疼痛是每個人一生中體驗最早、最多的主觀內在感覺。由于人們往往認為疼痛是疾病的癥狀，只要治好疾病疼痛自然就會消失，因此，疼痛常被人們忽略。
據權威統計數據顯示，歐美國家有35%的人患有慢性疼痛，而我國的情況對比這一數字只高不低。世界上每天約550萬人忍受癌痛的折磨，中國城市居民中大約57%的人經歷過不同程度的頭痛。
早在2000年，世界衛生組織就提出“慢性疼痛是一類疾病”。為喚起全球對疼痛的關注，造福千萬疼痛患者，2004年，國際疼痛學會（IASP）決定將每年的10月11日設立為“世界鎮痛日”。
也許疼痛來臨時，即便痛得難以忍受，你可能還要故作堅強，在醫生面前自述病情。可如今，這樣做也無濟于事，一款新的計算系統能“火眼金睛”地看穿你到底有多疼。
衡量疼痛
這個新的系統能通過觀察患者的面部表情來判斷其疼痛的程度。“在進行真假痛苦的區分時，這些指標可能會很有用。”美國匹茲堡大學的 Jeffrey Cohn表示。該系統還可以分辨出患者是否真的需要處方藥，還是只是一個騙子。
客觀地衡量疼痛程度是一項棘手的任務，Dianbo Liu坦言，正是他與其麻省理工學院的同事們創造了這個系統。之所以會想到研究這個系統，是因為該研究小組認為，情感是人類體驗的基礎，其影響認知能力、洞察力以及日常工作，例如學習、交流甚至理性決策。
而技術人員在很大程度上會忽視情感因素，并常為人們帶來一種令人沮喪的體驗，形成這種情況的部分原因是情感已經被誤解，難以衡量。這正如人們對疼痛的體驗和表達方式各不相同，而醫生對患者疼痛程度的評判往往依賴于患者的自述，很難做到客觀。
為恢復情感與認知之間的適度平衡，保證客觀性，Liu 和他的團隊設計出了一種算法，該算法能根據視頻中人們流露出的痛苦表情和畏縮程度來判斷疼痛程度。每個視頻中的被測對象都是患有肩周炎的病人，他們被要求進行不同的運動，然后由算法基于視頻去評估他們的疼痛程度。最終結果表明，該算法能利用面部表情的細微差別準確評判出受測者的疼痛程度。
面部的某些部位極易暴露自身，Liu指出，尤其是鼻子和嘴巴周圍的大量運動，比患者自述的程度更深，這將有助于提高算法分析的準確性。
這種算法將有助于醫生決定采取何種方式對癥下藥。通過檢查每個人微小的面部表情并進行系統精確校準，它可在這個通常被認為是比較困難的領域中做出更為客觀的判斷。
機器VS人工
當然，這并不是科研人員進行算法識別系統的首次嘗試。此前已有多個不同的科研小組進行過相關實驗，并證實了系統算法確實比人工識別更準確。
2014年，美國加利福尼亞大學圣迭戈分校神經計算所研究人員研發了一套系統，按照程序，電腦認定面部肌肉某種運動組合方式為真實表情，另一種則為假。
在測試中，25名志愿者每人拍攝兩組錄像。拍攝第一組錄像時，志愿者把胳膊放入溫水中一分鐘，然后假裝痛苦表情，盡量騙過一名專家；第二組錄像中，溫水換成冰水，志愿者們自由做出真實表情。
研究人員讓另外170名研究對象觀看錄像，分辨真實或偽裝的痛苦表情。結果顯示，正確率為50％。研究人員教授他們分辨方法，再次測試，正確率稍高，達到55％。而與人類相比，電腦系統的分辨準確率竟高達85%。
研究人員認為電腦戰勝人腦的原因在于前者抓住面部表情的一些特點，特別是嘴部運動，而這些特點通常被人類忽視。
而在此次的新研究中，為了讓算法更準確，研究人員煞費苦心。他們對系統進行了調整，把被測者的年齡、性別和膚色也納入考慮范圍。一個人的年齡對他們疼痛程度的表達影響最大，并且Liu 也發現針對個人的方法比一個適合所有人的系統效率更高。
Cohn十分認同該設計及結果，并表示這是他第一次看到一個能識別痛苦的算法——它甚至還能基于年齡、性別、膚色和皮膚進行調整。雖然現在還處于初期階段，但Liu認為，沒有什么可以阻止他將此系統投入應用變成一個實用的軟件，這樣醫生就可以在他們的智能手機安裝并使用了。
人工智能熱潮
其實，類似這樣的人工智能早已悄無聲息的出現，并開始在某些疾病診斷領域的運用中顯現出極大的優勢。
早在1972年，世界上第一個計算機臨床決策支持系統AAPhelp就由提姆·德—多姆巴爾和蘇珊·克萊普于英國研制成功。這套系統使用一種樸素的貝葉斯算法來根據病人的癥狀計算出劇烈腹痛可能的原因。隨著科學家向該系統內輸入的癥狀和診斷數據越來越多，它變得日益精確。到1974年，該系統的診斷精度已經超過資深醫生。
在美國紐約，紀念斯隆—凱特琳癌癥中心的腫瘤學家已利用IBM“沃森”進行輔助性診斷，人們親切地稱呼它為“沃森”醫生。它的知識涉獵范圍很廣，包括300多份醫學期刊、200余種教科書，以及美國國立綜合癌癥網絡（NCCN）定期更新發布的臨床指南等。
今年初，斯坦福大學研究團隊利用深度學習技術訓練谷歌公司開發的一項人工智能程序，在經過研究人員收集的近13萬張與皮膚病變相關的圖像的集中“訓練”后，然后再使用經活體組織檢查確認的高質量病變圖像進行測試，之后研究人員讓這款程序去分類并識別皮膚病變處屬于良性還是惡性。然后，將“接受醫學培訓”的人工智能程序的皮膚癌識別結果與21名皮膚科醫生進行對比，結果發現兩者的表現基本處于同一水平。
無獨有偶。就在不久前，谷歌的科學家開發出一款用來診斷乳腺癌的人工智能。科學家把乳腺癌的切片圖像分割成數十萬個像素小區域，每個區域可能含有數個腫瘤細胞。隨后，他們提供了許多腫瘤組織與正常組織的病理切片，供人工智能學習并掌握區分腫瘤組織與健康組織的像素級技巧。隨后，科學家請來病理學家與人工智能比賽“讀片”：病理學家的診斷準確率為73.3%，人工智能為88.5%。
用“橫掃”來形容如今人工智能對醫學界的進軍一點也不夸張。不管醫生是否愿意接受，人工智能已經強勢來襲。
從“人工智能”這個詞出現，到如今“AI+”開始顛覆包括醫療在內的各個領域，對于“人工智能將在未來的醫療領域發揮重要作用”這一觀點，人們也開始逐漸認同。
不過，不少專家也指出，目前人工智能在醫療界仍處于從屬地位，畢竟“現在的人工智能只能說是‘替代已知’，學習了海量醫生們的經驗，還沒有自我進化到‘替代未知’” 。
對此，Liu 也表示贊同。他認為，此次研發的新系統同樣無法取代真正的醫生。因為算法測試所使用的視頻是在理想的燈光和攝影條件下拍攝的，所以一旦它用在真實的患者身上時，系統很可能沒有那么準確。
盡管如此，這并不能限制該系統給醫學界帶來更大的改變。目前，他仍然計劃進一步提升算法性能，并讓更多的人參與測試，看看能否進一步提高其對疼痛的分辨能力。■