从“数据沙漠”中找到绿洲

　　从“数据沙漠”中找到绿洲
　　数据清洗师毛雨晴每天从大量样本中筛选出有效素材，为人工智能深度学习提供数据

　　毛雨晴（左一）每天要对大量的染色体样本进行数据化转换。　　长沙晚报全媒体记者 小刘军 摄

　　长沙晚报全媒体记者 陈登辉

　　人物名片

　　毛雨晴，长沙人，毕业于长沙医学院，自兴人工智能集团智慧医疗数据清洗师。

　　新职业简介

　　数据清洗师：根据业务要求，能够用程序实现数据筛选、分类、修正、加工等的工程技术人员。一般要求掌握计算机、数据分析、机器算法等技能。

　　大数据之所以“大”，意味着它的价值密度低，就像在广袤的沙漠之中，只有寻找到绿洲，才能让数据实现价值。这项繁杂而重要的辨别工作，如今已经形成了一个独特的新职业——数据清洗师。

　　位于长沙高新区的自兴人工智能大厦里，一个将人工智能应用于医疗的项目已经进入试用阶段，一批数据清洗师每天都在“大浪淘沙”，对大量的染色体素材进行数据化处理。毛雨晴就是其中一位。

　　人工智能赋能，省去大量繁琐环节

　　毛雨晴及其团队正在从事的，是一个名为人类染色体智能分析云平台AICKS（以下简称AICKS）的项目。

　　“染色体如今已经广泛应用于医疗诊断领域，”自兴人工智能智慧医疗的产品及研发经理邹磊告诉记者，在传统的诊断过程中，医生需要对大量的染色体进行分离和判断，“一般人都是23对染色体，分成46条，在样本里，它们交织在一起，想要逐个比对，工作量不小。”即便是熟练的医生，也需要15到20分钟才能完成一个样本。

　　“与我们合作的中信湘雅生殖与遗传专科医院，高峰期时一个月要处理6000多例，可以想象工作量有多大。”邹磊表示。

　　为了解决这一痛点，自兴人工智能研发了AICKS，通过运用人工智能算法，对光学显微成像后的人类染色体图像，进行自动去噪、增强、分割与识别，完成染色体疾病的智能检测，自动生成核型分析报告，实现染色体核型智能化分析。

　　邹磊介绍说，这是一个数据开放平台，包含了数据标注、质检在内的多种工具，以及医生的标注行为以及图像的共享等。为配合平台运转，还有控建的数据中心。

　　“根据我们的测算，应用AICKS后，每个样本的分析时间可以缩短至3~5分钟，显著提高效率。”邹磊说，在这个过程中，需要让人工智能系统通过海量的案例，去深度学习，而这个把现实素材转化成数据的过程，就需要发挥数据清洗师的作用。

　　每天要看近万张样本图片，海量数据中“淘金”

　　毛雨晴是土生土长的长沙人，毕业于长沙医学院，所学的专业是医学检验专业。

　　“这个专业就是学习如何通过试验和分析样本，向医生反馈结果，”毛雨晴说，她的数据清洗师工作，与这一专业密不可分。

　　在毛雨晴的电脑屏幕上，显示着一个样本的23对染色体。“我需要做的就是逐个比对，根据算法的需要进行区分，”毛雨晴介绍说，染色体异常的情况主要分为两类，一是数量上的异常，二是结构上的异常，如缺失、增加、异位、互换等。

　　常人眼里看起来扭曲而模糊的染色体，在毛雨晴眼中却能准确地找到带纹上的特征，“最细微的差别只有几个像素”。这样的样本图片，她每天要看成千上万张。

　　数据化的过程中，筛选有效素材就像从树上摘果子，果子采摘完后，还要交给下一道工序，打成果汁，也就是把素材完全转化成数字。当染色体素材转换成为数据之后，数据清洗师的工作才算圆满完成。

　　邹磊告诉记者，目前AICKS已经进入试用阶段，“医生们都希望能够早日用上这个系统，帮助他们省去繁杂而重复的工作”。

　　职业感悟

　　人工智能就是“越人工、越智能”。在人工智能赋能各个行业的过程中，都需要海量的数据进行支撑。人工处理数据的过程有重复、繁琐的一面，但这份工作对提高社会效率有很大的意义，值得我们去坚守和突破。

　　——毛雨晴