AI如何看病？

陳冰

數據缺失、格式不同一、難以采集、無法判斷數據背后真正的意義等，這些問題無疑將是沃森等AI在未來所面臨的挑戰。

比爾·蓋茨曾經說過，人工智能（AI）會是人類未來發展的一件“大事”。

目前，AI技術已經憑借其巨大的潛力和能力，在各個領域展現出了造福人類的可能性。醫療領域，更是人工智能直接造福人類的核心領域之一。英國《自然》雜志的一篇癌癥相關研究論文指出，利用深度學習算法來根據照片分類皮膚癌的AI系統，表現不亞于專業臨床醫生。從最簡單的手機App到最復雜的診斷任務，AI正依靠強大的算法處理著幾十年積累下來的醫學研究數據庫，不斷為人類的生命健康保駕護航。

去年11月，Google的研究人員在《美國醫學會雜志》（JAMA）上發表了一篇論文，表明Google經過大量眼底圖像數據訓練的深度學習算法，可以在診斷糖尿病性視網膜病變上，具有90%以上的高準確性。Google方面宣布已將本用于翻譯和圖像識別的消費級機器學習技術，應用到了醫療領域。

7月14日，阿里云人工智能ET奪得肺結節診斷世界冠軍。目前，這一技術已經集成到阿里云ET醫療大腦中。ET醫療大腦可在精準醫療、醫學影像、藥效挖掘、新藥研發、健康管理、可穿戴設備等領域承擔醫生助手角色，并已在肺癌、宮頸癌、甲狀腺癌等領域實現突破。

病了就去看AI醫生，已不是天方夜譚。

機器人醫生“沃森”

IBM花費重金開發的人工智能“Watson”沃森早已聲名在外。這位機器人醫生曾經在美國的智力競賽《危險邊緣》中打敗過人類冠軍，在日本僅用10分鐘就確診了一例罕見白血病并提供個性化的診療方案，在印度為一名晚期癌癥患者找到了診斷方案……

在進入中國市場后，沃森在天津的義診現場同樣表現非凡。在得到天津市第三中心醫院的腫瘤科主任吳塵軒描述的患者病情信息后，沃森僅用10秒便為這位胃癌局部晚期患者給出了詳盡的治療方案分析。“這與醫生給出的治療方案完全一致，即通過化療將腫瘤縮小后再進行手術，”吳塵軒表示。

不過，在得天獨厚的優勢背后，沃森等人工智能醫生的發展也遇到阻礙。對諸多研究機構來說，巨額支出無疑是最大的障礙。據得克薩斯大學行政系統公布的一份審計結果顯示，IBM沃森醫療和MD安德森的合作自2013年10月啟動以來，MD安德森已經為此投資超過6200萬美元。報告稱：“本報告所述結果不應被解釋為對其系統在當前狀態的科學基礎或能力的意見。”簡單來說，就是沃森并非是功能不行，而是“燒錢太快”。

沃森為何會如此迅速地“燒錢”呢？原來，開發AI醫療需要特定類型的數據，這些數據通常要么非常緊缺，要么難以訪問。這也直接導致了這些數據的價格不會低，從而拉高了成本。這不是沃森獨有的問題，而是整個醫療機器學習領域面臨的通病。

正如AlphaGo通過不斷研究棋譜和與自己、名家下棋來不斷進步一樣，沃森也是通過不斷地調整其內部程序來“學習”，并對一些問題給出它判斷最接近正確的答案（例如，哪張放射影像上顯示了腫瘤）。在訓練過程中，正確的答案必須是已知的，這樣系統才能不斷得到正確的反饋。系統所訓練的問題越多，其正確率就會越高，如此機器便能學習在特定問題上的診斷（如通過X光影像判定惡性腫瘤）。

事實上，數據缺失、格式不同一、難以采集、無法判斷數據背后真正的意義等，這些問題無疑將是沃森等AI在未來所面臨的挑戰。

這也導致短期內，沃森這樣的AI“醫生”并不能取代傳統意義上真正的人類醫生。上海交通大學醫學院附屬仁濟醫院腫瘤科主任王理偉表示，“沃森被動地接收輸入的信息，但并不具備自我甄別能力與動態觀察能力。所以未來此類醫療機器人若能參與到診療過程中，很重要的一點就是必須確保第一手資料的完備準確。因此，將其稱為學習軟件更為恰當。”

王理偉指出，一個醫生對具體患者的診斷，往往需要結合檢查數據、基礎疾病、病史、并發癥等多因素綜合考慮。“比如胃癌患者可能有潛在的心肺功能或腎功能障礙，還有糖尿病等基礎代謝問題，我們在日常診療中可以結合多學科會診給出妥善方案，對于機器人而言，從海量的現有知識中找到應對個體患者的方案，很大程度上依賴了信息系統的高度完善。”

的確，患者是否有吸毒等不良習慣，飲食是否健康安全，是否擁有清新空氣和優質水源等等，這些都是一個真正醫生應該考慮的因素，而這也往往是數據的空白——目前，幾乎沒有任何醫療機構能可靠地獲取大部分患者的此類數據，許多醫院甚至連電子化的信息系統都沒能投入使用。但可以預見的是，當決定健康的社會因素和并發癥、病史等問題在信息系統的進一步發展和普及下得到解決之后，沃森憑借其巨大的數據庫及強勁的計算能力支撐，在診斷疑難雜癥等領域將給人類醫生提供很大的幫助。

隨時隨地的“健康管家”

除了沃森等類似于AlphaGo的超級智能輔助診療之外，健康管理和便攜設備無疑也是AI發展下取得突破的應用方式。

通過AI系統的應用來達到健康管理的目的在國外并不罕見。例如Alme Health Coach系統能通過人工智能技術評估慢性病病人的狀態，協助患者規劃日常的飲食起居。它更像是一位“機器人護士”，通過了解病人飲食習慣、鍛煉周期、服藥習慣等個人生活習慣，利用人工智能對數據進行處理并對疾病整體狀態進行評估，最終給出個性化健康管理方案。此外，它還能幫助病人規劃健康安排，監控睡眠，提供藥物和測試提醒，甚至可以反向推導出病人不依從建議的心理。這套系統的潛力在于它能夠以一種浸入式的方式無微不至地幫助慢性病患者養成更健康的生活方式。不僅如此，AI系統使得可穿戴設備、智能手機、電子病歷等功能得以整合。

通過AI技術和大數據應用，人類對于糖尿病的控制也在不斷發展。曾幾何時，糖尿病令無數“糖友”苦不堪言。作為最可怕的慢性病之一，近年來，指尖抽血的不斷發展使得隨時隨地監控血糖成為了可能，不過用戶每天被迫扎8-10次手指，才能獲得可供參考的血糖數據。這種痛苦的過程讓許多人望而生畏，甚至甘愿放棄。但隨著新的動態技術被引進，指尖采血的痛苦過程將完全被擯棄，使用者只需掃描置于手臂上部背側的傳感器，就可實時監測血糖。

“糖尿病不再是病，”微糖CEO馮燕飛如是說。作為國內首家將“動態技術”引進的數字醫療服務企業，馮燕飛做了個形象的比喻：“變革性的‘動態技術將完全改變人們對糖尿病的看法，借助這類科學技術，糖尿病患者就像為自己的身體‘安裝了車燈，可以讓自己安全地駕馭自己的身體，而我們的微糖服務中心，就好比是一所駕校，提供整體解決方案。”

微糖的客戶只需掃描置于手臂上部背側硬幣大小的傳感器，就可實現對于血糖的實時監測。通過傳感器的實時測量，微糖可以在1分鐘獲得1個血糖數據。連續14天所獲得的不間斷數據所形成的連續的、如心電圖一樣的動態血糖圖譜，專業人士可以清晰地觀察到“糖友”血糖值的波峰和波谷，一旦這些波峰、波谷超出了正常的帶狀區間，就會為“糖友”提供專業指導，讓其通過飲食、鍛煉、藥物等方式將血糖調理回歸到合理的健康空間。由此，糖友可輕松避免因血糖過高或過低而產生危險。

類腦智能：人工智能的未來？

隨著醫學的不斷發展，人們也在探索人工智能技術未來的發展之道。而想要人工智能達到更高層的境界乃至真正的智能，研究人類大腦并將相應技術應用于類腦智能的開發無疑是一個很有前景的領域。畢竟，大腦對信息的加工與處理能力在很多方面目前還是遠遠優于現有的計算機和信息處理系統。而通過類腦智能的研究，則能解決現有人工智能的許多缺陷和瓶頸，使人工智能的發展更進一步。

中科院自動化所所長徐波在題為《類腦智能研究與發展方向》的演講中提到，當下深度學習的人工智能大多數采用CPU+GPU集群進行的計算方式，有著耗能巨大的缺點。以谷歌的深度學習系統AlphaGo為例，其功率為280000瓦特/小時，與李世石對弈時耗能為每小時225千卡。而類腦智能的優勢在于，它是一種面向人工神經網絡對低功耗、弱監督等學習需求將生物機制與數學原理融合的新型網絡模型和學習方法。受大腦多尺度信息處理機制啟發的計算模型及軟硬件實現，使機器實現人類具有的多種認知能力并高度協同，逐漸逼近具有學習和進化能力的通用智能。

而類腦實驗室理事會理事長、中國科學技術大學校長萬立駿則認為類腦是人工智能發展的重要途徑。通過發展類腦智能可以揭示人類大腦信息處理的途徑，有利于完備智能技術體系，推動智能產業發展。類腦智能技術與機器人技術的深度融合無疑將引爆新一輪科技革命。

近年來，馮建峰教授與其帶領的復旦大學團隊和英國華威大學團隊，一直致力于利用來自世界各地的數以千計被試者的大腦靜息態磁共振數據，定量刻畫人腦的動態變化，識別人腦不同區域之間動態相互作用的機制以及其在精神疾病中的改變。

這項研究發現，人腦中與學習、記憶緊密關聯的腦區表現出高度的“可變性”。而這樣的“可變性”說明這些區域和大腦其他部分之間的連接模式變動更加頻繁，往往發生在短短的幾分鐘甚至數秒鐘之間。而相對而言，人腦中與智力相關性小的區域，如視覺區、聽覺區和感覺運動區，則表現出了相對較低的“可變性”和“適應性”。這一發現告訴我們，大腦的“可變性”和“適應性”越強，其所表現出的智能相對來說會更高。

目前，AI系統并不具備“可變性”和“適應性”這兩個素質。這兩種AI所特有特性，已被該研究證實為人類大腦學習能力的關鍵。馮建峰教授團隊首次繪制的腦功能網絡的動態圖譜，未來可被應用于構造更先進的人工智能，使計算機具備學習、成長和自適應的能力。

馮建峰教授團隊的研究工作最初是從理解精神疾病如精神分裂癥、抑郁癥等疾病的大腦動態變化機制和疾病診斷出發，卻意外地在解析人類智力上有了驚人的發現，這一“無心插柳柳成蔭”的發現，使機器人真正產生人類的思維方式具有了巨大可能性，這一發現或將對AI的發展帶來革命性的影響。

7月4日，在首屆中英智能機器人論壇上，馮教授展示了如何用腦電圖和肌電信號持續地控制人工手臂做出各種復雜動作。“隨著神經科學的發展，現在已經獲得了海量的數據;腦科學研究可使我們開發出更有效和智能化的機器學習算法，又會反過來推動和幫助我們更好地開采大數據。”馮建峰利用這些數據集創建了上海大腦，利用這個大腦來控制各種各樣的活動，比如解碼自然環境、探尋各種大腦疾病的根源、整合大規模的數據預測未來。“跟人類的智能相比，人工智能還處在非常原始的階段。”馮建峰教授在接受記者采訪時說。

在可期的未來里，人機協作才是發展的最終方向。上海中山醫療科技發展公司總經理、醫學博士陰憶青直言不諱：“科技發展給醫療行為帶來了很多積極變化，這一趨勢必然不可逆轉，機器人也注定會發揮越來越多的作用，給予醫生更多時間，應對更多未知、復雜的工作。但這是一個漫長的發展過程，因此無論是業界或大眾，都無需夸大或畏懼它的功能地位。”

而醫療領域也不僅僅是簡單的信息處理或是病例診斷、健康管理。醫生巡床的不斷關懷，在手術臺上面對突發情況的應變，對于并發癥、個體情況的具體分析與判斷，對于病人及其家屬的細微照顧和說明，這些都離不開作為人類醫生的“溫暖”。冷冰冰的機器，在短時間仍舊無法替代這樣的人文關懷以及細致入微的照顧。但有一點是毋庸置疑的——在不遠的將來，AI必將為人類的健康大業做出巨大貢獻。