个盲人视觉数据库“VizWiz”,并发起全球多模态视觉问答挑战赛。挑战赛是给定一张盲人拍摄的图片和问题,然后要求给出相应的答案,解决盲人的求助。
另外,盲人的视觉问答还会遭遇到噪声干扰的衍生问题。比如说,盲人逛超市,由于商品外观触感相似,很容易犯错,他可能会拿起一瓶醋却询问酱油的成分表,拿起酸奶却询问牛奶的保质期等等。这种噪声干扰往往会导致现有AI模型失效,没法给出有效信息。
最后,针对不同盲人患者的个性化交互服务以及算法自有的反馈闭环机制,同样也是现阶段的研发难点。
多解法:浪潮信息AI助盲靶向消灭痛点
AI助盲哪怕形式百变,无一例外都是消灭痛点,逐光而行。浪潮信息多模态算法研发团队正在推动多个领域的AI助盲研究,只为帮助盲人“看”到愈发精彩的世界。
在VizWiz官网上公布的2万份求助中,盲人最多的提问就是想知道他们面前的是什么东西,很多情况下这些物品没法靠触觉或嗅觉来做出判断,例如 “这本书书名是什么?”为此研发团队在双流多模态锚点对齐模型的基础上,提出了自监督旋转多模态模型,通过自动修正图像角度及字符语义增强,结合光学字符检测识别技术解决“是什么”的问题。
盲人所拍摄图片模糊、有效信息少?研发团队提出了答案驱动视觉定位与大模型图文匹配结合的算法,并提出多阶段交叉训练策略,具备更充分的常识能力,低质量图像、残缺的信息,依然能够精准的解答用户的求助。
目前浪潮信息研发团队在盲人视觉问答任务VizWiz-VQA上算法精度已领先人类表现9.5个百分点,在AI助盲领域斩获世界冠军两项、亚军两项。
真实场景中的盲人在口述时往往会有口误、歧义、修辞等噪声。为此,研发团队首次提出视觉定位文本去噪推理任务FREC,FREC提供3万图片和超过25万的文本标注,囊括了口误、歧义、主观偏差等多种噪声,还提供噪声纠错、含噪证据等可解释标签。同时,该团队还构建了首个可解释去噪视觉定位模型FCTR,噪声文本描述条件下精度较传统模型提升11个百分点。上述研究成果已发表于ACM Multimedia 2022会议,该会议为国际多媒体领域最顶级会议、也是该领域唯一CCF推荐A类国际会议。
在智能交互研究方面上,浪潮信息研发团队构建了可解释智能体视觉交互问答任务AI-VQA,同时给出首个智能体交互行为理解算法模型ARE。该研究成果已发表于ACM Multimedia 2022会议。该研究项目的底层技术未来可广泛应用于AI医疗诊断、故事续写、剧情推理、危情告警、智能政务等多模态交互推理场景。
眼球虽然对温度并不敏感,但浪潮信息的研发团队,却在努力让盲人能“看”到科技的温度,也希望吸引更多人一起推动人工智能技术在AI助盲、AI反诈、AI诊疗、AI灾情预警等更多场景中的落地。有AI无碍,跨越山海。科技的伟大之处不仅仅在于改变世界,更重要的是如何造福人类,让更多的不可能变成可能。当科技成为人的延伸,当AI充满人性光辉,我们终将在瞬息万变的科技浪潮中感受到更加细腻温柔的善意,见证着更加光明宏大的远方。
按照“乙类乙管”要求救治病人******
国务院联防联控机制1月9日就第十版诊疗方案有关情况举行发布会,国家卫健委医疗应急司司长郭燕红表示,诊疗方案是指导临床医务人员对新冠病毒感染者进行诊断治疗的专业性和技术性规范,确保临床治疗的同质化水平,保证诊疗效果。第十版诊疗方案的核心理念就是对新冠病毒感染按照常规“乙类乙管”的传染病管理方式进行病人管理和救治。
临床救治强化关口前移
第十版诊疗方案颁布实施以后,引起了社会广泛关注。对此,郭燕红介绍,第十版诊疗方案主要对以下内容进行了调整:一是在收治措施方面,不再要求病例进行集中隔离治疗。新冠病毒感染者可以根据病情需要,选择居家治疗或者到医疗机构就诊,各级各类医疗机构都可以接诊新冠病毒感染的患者。二是在出院标准方面,不再要求对核酸进行检测。临床医生可以根据患者的疾病诊治要求,特别是基础病情况和临床症状等,对其进行综合研判后决定是否出院。
“在临床救治方面,一是强化关口前移,对于轻症病例也要早期介入,特别是对一些高龄、合并基础性疾病的患者,更要加强关口前移措施的应用。二是进一步规范重症患者的诊疗,完善了相关预警指标。三是坚持中西医结合。四是强化了新冠病毒感染与基础性疾病共治的理念。”郭燕红介绍,在诊断标准上,将新冠病毒的抗原检测阳性纳入诊断标准,主要考虑是抗原检测对病毒载量高的感染者有非常好的检测灵敏度。同时,抗原检测非常方便,简单易行,方便感染者在家里进行自测。
郭燕红特别提醒,从感染者的角度,即便不做核酸,出院以后也要注意做好个人防护,居家观察,以不参加社会面活动为妥。
进一步优化“临床分型”
第十版诊疗方案中取消了普通型,增加了中型,为何做出这样的改变?郭燕红指出,从疾病的临床表现来看,普通型一般是代表了疾病最常见、典型的表现。目前流行的奥密克戎变异株,病毒的致病力逐渐减弱,而且疾病的临床特点也发生了比较明显的变化。大多数感染者是上呼吸道感染,发生肺炎的比例大幅度降低。因此取消了普通型,增加了中型。
她介绍,中型的定义是持续高热大于3天,在静息状态下吸空气的指氧饱和度要大于93%,影像学可见特征性的新冠病毒感染肺炎表现,但是它比重型,也就是氧饱和度小于93%的程度要轻。
第十版诊疗方案规定,根据感染者病情的严重程度,分为轻型、中型、重型和危重型。“这样更加符合临床实际,有利于医务人员对患者的病情进行综合研判,并给予综合的治疗措施。”郭燕红表示。
那么,对新冠病毒治疗的重症病例如何分类呢?北京大学第一医院感染疾病科主任王贵强介绍,第十版诊疗方案明确,将新冠病毒感染的重症病例定义为由新冠病毒感染导致的肺炎为主要表现的重症病例;基础病加重、诱发基础病等,作为基础病或其他疾病导致的重症病例。
王贵强表示,针对新冠病毒感染肺炎导致的重症,强调呼吸支持,包括早期的氧疗、俯卧位、气道管理等。同时,重视非呼吸衰竭导致的重症病例,包括基础病的综合救治。
中医治疗对重型、危重型增加随症用药方法
“对新冠病毒感染实施‘乙类乙管’后,中医治疗部分也按照这个要求进行了调整。”国家中医药管理局医政司司长贾忠武指出,一是保持了延续性。当前新冠病毒感染的中医的核心病机并没有发生变化,仍属于中医“疫”病,因此保留了九版方案经过临床检验行之有效的主要内容。二是体现了针对性。当前新冠病毒感染患者多数表现为上呼吸道感染,部分患者有肺部感染的症状,一些恢复期的患者有咳嗽症状比较明显的特点,对此,方案分别增加了“疫毒束表证”“阳气虚衰,疫毒侵肺证”“寒饮郁肺证”内容,以更好地满足临床救治的需求。三是增强了实用性。重型、危重型部分增加了随症用药方法,这在九版方案中是没有的,总结出多种临床常见的症状并提出了具体方药,方便临床医生特别是非中医专业的临床医生参考使用。
针对一些公众反映核酸以及抗原转阴以后仍然有遗留症状的情况,北京中医医院院长刘清泉介绍,第十版方案非常关注核酸转阴后康复的治疗,根据奥密克戎变异株的临床特征,提出了三种状态的治疗方案:一种是针对感染后出现的乏力,同时又伴有脾胃虚弱,中药推荐用经典的六君子汤来治疗;第二种是乏力的情况下,同时容易出汗、心慌、胸闷,推荐沙参麦门冬汤、竹叶石膏汤进行治疗,能很好地缓解症状;第三种是针对咳嗽、痰少、嗓子不舒服,甚至有堵塞的感觉,推荐射干麻黄汤作为代表方进行治疗。此外,还可采用针灸以及推拿的治疗方法。(记者 金振娅)
(文图:赵筱尘 巫邓炎)