作者 | 青暮
2014年：她被诊断出患有乳腺癌。
2017年：她开发了可以提前几年诊断出她的癌症的ML模型。
今天：她被宣布为AAAI松鼠AI奖的第一位获得者，奖金100万美元，该奖项旨在表彰她在癌症诊断和药物合成方面的工作。
她是麻省理工学院教授Regina Barzilay。
1
关于“AI诺贝尔奖”
一百多年来，诺贝尔奖每年都会颁发，以表彰科学家在化学、文学、医学、和平、经济与物理学方面的突破性成就。这些学科无疑会继续影响社会，而人工智能和机器人技术等新兴领域也开始深刻地重塑世界。
认识到这一点，世界上最大的AI协会——AAAI 创立了松鼠AI奖，一百万美元奖金由在线教育公司松鼠AI提供。
早在去年5月25日，在AIAED全球AI+智适应教育峰会上，松鼠 AI 就联合 AAAI发布了这一奖项，宣布将每年出资 100 万美金，奖励给全球领先有突破性并且为社会创造商业及为人类创造巨大价值的 AI 技术，并称呼该奖项为“AI 诺贝尔奖”。
获奖者Regina Barzilay是麻省理工学院电气工程和计算机科学的Delta电子学教授，也是麻省理工学院计算机科学和人工智能实验室（MIT-CSAIL）的成员，她因利用机器学习模型来开发抗生素和其他药物的工作而受到认可， 并长期致力于发现和诊断乳腺癌。
Barzilay在获得以色列内盖夫本古里安大学的学士学位和哥伦比亚大学的博士学位后，于2003年加入麻省理工学院。她还获得了麦克阿瑟“天才奖”、美国国家科学基金会职业奖、微软学院奖学金、多个“最佳论文”奖以及麻省理工学院的杰米森奖（表彰她在教育上的成就）。
AAAI奖项委员会主席Yolanda Gil表示，他们很高兴能颁发这一新奖项。AAAI由来自全球50个国家的300多名当选Fellow和6,000名成员组成，是全球最大人工智能科学学会。许多AI先锋包括Allen Newell和John McCarthy都是其成员。AAAI创立了几个有影响力的AI奖项，包括费根鲍姆奖，纽厄尔奖（与ACM联合创立）和恩格莫尔奖。
2
祸兮福所倚
Barzilay早期专注于自然语言处理，从可解释的机器学习到破译古代语言，Barzilay对计算机科学的各个主题进行了研究。自2014年在乳腺癌中幸存下来后，她将注意力转向了医疗保健。
Barzilay在接受MIT科技评论的采访中提到，她在医院治疗时想到，乳腺癌是一种非常常见的疾病，医院有这么多患者，积累了很多数据，为什么不好好利用呢？
但是要获取美国医院的数据并没有简单，Barzilay花了不少时间才找到愿意合作的医院。然后，Barzilay开始通过图像识别技术检测乳房X光片来预测患者的患癌风险。
检测乳腺癌这项工作对于医生而言也不容易，每张乳房X光片都有可能存在不是癌症标志物的白点，医生必须决定是否对其中高风险的白点进行活检，即需要在直觉判断与有损活检之间取得平衡。Barzilay表示，但正是数据驱动型AI可以帮助我们以更加系统化的方式做出决策的类型。
尽管遗传学和现代影像学取得了重大进展，但大多数乳腺癌患者的确诊仍然充满了意外性。对于某些人来说，为时已晚。过晚的诊断意味着激进的治疗、不确定的结果以及更多的医疗费用。识别患者一直是乳腺癌研究的重点。
考虑到这一点，MIT-CSAIL和马萨诸塞州总医院（MGH）的团队创建了深度学习模型，可以根据乳房X光片预测患者是否可能患上乳腺癌，最早可提前五年判断。Barzilay从工作中意识到，如果当时存在这样的系统，她的医生实际上可以提前两三年发现她的癌症。
该模型在60,000多名MGH患者的诊断数据上进行训练，从而了解了乳腺组织中的微妙模式，这些模式是恶性肿瘤的先兆。
该团队的模型在预测风险方面比现有方法要好得多：模型将所有癌症患者中的31％准确地置于其最高风险类别中，而传统模型只有18％。
自1989年建立第一个乳腺癌风险模型以来，其发展很大程度上是由人类知识和直觉驱动的，人们考虑的因素包括年龄、乳腺癌和卵巢癌的家族史、激素、生殖因素以及乳腺密度。
但是，大多数标志物与乳腺癌的相关性很弱。结果，传统模型在个人层面上仍然不是很准确，并且鉴于这些限制，许多组织仍然认为不可能进行基于风险的筛查程序。
MIT / MGH团队训练了深度学习模型来直接从数据中推导出模式，该模型检测出的模式对于人眼来说太微妙了。
  • 相关论文：https://pubs.rsna.org/doi/10.1148/radiol.2019182716
  • 相关项目：https://github.com/yala/OncoNet_Public
Barzilay创建的用于早期乳腺癌诊断和风险评估的算法，已在包括瑞典、台湾和波士顿马萨诸塞州总医院在内的全球多家医院进行了测试。现在，她正在与巴西的Protea研究所等乳腺癌组织合作，为世界各地的贫困人口提供诊断工具。
同时，她一直在开发用于药物发现的机器学习模型：她与合作者一起创建了用于选择治疗剂分子候选者的模型，从而能够加速药物开发，并在去年帮助发现了一种名为Halicin的新抗生素，它能够杀死许多对抗生素具有抗药性的致病细菌，包括鲍曼不动杆菌和艰难梭菌（clostridium difficile ，“c-diff”）。
作为Koch综合癌症研究所的成员，Barzilay说道，“通过我自己的生活经历，我开始意识到，我们可以创造出减轻人类痛苦、改变人类对疾病理解的技术。”
Barzilay还是麻省理工学院的医学工程和科学研究所的成员，也是麻省理工学院的Abdul Latif Jameel卫生机器学习诊所的联合负责人。该诊所近期正致力于“AI Cures”计划，这是一项跨机构的计划，致力于开发低成本的Covid-19抗病毒药物。
麻省理工学院生物学教授、诺贝尔奖获得者Phillip Sharp说：“Regina在乳腺癌检测和预测新型化学物质的药物活性方面取得了真正的突破。作为她的同事，我很荣幸能成为使用机器学习方法来改变医疗保健和生物科学领域的先锋。”
参考资料：
  1. https://news.mit.edu/2020/regina-barzilay-wins-aaai-squirrel-ai-award-artificial-intelligence-0923#article-video-inline
  2. https://news.mit.edu/2019/using-ai-predict-breast-cancer-and-personalize-care-0507
  3. https://www.technologyreview.com/2020/09/23/1008757/interview-winner-million-dollar-ai-prize-cancer-healthcare-regulation/
  4. https://www.reddit.com/r/MachineLearning/comments/iyhhgt/d_israeli_mit_professor_regina_barzilay_wins_1m/
点击阅读原文，直达“CCF-NLP走进高校之郑州大学”直播页面！
继续阅读
阅读原文
关键词
教授
科学
药物
机器学习
人工智能