你的年龄体重身高，最好别对这款app撒谎
话说有一天小探看到一款神奇的自拍 App，说是其背后的 AI 通过自拍就能分析出你的身高性别、年龄体重、BMI 等。
小探挑好了光线、角度拍了一张，结果发现... AI 眼中的我，比实际眼中的我要老了 8 岁！
不服气的小探让办公室几位其他同事测试了一下，发现虽然有一位同事 AI 连性别都判断错了，但在另一位同事身上，从年龄、到身高、再到体重、BMI（身体质量指数），都非常准确！引得大家大呼：这款 App还真有点神奇！
这款 App 背后到底有哪些高科技？小探来到了硅谷 Palo Alto，采访了 AI 医疗公司 doc.ai 的共同创始人兼首席运营官 Sam De Brouwer。
更全面、更完整、更准确的医疗信息
Doc.ai 是以 AI 驱动的医学研究辅助公司，其目标是让人们能够在手机上收集、拥有自己所有的医疗数据，获得个人化的医疗建议，并利用大量真实数据，帮助加速医学研究项目。
对于个人用户来说，与现状相比，doc.ai 的方式能解决两个问题：第一，个人医疗信息更全面、更完整、更准确；第二，明确医疗信息所有权，让产生医疗信息的人能真正拥有自己的医疗信息，并且能通过自主分享、贡献自己宝贵的医疗信息，获得相应报酬。
什么意思呢？我们细细说来。
首先，我们先来说说 “让个人医疗信息更全面、更完整、更准确”。
先说更全面。随着人们对健康日渐重视，用饮食记录 app、运动健身 app（比如微信计步器）、睡眠 app、各种运动手环等记录健康数据的软硬件的人也越来越多。我们知道，一个人的健康状态受很多因素影响，每种类的数据，就像画布上的一个个点，点越多，整个画面才更清晰，我们才能看到全貌。而现在，睡眠的数据在睡眠 app 里、饮食的数据在饮食 app 里，但我们无法把它汇总到一个地方。
Doc.ai 的想法是，把这些 app 里的数据与 doc.ai 相连，在用户知晓的情况下，让 doc.ai 能够从不同的 app、不同的硬件里，把自己的吃喝运动、起床睡觉的信息都放在一起，由点及面，让个人用户能够更全面地记录自己的健康情况。
再说更完整。Sam 告诉小探，Doc.ai 想尽可能全面地收集用户准确的、来源多样化的信息。除了日常饮食、作息运动等信息，Doc.ai 还希望收集用户的医院化验结果、医疗记录、微生物组、症状反应、遗传信息、周围环境等多种信息。
环境、空气质量、花粉......所有这些细节，其实都会对我们的健康产生影响。用户可以在 doc.ai 的 app 上把所有这些内容都上传进去，app 就会根据收集的内容为用户提供一些预测：比如预测你今年可能要去几趟医院、这个春天会不会过敏... 等等。
毕竟，信息收集得越多，其背后的 AI 学习速度也就越快，做出的判断就越精准，也就越因人而异，为你量身定做。对个人用户来说，更精准的判断不论是疾病预防、还是精准医疗，都有很大好处。
接下来，我们再来说说 doc.ai 计划如何让未来的数据收集更准确 —— 这是最有挑战、但科技感也最足的部分。
不少人为了保持身材，会用一些食物热量记录 app。不知道大家是否想过这个问题：你怎么才能相对快速、准确地把你今天都吃了哪些东西记录到手机上呢？
靠手写？很麻烦，而且还不准确。靠扫条形码？这个方法虽然准确，而且被美国最受欢迎的卡路里 app 之一 Lose It 采用，但并不是所有食物都有条形码。靠拍照？这到是个好办法 —— 毕竟很多人已经养成了餐前对着食物照相的习惯。但即使拍照也有不足之处。
（图自网络，版权属于原作者）
Sam 告诉小探，食物里有很多 “隐形元素”，比如放了多少盐、多少糖，靠现在手机照相无法准确记录，因此这种数据对医疗作用来说精度明显不够。而 doc.ai 希望未来有一天，可以依靠 计算机视觉等技术，能够更加精准地记录识别、分析眼前的物体。
“对于个人健康信息收集，我们目前还只是刚刚起步。”
谁的医疗信息谁做主、谁获益
每年，药厂、医疗公司等研发机构都需要大量的数据作为辅助。谁是这些数据的生产者呢？是正在阅读这篇文章的你、是小探、是我们每一个人。
以前，我们生产数据的方式是一年去一两次医院看病，病例簿上的信息就是我们不定期地、断断续续地产生的数据。而现在，随着可穿戴设备越来越普及、再加上我们越来越习惯于用一些手机 app 记录自己的医疗信息，我们产生的数据也井喷式增长。
不过，我们使用这些软硬件设备记录的自己的医疗信息，到底属于谁呢？出售这些信息带来的经济利益，又进了谁的钱包呢？目前绝大多数情况下，创造数据的用户无法获得相应收益，收益多被数据收集方（比如某款睡眠/饮食 app）获取。
一方面，数据产生者无法获得应有的报酬，另一方面，却是临床试验的组织者往往需要花费很多时间、很大力气，才能找到符合要求的志愿者，这也就拖慢了新药研发的进度。
而 doc.ai 的方法，或许能同时解决这两个问题。
不少正在进行、或即将进行的临床试验项目通过 doc.ai 这个平台进行志愿者招募。整个过程全部自动化，用户如果有兴趣成为志愿者，首先要阅读协议条款：比如志愿者需要满足什么条件、研究机构需要什么样的数据等。如果满足条件，且志愿者选择同意条款、签字完毕后，临床实验就可以正式开始了。在实验结束、数据分享给相关机构后，志愿者将按协议获得相应报酬。
当然，数据到底分不分享、分享给谁、分享多少 … 决定权在用户手上 —— 其实我们的健康、医疗数据早就被分享出去了，只是我们没有决定权而已。
doc.ai 希望通过这种方式，用户不仅可以对自己感兴趣、帮得上忙的科研做出贡献，还能顺带获得不同形式的参与奖励，比如获得 doc.ai 的积分，以便到 doc.ai 的 market place 换取亚马逊礼品卡等奖励（2018 年感恩节时，doc.ai 的宣传活动大获成功，以至于一度出现积分换卡的用户太多、doc.ai 大量补买亚马逊礼品卡、差点被亚马逊当做恶意软件封号的壮举）。
在 doc.ai 平台上的诸多正在进行的临床实验项目中，有一个已经成功招满人了。而且 Sam 告诉小探，通过该平台招募临床实验的志愿者，比通过传统方式招人要快得多：doc.ai 在短短 10 周内就招来了 2000 名志愿者，而传统方式通常需要六个月。
很快，doc.ai 的平台上将有一系列协助临床试验招募的项目：有针对过敏症的数据试验、针对治疗克罗恩病的实验、针对治疗癫痫的实验等。
Sam 透露说，现在 doc.ai 平台上有一个研究过敏的项目，通过数据试图预测某人的过敏风险。另外，doc.ai 还与斯坦福大学合作，一起研究治疗癫痫症的方法：doc.ai 将构建一个框架，以构建预测模型来预测最适合某患者的抗癫痫药物的可能性（对于抑郁症或癫痫症等疾病来说，每人情况不同，而目前医生缺乏工具和信息对病人进行精准治疗，因此医生只好给病人开很多种药物，根据病人的反应一个个试，看到底哪种有效）。
在这整个过程中，从保证用户隐私的角度来看，所有数据都是脱敏（即隐去用户个人身份等信息）的；而从药厂、科研机构等数据购买者的角度来看，数据的真实性也得以保障。
Doc.ai 认为，他们的方式不仅能明确医疗数据的所有权、使数据生产者享受其创造数据的利益，另一方面，还能聚沙成塔，把散落在四处的零落数据整理成有体系、可追踪、更全面的长期数据，从而大大加速科研的步伐。
要做到这些，离不开 doc.ai 背后的技术。
数据收集、存储、分析的新方式
作为一家 AI 公司，Doc.ai 非常擅长开发前所未有的、有助于收集医疗数据的模块。doc.ai 建立了数据的 importer，让个人用户可以更便利地把第三方上的数据导入 doc.ai 的系统里。
在现阶段，这无疑是很好的收集数据方法，但 Sam 认为，未来数据收集的方式将大大改变：计算机视觉（computer vision）与语音收集将成为主角，而这两方面一直以来也是 doc.ai 的关注点。
文章最开始提到的 “医疗自拍” 就是 doc.ai 在这方面的初步尝试。其背后的神经网络可以通过简单一张自拍，就算出你的年龄、身高、体重和身高体重比（BMI）。当然，目前这个技术尚不完美，其中需要改进的地方之一就是由于数据库里亚裔数据较少，因此 AI 面对亚裔脸孔算不准确的几率更高 —— 不过比起性别都被算错的同事来说，小探觉得被 AI 算老了几岁也不算什么了。这款 app 可以从应用商店下载哦！大家可以去测一下是否准确。
此外，Doc.ai 还有另一款针对数据科学家的 app：Net Runner。Net Runner 是一个神经网络。它能够在用户打开摄像头后，实时计算用户的年龄、身高、性别和体重，而这些都能在 20 毫秒内算出来。在判断你的信息时，它还会学着把光线、角度等可能会影响判断的因素都考虑进去，非常智能。
Net Runner 不仅能即时识别人脸、还能即时识别周围环境、常见物体，并且实时给这些物体打上标记，让后期的 AI 处理更加省时。
（AI 练习识别物体。图自 doc.ai）
这款 app 的独特之处在于，它是一款完全在用户手机上的 AI 应用：所有的数据、计算都完全在手机上完成 —— 而不是上传到云再完成。Sam 认为，这种方式是 “绝对数据所有权、绝对高速、绝对安全”。而对用户来说，这也有独特的意义：它意味着不仅原始数据本身的绝对拥有权属于用户，而且 AI 计算的结果也完全被客户所拥有。
此外，医疗数据作为一种体量庞大的有价资产，doc.ai 目前也在探讨用区块链技术简化信息存储的可能性。
采访结尾 Sam 透露说，在未来，doc.ai 有计划扩张到其他国家，和其他国家的研究人员、技术人员一起合作，让更多人第一次真真正正、完完全全地掌握自己的医疗数据，获取更精准的医疗建议。
眼看着 AI 就能让我们的生活更健康了，但 AI 火眼金睛的唯一 “缺点”，就是它有可能戳穿我们自欺欺人的自我安慰 … 毕竟，随着计算机视觉、AI 的发展，“我觉得我看着挺年轻的”、“我觉得我看着挺瘦的” 等我们善意欺骗自己的谎言，在阅人无数的 AI 面前都将无处循形。
