“每个人看到的世界都是他过往的反映，宇宙运行的驱动力会把同样愿景的人聚集起来，即使这些人是在世界的不同角落。”
这是倪东在2023年参加了塞内加尔举办的“大挑战”年会后发出的感慨。“大挑战“是盖茨基金会于21年前推出的创新项目，秉承“好的想法来自世界各地”的理念，针对影响世界上最贫困人群的全球健康和发展问题，征集并资助潜在的解决方案。
年会上的一组数据，让倪东感触很深：在全球，每七秒钟，就有一名孕妇或新生儿死去，其中70%的死亡发生在撒哈拉以南非洲。而导致这些死亡的很多原因本可以通过超声等常规检查手段尽早发现和避免。但实际上，在中低收入国家，由于缺乏设备和医生，只有1/3的孕妇可以接受挽救生命的超声检查。
倪东想，自己和团队或许可以做些什么。
复杂的产前超声
故事的开始，要追溯到2010年。倪东正在探索利用人工智能改善超声图像分析，以此提高临床诊断的效率和精确性。当时人工智能超声的主流研发方向集中于癌症和心血管疾病等方面，而针对产前超声的研究则凤毛麟角。
这背后的主要原因，主要归结于产前超声的复杂性。
成年人做超声，器官的位置在哪，医生都有大致了解，比如心脏就在左侧胸骨的第二肋骨到第五肋骨之间。但胎儿在母亲子宫中的位置和体积都不固定，且其器官还在持续发育中，这增加了定位和识别器官的难度。
此外，在进行产前超声时，医生不仅要找到胎儿的器官，还需要从正确的角度捕捉到这些器官的切面图像，从而评估胎儿的发育情况并识别高危妊娠的风险。这很大程度上依赖操作者的个人经验和临床判断。
为了解决这些难题，倪东组建了包括医学、工程和计算机科学等领域的跨学科团队，他们用十几年的时间研发了一套产前AI超声系统，可以帮助找到标准切面并对其进行定量分析，从而辅助医生进行更精确的诊断和治疗规划。
用AI，让产前超声更简单
乍看上去，倪东团队解决的只是图像分析标准化这一个问题，但其实这里面包含了几百个小问题。比如，图片是否清晰、器官的解剖形状是否准确，用哪个角度扫查。
而每一个小问题，都需要用“AI”能理解的语言来教它。比如，判断图像是否清晰，人眼来看很简单，但让计算机理解，则需要用复杂的数学公式来描述。数学模型虽然有了，但AI根据它来判断的结果还是不太标准，这时候就需要“喂”给AI大量真实的临床数据，让AI自己去学习、模拟经验丰富的医生。
构建数学模型、收集临床数据、训练AI模型，每一步想要做好，都需要有对临床的深入洞见。只有真正理解了临床上的问题，才能做出相应地回应。
当几百个这样的问题组合在一起，形成一个大的AI模型，才能解决真实的临床困境，让产前超声更简单、更标准。
目前，用倪东团队研发的AI超声软件，可以自动化的找到标准切面，进行参数的测量。此外，原来医生在扫查时，需要在大脑里重建胎儿的位置，但是有了AI后，AI会全程监控，告诉医生探头扫到了胎儿的什么部位。这套超声AI软件，可以安装在不同类型的超声设备上，充当一个“智能助手”。
对于经验不足的医生来说，AI能协助他更准确地诊断。而对于尚处于培训期的医生来说，AI则是一个24小时陪伴在侧的“老师”，可以大大缩短产前超声医生培训的时间。
更简单、更便宜的超声
故事再次回到2023年的非洲。
在“大挑战”年会的倪东，深知自己团队具备能解决问题的经验和能力，但也知道过去研发的那套AI超声，对于非洲这样资源更匮乏的地区来说，还是不够“好”用。
一台超声设备，少则几万，贵的要两三百万，很少有非洲医院能负担的起，更不用想培养专业的医生了。对于生活在这里的孕产妇来说，去医院接受超声检查是遥不可及的奢望。
因此，倪东团队正在设计一种方便村医和助产士使用的便携AI超声设备。
这个设备，首先就是要便宜。“超声设备的硬件以及AI模型，加起来差不多几千块钱，这样才能负担的起。”
在盖茨基金会的支持下，倪东团队正用来自非洲的数据对AI进行“针对性训练”，同时为了进一步控制成本，并且让这个设备更便携，倪东和合作伙伴还计划把设备做得很小，差不多一个PAD那么大。“通常来说AI模型是很大的，要把它简化，并且能装到这个小设备里，挑战还是很大的。”
在倪东和团队的设想中，这个便携的AI超声设备用起来将会很简单，甚至就像现在的AED一样，使用者不需要很丰富的医学背景，只要按照机器的指示，去扫查孕妇的肚子，AI就可以自动获取一些关键数据，比如孕周和胎位。“知道孕周，就知道了什么时候生，就可以避免快临盆时，还在外面劳作；知道了胎位，比如孩子的头到底是冲下，还是冲上，也能极大程度避免难产导致的死亡。”
让最新的医疗进步为每一个妈妈和宝宝的健康保驾护航，这才是了不起的创新。
