採訪整理/李虎門、蔡立勳
Regina Barzilay的研究領域主要著重於自然語言處理(Natural Language Processing, NLP)，希望藉由各種自然語言模型的開發，解決真實世界語言運的問題。
她於2003年以NewsBlaster的開發研究取得哥倫比亞大學電腦科學博士，現為麻省理工學院電腦暨人工智慧實驗室(MIT CSAIL)研究員。NewsBlaster能從不同的新聞報導中，辨識出相同的故事主題，並且能將重點整合後產生摘要。
不僅如此，Barzilay在這領域的貢獻也獲得眾多獎項肯定，包括國家科學基金會生涯獎(NSF Career-Award)、麻省科技評論(MITTechnologyReview)TR-35獎、微軟學者與自然語言處理年會最佳論文獎。除了在研究領域上突出的表現，Barzilay在教育上的貢獻也相當傑出，曾在2016年榮獲Jamieson教育獎。
今年6月，她受時代基金會邀請，來台參加「數位醫療國際論壇」。
我來自以色列，大學和研究所畢業於以色列班古里恩大學(Ben Gurion University)，後來到美國攻讀哥倫比亞大學(Columbia University)電腦科學博士學位。
或許，正是因為母語是古老的希伯來文，讓我對於解碼失傳語言特別有興趣，也是我真正踏入自然語言處理(Natural Language Processing, NLP)的研究起點。簡單來說，就是教電腦聽說讀寫人類的語言。
也因此，我在撰寫博士論文時，開發了自動生成新聞摘要的軟體NewsBlaster。這套軟體能蒐集不同新聞媒體對同一題目的報導，將所有新聞報導分析出重要內容並產生摘要。
後來，到了麻省理工學院教授機器學習相關課程，也持續投入自然語言處理的開發，並且繼續著手開發AI系統，讓其能有自主瀏覽網頁，進行知識填補的能力。
癌癥逆襲 改變研究領域
然而，在43歲那一年，研究方向有著明顯的變化。我從機器學習的領域，一腳踩進數位醫療。
3年前，我被診斷出乳癌。由於我本身乳房組織密度較高，屬於乳癌高危險群，因此每半年做一次乳房攝影檢查，為期兩年的檢查週期最後一次，卻發現了惡性腫瘤。
事後，我內心中一直有疑問，第一，「為何是我？」，因為我的家族並沒有相關病史。第二個問題是，這兩年的檢查當中，難道無法從影像醫學的細微變化，看出我的乳房組織可能進化成癌細胞？
由於現在「治療」癌癥病人的方式，都有「人為」的因素在裡面。無論是做超音波還是病理切片，都是交由「人」來判讀，並且將病情做出分類。不過，這些醫學影像不是直接交給醫師判斷，而是由受過訓練的專業技師去判讀。
當專業技師在做判讀的時候，會用他們所依循的「專案」去分類罹患病癥的患者。過程中，當我們把複雜的病理，利用簡單的原則作為分類指標時，我們將會錯失很多訊息。
這也意味著現行蒐集、分析數據的高科技，仍未真正被應用在醫療領域。因此，在我開始接受治療之後，我決定改變這件事。
當下，利用我在AI領域多年的研究經驗，尋找醫師群合作。尤其，我瞭解到被譽為全球最好的麻省總醫院(MGH)，正在發展一些癌癥治療方式，我想這是我的任務以及內心的期盼。
AI系統輔助 預防治療不是口號
機器可以做到、人類做不到的就是，同時看數百萬張醫學影像，然後做出人類無法提出的精準預測。
以乳癌為例，根據醫學影像以及切片病理報告，一張極為複雜的器官影像，在技師判讀後，可能直接被簡化成幾種數據、幾行判讀文字。甚至在一份研究指出，高危險群乳癌患者在照出腫瘤後，無法確定是良性還惡性，多半都會同意直接開刀切除，但最終其實有87%的病理切片是良性的。
因此，這些問題出在哪裡。我認為，這是圖形運算可以幫助醫師的地方。
以MGH為例，無法確診良性或惡性的腫瘤，進手術房的比例是100%，透過我們團隊所開發的這套系統分析，至少可以在術前判讀出30%的良性組織，大幅減少侵入式醫療的機率。
這套軟體也可以分辨哪些乳房組織比較可能發展成癌細胞，藉此提高醫師投藥的劑量與準確度。而且機器學習和數據運算也可以應用在製藥，透過化學物與患者醫療史的交叉運算，組合出製作成本低、效用更好的藥品。
未來，半年一次的醫學影像，或甚至過去十年的病歷記錄也許也能夠用交叉運算，機器可能比人眼更早發現生理組織病變，屆時，預防和提早治療就不會只是口號了。
擁抱新科技 讓治療量身訂做
我認為，開發醫療運演算法不是要來取代影像醫學判讀的技師，而是找出人眼無法判讀的病變，讓機器協助醫護人員執行更準確的治療。
當然，機器偶爾也有可能會出錯，譬如判讀的準確率為95%，還是有5%的誤差值。這也是為什麼，我們實驗室非常努力的在更新模型(model)，因為我們知道，如果要讓醫師有信心使用這些科技進行預測，就必須降低誤差值。
另外，提供這項工具也可以改變醫療護理人員的分工。在很多醫療體系中，患者真正缺乏的就是從醫療照護提供者這邊，獲得「個人化」的集中照顧。
這也是我認為機器永遠不能取代醫師、護理師的原因，因為AI系統的運用，除了讓治療能朝精準化之外，重點是減輕醫療人員的負擔。如此，醫師就會有更多時間和患者一起，就治療方案相互配合，讓癌癥治療能「量身訂做」。
>>本文刊登於《環球生技月刊》2017年8月號
(來源:《環球生技月刊》 2017年8月)
更多精采內容請點擊:《環球生技月刊》