找個機器人當醫生，可以嗎？

楊智杰

目前人工智能的主要功能，是模擬醫生的問診流程，通過與用戶交流，

提出可能的疾病診斷，成為基層醫生臨床工作的助理。人工智能醫療的發展

很快，再過五年，它就不再是前沿科技，而是像地圖導航那樣的成熟產品了

2011年2月，IBM公司研發的智能機器人Watson在參加益智問答類節目《危險地帶》時，運用認知計算能力打敗了兩位人類冠軍選手，從而一戰成名，人工智能于是成為當時的熱門話題。

那年，鄧侃在硅谷第一次遇到世界上許多在科技創新前沿的朋友，當他們在一起暢想人工智能醫療的前景時，他對此還感到猶豫不決——人工智能做醫療診斷的具體算法還不成熟，冒險創業，這個風險有點大，他對此保持觀望態度。

如今，已是一家科技創業公司“大數醫達”的CEO的鄧侃偶爾也會有些后悔：為什么沒有在人工智能醫療領域更早地開始創業呢？

“發熱的”醫療大腦

今年8月，東京大學醫學研究院利用Watson判斷出一位女性患有罕見的白血病，而這只用了10分鐘的時間。該研究主要由美國IBM研究所、紐約基因組中心及東京大學醫學研究所聯合完成。研究人員說，為了給病人提供診斷，Watson系統比對了2000萬份癌癥研究論文。

更為人所熟知的例子是今年3月，谷歌旗下DeepMind開發的人工智能軟件AlphaGo對戰圍棋世界冠軍李世石，最終以4：1的大比分獲勝。圍棋的極高挑戰難度使人們對人工智能的深度學習能力刮目相看，也開始對它能否改變生活充滿了期待。實際上，就在AlphaGo戰勝李世石之前，它的“東家”DeepMind已經和英國國家醫療服務體系合作，通過使用海量數據做出預測，來輔助醫生的診療。

在過去五年里，人工智能很快從“高冷”的技術圈走進了大眾視野。一直對人工智能醫療保持密切關注的鄧侃覺得，人工智能技術在醫療上的應用無疑擁有了光明的前景。2014年3月，他辭去了百度網頁搜索高級總監的工作，自己創業。幾經波折，創辦了大數醫達公司。

人工智能并不是一個新的概念，作為計算機學科的分支，它在1956年的達特茅斯學會上被正式提出。過去的幾十年中，相關研究一直活躍在科技圈內。在鄧侃看來，未來的人工智能醫療一定是從海量病歷中挖掘經驗，基于病情相似的病歷，推薦診斷方案。這種歸納法能否付諸實踐，取決于兩個先決條件是否成熟——工具和數據。

事實上，技術已經打下了很好的基礎。醫療人工智能所需要的工具主要是云計算和大數據處理，這兩項技術在2006年之后基本成熟。“不僅成熟，而且普及，從前沿的科技，成為了很多工程師能夠輕松使用的工具。”

在數據方面，國內一些三甲醫院從1990年代起，就開始建立醫院信息系統，經過二十多年的完善，已經積累了足夠規模的電子病歷。

如今，醫療人工智能的技術風險已經小了，而市場競爭卻更激烈了。在國內，這一領域與大數醫達同時期成立的創業公司還有康夫子、半個醫生以及Airdoc等。

除了如雨后春筍般拔起的創業公司，公立醫院也開始了醫療人工智能的臨床應用研究。9月29日，河南省中醫藥研究院附屬醫院宣布即將推出籌備兩年的“智能醫生”，患者只需要通過手機軟件記錄個人信息和病癥，就會得到治療方案。

10月11日，百度召開發布會，推出了人工智能在醫療領域的最新成果——百度醫療大腦，它的主要功能就是模擬醫生的問診流程，通過文字形式與用戶交流，提出可能的疾病診斷，成為基層醫生臨床工作的助理。

中國的創業者們都明白，國內醫療資源分配不均問題的嚴峻性，為他們開創人工智能醫療提供了獨特的條件——如果人工智能可以提高普通醫生的診斷水平，那么這種技術就可能會推動分級診療，緩解醫療服務緊缺的現狀。

“百度醫療大腦”通過對海量醫療數據、專業文獻的采集與分析進行人工智能化的產品設計，模擬醫生問診的流程，與用戶多輪交流，依據用戶的癥狀，提出可能出現問題，反復驗證，給出最終建議。

百度醫療大腦相關負責人向《中國新聞周刊》介紹，百度醫療大腦除了可以幫助患者自診以外，還有助于提升醫療資源的匹配度。因而，醫療大腦可以理解為基層醫生的助手，幫醫生提前排查出各種可能性，列出的結果對他們會有提醒作用，彌補基層醫生經驗上的不足。

康夫子現階段的目標客戶則是B端。CEO張超介紹，“醫療機器人本質上是做醫療資源補充，我們希望服務B端醫療機構，來降低他們的人力成本。”

大數醫達的主要產品是智能自診工具，其市場是面向患者的，“大數醫達的定位是，面向常見病的、臨床水平與中級醫師持平的輔助診療系統，只提供建議，不下診斷書和處方。”

在AlphaGo 戰勝李世石之后不久，鄧侃參加了北大組織的一個有關人工智能在醫療領域的應用前景的座談會，嘉賓包括很多人工智能領域和醫學界的專家。不少與會者認為，未來醫療仍然是患者與醫生面對面的線下服務，人工智能全面替代醫生，至少短期內不太可能現實。但是，人工智能可以作為臨床輔助決策的工具，降低誤診率，提高醫生工作效率。尤其可以對基層醫院普通醫生的臨床輔助決策發揮巨大作用。

這次會議讓鄧侃更加堅定了自己的選擇。“這五年間，人工智能醫療的發展很快。再過五年，人工智能醫療就不再是前沿科技，而是像地圖導航那樣的成熟產品了。”

深度學習“醫療知識圖譜”

人工智能醫療在國內外市場上都異常熱鬧，但對于關乎人們健康的疾病診斷，大家仍持有更為謹慎的態度——智能醫生的診斷到底準不準？作為這項技術的研發者，鄧侃也很在意這個環節，“人工智能最大的風險，仍然是技術。如果能夠把智能診斷的精度提高到90%以上，市場潛力就很大。”

目前，國內外人工智能醫生的技術基礎都是深度學習。根據維基百科的定義，“深度學習是一組針對具有多層輸入結構模型而設計的機器學習算法。”IBM中國研究院研究員潘越和蔣丹寧對此解釋說，“多層次輸入結構模型，主要是指深層次網絡，它們具備強大的學習能力，能夠自動提取出具有高層抽象含義的特征來解決復雜的機器學習問題。”

智能自診的核心技術是“醫療知識圖譜”，它也可以同時服務于醫生，給醫生提供臨床路徑的指導。通過深度學習，各個公司可以打造出自己的醫療知識圖譜。“輔助診斷是基于知識圖譜推理給出信息，知識圖譜推理可以在一定程度理解為，計算機閱讀完這些相關文檔后給出更為科學的方案。”張超解釋道。

為此，大數醫達已經與北京、廣東、江蘇等地的十多家三甲醫院合作，處理了16億份電子病歷，來提高知識圖譜的準確性。

當然，這也是其他公司關注的重點。百度醫療大腦的知識圖譜則來自基于百度醫生的海量醫療數據以及專業文獻。張超的團隊也是通過讓計算機去學習權威的醫療文獻論文去構建醫學知識圖譜，并基于大量的醫療行為去有針對地學習醫療邏輯（如診斷、用藥等）。

鄧侃強調，診斷準確性、診斷結果解釋、診療行動指南，這三者對于智能醫生是至關重要的。如果診斷結果不準確，用戶界面再炫也沒用。不僅診斷結果要準，而且診斷解釋要準確、通俗、精練，這樣才能取信于病人。

為保證這樣的準確性，團隊中的醫療智囊團也必不可少。雖然擁有一個高級別的醫學總監，但鄧侃也遇到一個難題——招聘高水平的醫生，跨行加盟移動互聯網企業，這個難度不小。

能否代替醫生

在臨床醫生中，有不少人似乎并不認為人工智能可以勝任疾病的診斷。

北京大學第一醫院心內科主任霍勇曾在接受采訪時談到，“醫學發展到今天一定是一個不完美的科學，越不完美的地方越需要人，而不是機器。醫學不僅僅包括醫療技術、醫療知識，更多的時候還涉及人文，醫者的安慰與關懷有時候甚至可以幫助患者戰勝疾病，非一般IT技術所能替代。”

一名不愿透露姓名的北京某三甲醫院醫生也表示，“病人不懂醫療專業知識，面對面交流有時還說不清楚呢，更別說弄個機器，我覺得目前來說不太靠譜。”

近期出版了《智能時代》一書的計算機科學家吳軍對《中國新聞周刊》表示，“在醫學方面，看病有嚴格的流程，這個流程是這個行業的門檻，以至于不讓外面的從業者進來。所以很多時候醫生的不樂觀，不是說技術上做不到，而是他們這些人有一個利益共同體，來杜絕外面的人來做這件事兒，這個是很重要的原因。”

吳軍還解釋說，“簡單的病也許診斷起來并不會很簡單。醫生見的足夠多，自己的診療就是個大數據學習的過程。為什么說三甲醫院的醫生看病水平高，而別的醫院看得沒他好？就是因為他見多了，自己相當于一個機器。所以，醫生會覺得在這一塊自己還有優勢，‘機器不如我。而另一方面，因為以前機器不關注簡單的疾病診療問題，只要機器獲得大量數據，這部分也可以做得很好。”

鄧侃從創立大數醫達開始，就沒有想過讓它代替人類醫生。“兩個問題證明取代不了：一是電腦沒有處方權，至少在中國沒有；第二，問題錄入方面，老百姓主觀陳述的狀況是不準確的，需要有個醫生來交互，電腦是否可以完全取代這個環節呢？我覺得有點懸。看病還是一個線下的行為，這是醫學界的共識。”

中國科學院院士張鈸是計算機科學與技術領域的專家，他在回復《中國新聞周刊》的郵件中強調，“有關人命關天的事，‘人不可輕易排除在外。現在大家談的‘機器醫療診斷系統實際上是‘機器輔助醫療診斷系統，正如百度宣傳的‘無人車（這是嚴重的誤導），實際上是‘自動輔助駕駛。從人工智能技術當前的水平看，它還無法面對‘開放（復雜）的環境——‘疾病和‘馬路上開車都屬于‘開放問題。”

張鈸認為，機器不只是為了代替醫生（護士）的（簡單）勞動，通過人工智能主要是建立一種人機合作的機制，充分發揮人和機器各自的長處。比如，精準醫療，即個性化的醫療。有關病人的病史、個性、體質的數據、DNA的數據等，機器可以幫助收集和分析，提供適當的建議，幫助醫生做出準確的診斷，以及個性化的醫治和護理的方案，這就是發揮機器與醫生各自優勢的一個簡單例子。當然也有更深層次的人機合作。

人工智能醫療能否代替醫生？對這個話題的討論在國內外從來沒有停止過。一方面認為，人工智能不用休息、沒有偏見、不會受主觀情緒影響診斷；但另一方面，它不能做到像人一樣進行情感溝通，難以識別疾病復雜性以及個體對疾病描述的差異。誰來承擔臨床錯誤的責任？這類問題也是反方的有力論據。

盡管如此，這個領域研究的腳步也從未停止。張鈸提到，人工智能在醫療方面的應用，不只是“輔助醫療”，還包括康復、管理、咨詢、優質醫療資源共享、醫療知識傳播等等。

科學技術的發展往往突破人類的想象力。如今，擁有“三頭六臂”的手術機器人“達芬奇”，經過17年的發展已經開進越來越多的手術室。它的機械臂可以完全模仿人的手腕動作，并具有人手無法比擬的穩定性和精確度，活動范圍甚至遠大于人手，在狹窄解剖區域可360度自如運動，比人手更靈活。

我們不妨設想這樣的場景：在未來某一天，你不用撥打110或者找黃牛掛號，而是從口袋里掏出手機，像呼喚Siri一樣打開私人健康助手。它了解你的各項健康指數和病史，你只需要說出病癥，它就可以在幾秒之內判斷出最可能的疾病，進而推薦你是給家門口的藥店下單送藥上門，還是需要去附近的醫院進行化驗檢查，等待下一步的診斷。

人工智能醫療到底能走多遠？這個問題只有時間能夠回答。迪士尼影片《超能陸戰隊》中智能機器人大白的形象，也許并非只是空想。