AI如何看病？
阅读提示：数据缺失、格式不同一、难以采集、无法判断数据背后真正的意义等，这些问题无疑将是沃森等AI在未来所面临的挑战。
记者｜陈 冰 实习生∣余思易
比尔·盖茨曾经说过，人工智能（AI）会是人类未来发展的一件“大事”。
目前，AI技术已经凭借其巨大的潜力和能力，在各个领域展现出了造福人类的可能性。医疗领域，更是人工智能直接造福人类的核心领域之一。英国《自然》杂志的一篇癌症相关研究论文指出，利用深度学习算法来根据照片分类皮肤癌的AI系统，表现不亚于专业临床医生。从最简单的手机App到最复杂的诊断任务，AI正依靠强大的算法处理着几十年积累下来的医学研究数据库，不断为人类的生命健康保驾护航。
.jpg)
去年11月，Google的研究人员在《美国医学会杂志》（JAMA）上发表了一篇论文，表明Google经过大量眼底图像数据训练的深度学习算法，可以在诊断糖尿病性视网膜病变上，具有90%以上的高准确性。Google方面宣布已将本用于翻译和图像识别的消费级机器学习技术，应用到了医疗领域。
7月14日，阿里云人工智能ET夺得肺结节诊断世界冠军。目前，这一技术已经集成到阿里云ET医疗大脑中。ET医疗大脑可在精准医疗、医学影像、药效挖掘、新药研发、健康管理、可穿戴设备等领域承担医生助手角色，并已在肺癌、宫颈癌、甲状腺癌等领域实现突破。
病了就去看AI医生，已不是天方夜谭。
机器人医生“沃森”
IBM花费重金开发的人工智能“Watson”沃森早已声名在外。这位机器人医生曾经在美国的智力竞赛《危险边缘》中打败过人类冠军，在日本仅用10分钟就确诊了一例罕见白血病并提供个性化的诊疗方案，在印度为一名晚期癌症患者找到了诊断方案……
在进入中国市场后，沃森在天津的义诊现场同样表现非凡。在得到天津市第三中心医院的肿瘤科主任吴尘轩描述的患者病情信息后，沃森仅用10秒便为这位胃癌局部晚期患者给出了详尽的治疗方案分析。“这与医生给出的治疗方案完全一致，即通过化疗将肿瘤缩小后再进行手术，”吴尘轩表示。
不过，在得天独厚的优势背后，沃森等人工智能医生的发展也遇到阻碍。对诸多研究机构来说，巨额支出无疑是最大的障碍。据得克萨斯大学行政系统公布的一份审计结果显示，IBM沃森医疗和MD安德森的合作自2013年10月启动以来，MD安德森已经为此投资超过6200万美元。报告称：“本报告所述结果不应被解释为对其系统在当前状态的科学基础或能力的意见。”简单来说，就是沃森并非是功能不行，而是“烧钱太快”。
沃森为何会如此迅速地“烧钱”呢？原来，开发AI医疗需要特定类型的数据，这些数据通常要么非常紧缺，要么难以访问。这也直接导致了这些数据的价格不会低，从而拉高了成本。这不是沃森独有的问题，而是整个医疗机器学习领域面临的通病。
正如AlphaGo通过不断研究棋谱和与自己、名家下棋来不断进步一样，沃森也是通过不断地调整其内部程序来“学习”，并对一些问题给出它判断最接近正确的答案（例如，哪张放射影像上显示了肿瘤）。在训练过程中，正确的答案必须是已知的，这样系统才能不断得到正确的反馈。系统所训练的问题越多，其正确率就会越高，如此机器便能学习在特定问题上的诊断（如通过X光影像判定恶性肿瘤）。
事实上，数据缺失、格式不同一、难以采集、无法判断数据背后真正的意义等，这些问题无疑将是沃森等AI在未来所面临的挑战。
这也导致短期内，沃森这样的AI“医生”并不能取代传统意义上真正的人类医生。上海交通大学医学院附属仁济医院肿瘤科主任王理伟表示，“沃森被动地接收输入的信息，但并不具备自我甄别能力与动态观察能力。所以未来此类医疗机器人若能参与到诊疗过程中，很重要的一点就是必须确保第一手资料的完备准确。因此，将其称为学习软件更为恰当。”
王理伟指出，一个医生对具体患者的诊断，往往需要结合检查数据、基础疾病、病史、并发症等多因素综合考虑。“比如胃癌患者可能有潜在的心肺功能或肾功能障碍，还有糖尿病等基础代谢问题，我们在日常诊疗中可以结合多学科会诊给出妥善方案，对于机器人而言，从海量的现有知识中找到应对个体患者的方案，很大程度上依赖了信息系统的高度完善。”
的确，患者是否有吸毒等不良习惯，饮食是否健康安全，是否拥有清新空气和优质水源等等，这些都是一个真正医生应该考虑的因素，而这也往往是数据的空白——目前，几乎没有任何医疗机构能可靠地获取大部分患者的此类数据，许多医院甚至连电子化的信息系统都没能投入使用。但可以预见的是，当决定健康的社会因素和并发症、病史等问题在信息系统的进一步发展和普及下得到解决之后，沃森凭借其巨大的数据库及强劲的计算能力支撑，在诊断疑难杂症等领域将给人类医生提供很大的帮助。
随时随地的“健康管家”
除了沃森等类似于AlphaGo的超级智能辅助诊疗之外，健康管理和便携设备无疑也是AI发展下取得突破的应用方式。
通过AI系统的应用来达到健康管理的目的在国外并不罕见。例如Alme Health Coach系统能通过人工智能技术评估慢性病病人的状态，协助患者规划日常的饮食起居。它更像是一位“机器人护士”，通过了解病人饮食习惯、锻炼周期、服药习惯等个人生活习惯，利用人工智能对数据进行处理并对疾病整体状态进行评估，最终给出个性化健康管理方案。此外，它还能帮助病人规划健康安排，监控睡眠，提供药物和测试提醒，甚至可以反向推导出病人不依从建议的心理。这套系统的潜力在于它能够以一种浸入式的方式无微不至地帮助慢性病患者养成更健康的生活方式。不仅如此，AI系统使得可穿戴设备、智能手机、电子病历等功能得以整合。
通过AI技术和大数据应用，人类对于糖尿病的控制也在不断发展。曾几何时，糖尿病令无数“糖友”苦不堪言。作为最可怕的慢性病之一，近年来，指尖抽血的不断发展使得随时随地监控血糖成为了可能，不过用户每天被迫扎8-10次手指，才能获得可供参考的血糖数据。这种痛苦的过程让许多人望而生畏，甚至甘愿放弃。但随着新的动态技术被引进，指尖采血的痛苦过程将完全被摈弃，使用者只需扫描置于手臂上部背侧的传感器，就可实时监测血糖。
“糖尿病不再是病，”微糖CEO冯燕飞如是说。作为国内首家将“动态技术”引进的数字医疗服务企业，冯燕飞做了个形象的比喻：“变革性的‘动态技术’将完全改变人们对糖尿病的看法，借助这类科学技术，糖尿病患者就像为自己的身体‘安装了车灯’，可以让自己安全地驾驭自己的身体，而我们的微糖服务中心，就好比是一所驾校，提供整体解决方案。”
微糖的客户只需扫描置于手臂上部背侧硬币大小的传感器，就可实现对于血糖的实时监测。通过传感器的实时测量，微糖可以在1分钟获得1个血糖数据。连续14天所获得的不间断数据所形成的连续的、如心电图一样的动态血糖图谱，专业人士可以清晰地观察到“糖友”血糖值的波峰和波谷，一旦这些波峰、波谷超出了正常的带状区间，就会为“糖友”提供专业指导，让其通过饮食、锻炼、药物等方式将血糖调理回归到合理的健康空间。由此，糖友可轻松避免因血糖过高或过低而产生危险。
类脑智能：人工智能的未来？
随着医学的不断发展，人们也在探索人工智能技术未来的发展之道。而想要人工智能达到更高层的境界乃至真正的智能，研究人类大脑并将相应技术应用于类脑智能的开发无疑是一个很有前景的领域。毕竟，大脑对信息的加工与处理能力在很多方面目前还是远远优于现有的计算机和信息处理系统。而通过类脑智能的研究，则能解决现有人工智能的许多缺陷和瓶颈，使人工智能的发展更进一步。
中科院自动化所所长徐波在题为《类脑智能研究与发展方向》的演讲中提到，当下深度学习的人工智能大多数采用CPU+GPU集群进行的计算方式，有着耗能巨大的缺点。以谷歌的深度学习系统AlphaGo为例，其功率为280000瓦特/小时，与李世石对弈时耗能为每小时225千卡。而类脑智能的优势在于，它是一种面向人工神经网络对低功耗、弱监督等学习需求将生物机制与数学原理融合的新型网络模型和学习方法。受大脑多尺度信息处理机制启发的计算模型及软硬件实现，使机器实现人类具有的多种认知能力并高度协同，逐渐逼近具有学习和进化能力的通用智能。 而类脑实验室理事会理事长、中国科学技术大学校长万立骏则认为类脑是人工智能发展的重要途径。通过发展类脑智能可以揭示人类大脑信息处理的途径，有利于完备智能技术体系，推动智能产业发展。类脑智能技术与机器人技术的深度融合无疑将引爆新一轮科技革命。
近年来，冯建峰教授与其带领的复旦大学团队和英国华威大学团队，一直致力于利用来自世界各地的数以千计被试者的大脑静息态磁共振数据，定量刻画人脑的动态变化，识别人脑不同区域之间动态相互作用的机制以及其在精神疾病中的改变。
这项研究发现，人脑中与学习、记忆紧密关联的脑区表现出高度的“可变性”。而这样的“可变性”说明这些区域和大脑其他部分之间的连接模式变动更加频繁，往往发生在短短的几分钟甚至数秒钟之间。而相对而言，人脑中与智力相关性小的区域，如视觉区、听觉区和感觉运动区，则表现出了相对较低的“可变性”和“适应性”。这一发现告诉我们，大脑的“可变性”和“适应性”越强，其所表现出的智能相对来说会更高。
目前，AI系统并不具备“可变性”和“适应性”这两个素质。这两种AI所特有特性，已被该研究证实为人类大脑学习能力的关键。冯建峰教授团队首次绘制的脑功能网络的动态图谱，未来可被应用于构造更先进的人工智能，使计算机具备学习、成长和自适应的能力。
冯建峰教授团队的研究工作最初是从理解精神疾病如精神分裂症、抑郁症等疾病的大脑动态变化机制和疾病诊断出发，却意外地在解析人类智力上有了惊人的发现，这一“无心插柳柳成荫”的发现，使机器人真正产生人类的思维方式具有了巨大可能性，这一发现或将对AI的发展带来革命性的影响。
7月4日，在首届中英智能机器人论坛上，冯教授展示了如何用脑电图和肌电信号持续地控制人工手臂做出各种复杂动作。“随着神经科学的发展，现在已经获得了海量的数据；脑科学研究可使我们开发出更有效和智能化的机器学习算法，又会反过来推动和帮助我们更好地开采大数据。”冯建峰利用这些数据集创建了上海大脑，利用这个大脑来控制各种各样的活动，比如解码自然环境、探寻各种大脑疾病的根源、整合大规模的数据预测未来。“跟人类的智能相比，人工智能还处在非常原始的阶段。”冯建峰教授在接受记者采访时说。
在可期的未来里，人机协作才是发展的最终方向。上海中山医疗科技发展公司总经理、医学博士阴忆青直言不讳：“科技发展给医疗行为带来了很多积极变化，这一趋势必然不可逆转，机器人也注定会发挥越来越多的作用，给予医生更多时间，应对更多未知、复杂的工作。但这是一个漫长的发展过程，因此无论是业界或大众，都无需夸大或畏惧它的功能地位。”
而医疗领域也不仅仅是简单的信息处理或是病例诊断、健康管理。医生巡床的不断关怀，在手术台上面对突发情况的应变，对于并发症、个体情况的具体分析与判断，对于病人及其家属的细微照顾和说明，这些都离不开作为人类医生的“温暖”。冷冰冰的机器，在短时间仍旧无法替代这样的人文关怀以及细致入微的照顾。但有一点是毋庸置疑的——在不远的将来，AI必将为人类的健康大业做出巨大贡献。
※版权作品，未经新民周刊授权，严禁转载，违者将被追究法律责任。
