■梁玉桃 杜如虚

近年来，科学技术飞速发展，人们对生病的机理有了深刻的认识，同时也开发了各种各样的监测方法，力图及早发现生病的征兆，从而做到“不治已病治未病”。

目前常用的疾病监测方法有多种，能监测的指标也很多。一年一度的身体检查能有30多个指标，有时甚至需时一天，验血、验尿，超声波、X光、程序繁复，不大方便。另一类选择是使用具有特定功能的便携式或家用式检测设备，如血糖测试仪、尿酸测试仪等。这类方法的优点是快捷，但能监测的指标少，而且大多需要采集血样。

这里，笔者提出的“病从口看”是一个基于口腔检查的智能健康护航系统。这个系统的硬件包括两个部分：口腔影像检查及唾液分析。

口腔影像检查设备由LED光源及内窥镜成像组成。不同颜色的LED光源及显微成像的内窥镜，可以辨识出肉眼难以分辨的、微小的病症，如蛀牙、牙垢、牙隐裂、牙龈萎缩、白斑、口腔黏膜充血等。此外，通过无线网络技术，影像可以直接传送到手机或云端，为进一步的图像分析与长期监测提供数据记录。

唾液分析是关键的技术。人类唾液中的微生物有7000种之多。常见的有口腔链球菌、革兰氏阳性菌、棒状菌等。美国有一个人类口腔微生物计划，花费十年获得了一个完整的人类口腔微生物数据库。通过这个数据库可以找出口腔微生物分布与各种疾病的关联，包括各种牙周炎、糖尿病、胰腺癌、类风湿关节炎等。此外，口腔上皮细胞有被检测者的DNA，由于唾液采集容易，是DNA测试常用的样本。

不过，与血液检测和分析相比，唾液的检测和分析困难得多。其挑战主要有三个方面。一是数据的复杂性。如上所述，唾液中不但有被检测者的信息，还有多种微生物的信息。使用传统检测的方法只能检测出血糖、血脂、尿酸、亚硝酸盐等为数不多的指标，难以找出与每一种病症相关的、完整的、确切的特征。而检测DNA也只能得到定性信息，无法知道微生物数量的多少。二是个体差异性。人们的生活习惯都不相同，性别、年龄、饮食习惯、作息时间表等都会影响唾液的成分。三是数据的不确定性。举一个例子，昨晚吃过大餐，今天早上可能会觉得口腔有异感。这说明唾液成分有所变化。此外，疾病千变万化，对应的数据也千变万化，难以一一获取。因此，必须依赖人工智能技术对唾液的检测数据进行深入分析。

根据文献报道，人工智能在健康监护领域也有不少应用，但目前市场上还没有成熟的产品。人工智能有多种方法。对于健康监护，笔者认为对抗神经元网络最为有效。这一方法源自统计学中的自举法。传统的统计法通常是用采样数据的统计特征来估计总体的统计特征。

1979年，美国斯坦福大学统计学教授Bradley Efron提出对采样数据进行反复再采样，并用再采样的数据的统计特征来估计总体的统计特征，其效果比传统的方法好，这一技术被称之为自举法。人们发现自举法还可以应用于时间序列、马尔科夫链、神经元网络等。

2015年，计算机学家Ian Goodfellow提出可以摒弃自举产生的不好的模型，从而构建出能更好地描述总体的模型。他用了两个神经元网络：一个叫做生成器，用作生成数据；一个叫做判别器，用作判别。两个神经元网络不断“对抗”，经过交替的训练，两者都得以提升，最后得到最优化模型。这一方法被称之为对抗神经元网络，是人工智能最为成功的方法之一。此外，通过改变生成器的输入，生成器可以生成具有一定特征的数据。据此可以解决上述唾液分析遇到的挑战。目前，笔者已经做了一些实验，效果良好。

结合口腔影像检查及唾液分析的硬件和人工智能的软件，就可以搭建起基于口腔检查的智能健康护航系统。这个“病从口看”系统有几个优点：能检测的指标多，能检测出的疾病多，使用方便，性能价格比高。笔者相信这一系统将在不久的将来走进千家万户，为人们的健康护航。

（作者单位分别为中科健齿科技有限公司、华南理工大学吴贤铭智能工程学院）