人機大戰引發智能醫療的探討

何獻忠，許仲興，陳欣 綜述；龔連生 審校

（1.中國醫學科學院腫瘤醫院深圳醫院 醫用設備中心，廣東 深圳 518100；2.中南大學湘雅醫院 肝膽腸研究中心，湖南 長沙 410008）

1 人機大戰

2016年3月谷歌旗下DeepMind公司開發的智能系統AlphaGo（阿爾法圍棋）對陣圍棋頂尖高手李世石九段,令人驚訝的是AlphaGo展現了對圍棋的全新理解，對局勢的超強掌控，AlphaGo四比一獲勝。棋圣聶衛平評價：計算機下出了讓我向他脫帽致敬的手段。一時間風光無限，AlphaGo引領人類圍棋進入一個新時代！

據年初發表在《Nature》雜志上的Mastering the game of Go with deep neural networks and tree search （精通圍棋博弈的深層神經網絡和樹搜索算法）介紹，作為一種人工智能系統，AlphaGo擁有兩個基于深度神經網絡的大腦：Move Picker（落子選擇器）和Position Evaluator（棋局評估器）。圍棋的變化有10 170，棋路無窮無盡，AlphaGo通過把棋局看做為一個19×19的圖像，使用若干卷積層構造該局面的表征值。雖說圍棋b≈250，d≈150（b是游戲廣度，即每個局面可合法落子的數量；d是游戲深度，即對弈步數），AlphaGo結合Policy Networks（策略網絡，預測最佳走法）和Value Networks（估值，評估局勢）運行蒙特卡洛模擬算法（Monte Carlo method），使得這些神經網絡需要考慮的搜索空間的有效深度及搜索樹廣度大大降低，而這一“棋感”就像人腦的直覺思維[1]。AlphaGo把此前幾乎所有國際比賽中的棋局和對弈策略存入到知識庫系統，這是對弈的分析基礎；通過機器自我學習以往棋局和自我訓練，AlphaGo棋技提高達到了專業圍棋水 準。

2 人工智能與神經網絡

谷歌的人工智能（Artificial Intelligence, AI）成果AlphaGo，結合了機器學習和神經網絡技術，構建功能強大的通用學習算法，即使左右互搏也能實現自我學習和自我思考，成為有邏輯的AI產品，谷歌的AI除了能下圍棋，還能運用于無人機、無人車及隱形眼，甚至用來操控低溫睡眠、空間傳輸。智能化服務將會快速地接入醫療、出行、旅游、電影、教育和餐飲等生活服務領域，人工智能的發展使人類勞動往更高級的狀態發展。

AI的重點之一是人工神經網絡，一種應用類似于大腦神經突觸聯接結構進行信息處理的數學模型及算法。人工神經網絡的計算模型靈感來自動物的中樞神經系統（尤其是腦），通常呈現為相互連接的“神經元”，在輸入大量的樣本進行訓練后，神經網絡進行自我學習及模式識別，成為自適應性質的系統，從而對輸出結果進行邏輯判斷。人工神經網絡適用于醫用計算機輔助診斷，理論上來說，只要用于機器學習的病例樣本足夠多，對疾病（如腸癌、肝癌等）特征點的抓取、識別和判斷就越趨于正確。筆者曾應用誤差反傳算法神經網絡（backpropagation neural network）算法開發肝癌數字減影血管造影（digital subtraction angiography, DSA）圖像計算機輔助診斷系統[2]，也曾運用美國MathWorks公司出品的Matlab軟件的“神經網絡、樣條擬合”模塊，預測消化內鏡的五年消毒合格率[3]。

3 醫療應用與前景

神農氏嘗百草后有了白胡子老郎中端坐藥房的典型老中醫，近代分門別類的西醫大量采用內鏡等開展微創手術，百年醫療掀起了巨變。AlphaGO此次橫空出世引燃了培育多年的AI行業[4]。在可以預見的未來，大數據與人工智能將改變各行各業，醫療、金融和保險是3個將面臨變革最深遠的行業[5]。

臨床醫生可以通過層次索引和增強神經網絡檢索診斷相似病例[6]；運用誤差反傳算法（backpropagation, BP）建立神經網絡循環系統疾病死亡人數的預報模型[7]；通過比對脈搏信號分類識別高興、憤怒、平靜和悲傷4種情感狀態[8]。管理人員能采用向量空間模型法建立非收費醫療耗材的規范分類[9]，通過徑向基函數（radial basis function, RBF）神經網絡分析子宮肌瘤患者的住院費用[10]。醫療科研人員可通過人工神經網絡的醫療氣象預測模型,為心血管疾病的醫療氣象預報提供科學參考[11]。

人工智能目前仍是早期階段，還沒有辦法創造出主動式的意識，谷歌承認未來幾年內也很難見到可以上市帶來真金白銀的產品。目前醫療領域的人工智能基本是經驗式學習，主要是人體四肢功能的擴展，還未達到AlphaGo自主學習的高度。我國智能醫療的運用很多處于學位論文實驗階段，臨床突破較少。解決問題（Problem-solving）的智能機器，有知覺有自我意識并最終解放人腦力勞動的未來智能醫療，其路漫漫且大有可為。

以心電圖為例，如果運用AlphaGo，不僅能通過學習自動識別心電圖曲線，還能模仿人類神經網絡根據亞洲人、歐洲人不同體征進行抽象思維，優化提高判斷的準確性。AlphaGo后繼者，DeepMind Health公司的Streams目前正在皇家自由醫院進行試點，Streams幾秒鐘便能查看存在急性腎臟損傷風險患者的驗血結果，并對患者的治療方案進行優化。IBM的“沃森”機器人正在閱讀大量醫療日志，在美國一家醫院學習像一名醫生那樣正確診斷疾病，它將基于患者癥狀給醫生提出重要治療建議[12]。谷歌DeepMind計劃將AlphaGo和醫療、機器人等結合,開發一款醫生或患者說出癥狀后在互聯網上搜索醫療信息、尋找診斷和處方的人工智能應用程序，必能將診斷準確度得到劃時代性的提高。將Alpha Go搭載于機器人身上，就能制造出觀察人類感情的家庭用機器人。未來，人工智能、互聯網、大數據、云計算、手術機器人、VR、3D打印、納米離子平臺以及基因工程等這些先進技術都將成為醫生的得力助手，而非對手。

[1]Silver D, Huang A, Maddison CJ, et al. Mastering the game of Go with deep neural networks and tree search[J]. Nature, 2016,529(7587): 484-489.

[2]唐靜波. BP神經網絡在肝癌數字減影血管造影診斷中的應用[J]. 中華生物醫學工程雜志, 2009, 15(1): 55-57.

[3]何獻忠. 消毒級內窺鏡的消毒合格率分析與預測[J]. 中國醫學工程, 2009, 17(3): 231-232.

[4]汪蕾. AlphaGo大勝背后:人工智能產業化尚未成熟[N]. 中國企業報, 2016-3-15(13).

[5]彼得·迪亞曼迪斯. 將會被人工智能和大數據重塑的三個行業[J]. 中國青年, 2015, (23): 41-41.

[6]趙衛東. 基于神經網絡的案例推理醫療診斷[J]. 東南大學學報(自然科學版), 2000, 30(3): 46-50.

[7]張瑩, 邵毅, 尚可政, 等. 人工神經網絡在循環系統疾病死亡人數預報中的應用[J]. 衛生研究, 2014, 43(5): 774-778.

[8]楊超. 基于改進的EMD脈搏信號特征的情感識別方法[D]. 重慶:重慶理工大學, 2015. 1-41.

[9]謝海源. 人工智能技術在醫療耗材分類中的應用研究[J]. 中國醫療器械雜志, 2014, 38(5): 386-388.

[10]高棟. 基于RBF 神經網絡的子宮肌瘤患者住院費用分析[J]. 現代醫藥衛生, 2015, 31(21): 3358-3360.

[11]高磊. 基于人工神經網絡的心血管疾病醫療氣象預警模型設計[D]. 濟南:山東大學, 2010. 1-54.

[12]謝紅生. 計算機、大數據與醫、護專業發展趨勢[J]. 貴陽學院學報( 自然科學版), 2015, 10(3): 72-76.