量子啟發新演算法 助放射科確診病症

新科技速遞

不少腫瘤科癌症病人須靠放射醫學協助診斷,決定療程和治療方式。例如癌症病人接受磁力共振掃描,以決定化療的效果,應該進行局部切除手術。不過醫學影像靠放射治療科醫生逐個評估,人手極度不足,加快輪候時間。

科技公司提出多種技術,改善放射醫療診斷。較早前,數據分析公司SAS與阿姆斯特丹大學癌病中心合作,AI分析醫療影像,為直腸癌肝轉移( Colorectal Liver Metastases)病人,即使癌細胞轉移肝臟,為何時能作局部切除(Resection)作更凖確診斷。

最近,Microsoft更宣佈利用量子電腦啟發的演算法,幫助磁力共振(Magnetic resonance imaging,MRI)診斷更凖確,幫助癌症病人有更好醫療和生活質素。

Microsoft行政總裁Satya Nadella在剛過去Ignite大會,推出了雲端量子運算服務Azure Quantum,提及即使量子運算電腦,仍未及商用,Microsoft和美國Case Western Reserve大學合作,透過傳統運算硬體上,執行量子運算的演算法,實現新一代的磁共振指紋(Magnetic resonance fingerprinting,MRF),可縮MRI掃描時間3成,以減少輪候時間;量度疾病主要標記的精凖度,亦高出3成,可及早發現疾病,減少化療的副作用。

Case Western Reserve放射科教授Mark Griswold說:乳癌病人可短時期知道的化療效果,只要一次化療,再掃描可知療程是否奏效。以往,病人等半年後才知效果,即使療程完全無效,已飽受折磨。 

傳統MRI成像,只能識別光或暗區域,放射科醫生對病變區域,只作主觀評估。MRF則為MRI影像上組織類型,再加上詳細讀數,變成可解釋內容的成像,毋須只靠放射科醫生主觀判斷。

MRF利用電波配合磁場;病人不同脂肪、組織、腫瘤,反射獨特的訊號,可為影像上每像素點,計算不同數值,對比物理模擬計算磁共振「指紋」,精凖至可確診腦癌和大腸癌,毋須活檢。

「媽媽想知孩子是否發燒,一般只是用手探額頭,憑感覺知道體溫。若想知道發燒嚴重程度,仍須探熱針,才能知凖確體溫。MRI對醫學意義極大,但放射科醫生評估,情況就跟用手感覺額頭溫度,憑主觀經驗感覺。MRF則有如探熱針一樣,凖確顯示身體組織的情況。」

一般MRI掃描,都假設了角度和位置凖確,現實偏差在所難免。MRF成像技術,關鍵在於調整掃描儀傳輸的無線脈衝強度、頻率和角度,自動找到正確脈衝模式,掃描並識別的組織類型,矯正角度偏差的影響。

Griswold表示:「早已有一種數學的最理想模式,助掃描儀讀取精確至單細胞組織類型,但涉及的變量太多,一直超出傳統電腦的運算能力。」

每個人的體質獨一無二,有完全不同的參數模式,須強大運算決定特性。不過沒高速運算力,不可能實現MRF計算。Microsoft利用從量子運算啟發算法,放置在傳統電腦運行,通過物理模擬,計算出人體組織的精細特性。

Microsoft Quantum Network已開放予企業,Azure上以CPU、GPU、FPGA上執行上述的量子啟發演算法。

Microsoft量子業務發展總監Julie Love說:從量子運算編程所獲的思考和學習,帶來突破令傳統的電腦,亦可運用量子運算的原則,加快解決某些難題。

理論上,量子電腦可解決複雜和大規模數據問題,量子運算以量子力學疊加態原理,以及非局域糾纏態為基礎,可處理海量資訊和平行運算,短時間內從大量數據獲得答案;可執行密碼學的因數分解,或模擬分子結構等運算。

全球正致力建立的「通用量子電腦」(Universal quantum computer),可解決極大數據的運算問題。最近,Google宣稱達到量子霸權,通用量子電腦Sycamore超越傳統電腦。不過Sycamore暫時也只解決特定題目,距離完全「通用」,仍有一段距離。

通用量子電腦的難處,在量子粒子極不穩定,容易受干擾導致錯誤率,如何維持穩定量子態,維持某個固定的量子態時間(Coherence time),讓運算工作完成,並增加運算正確率。

捕獲天使粒子

數年前,史丹福大學研究團隊捕獲有天使粒子之稱「馬約拉納費米子」,Microsoft透過由以半導體材料和超導材料,製作出納米架構產生「馬約拉納費米子」,穩定量子訊息編碼,直接應用在量子電腦架構上,減低錯誤。

量子退火優化商業

上述研究仍處於初步,通用量子電腦離開實用階段,還有一段日子。

2018年7月,華頓盛大學的研究學者Ewin Tang,發表了名為「A quantum-inspired classical algorithm for recommendation systems」論文,從量子演算法的啟發設計傳統演算法,應用在機器學習推薦系統,達到了幾何級的加速。

上述演算法是從量子退火(Quantum annealing )現象演變而來。此為一種基於量子特性的量子演算法,可從目標函數之內,擁有多組候選解答情況下,找到全局最優化的解答方法,對於最優化計算,極有幫助。

量子退火演算法,最有名可數量子電腦公司 D-Wave。不過,量子退火演算法並非通用量子電腦,僅是一種演算法而已,無從作其他的運算,不算真正通用的量子電腦。

量子退火演算法可加速全局最優化計算,也恰好可解決了Case Western Reserve大學的MRF難題,從大量可能性之中,找出了最優答案。

未來,通用量子電腦出現後,可更快執行上述演算法,類似優化問題,出現在不同行業,類似金融、保險、石油、汽車、醫藥都有同樣難題,因此也具備極大商機。

科技的發展,往往令人出人意表。

Leave a Reply

Your email address will not be published. Required fields are marked *