人工智能不僅在圍棋領(lǐng)域以AlphaGo戰(zhàn)勝人類第一高手的方式怒刷了一遍存在感，在醫(yī)療領(lǐng)域，越來(lái)越多人工智能的應(yīng)用也引起了強(qiáng)烈關(guān)注。近日，一則“人工智能將能預(yù)測(cè)人類壽命”的新聞沖上微博熱搜，在網(wǎng)上引起熱議。人工智能如何預(yù)測(cè)人的壽命？人工智能在醫(yī)療領(lǐng)域有哪些發(fā)展？AI能取代醫(yī)生看病嗎？

基于大數(shù)據(jù)的“能活多久”

我們經(jīng)常在影視劇或一些報(bào)道中看到類似場(chǎng)景：某重病病人問(wèn)醫(yī)生“我還能活多久”，醫(yī)生給出“不超過(guò)半年”的答案。結(jié)果病人存活了好幾年，由此得出結(jié)論：這名醫(yī)生判斷錯(cuò)了。

現(xiàn)在這種判斷正由人工智能在嘗試。據(jù)國(guó)外媒體報(bào)道，澳大利亞阿德萊德大學(xué)的研究人員利用“深度學(xué)習(xí)”技術(shù)，通過(guò)分析病人的胸腔影像，對(duì)預(yù)期壽命不超過(guò)五年的病人進(jìn)行了預(yù)測(cè)，最終精確率約為69%，和醫(yī)生的預(yù)測(cè)結(jié)果差不多。研究認(rèn)為，計(jì)算機(jī)可以從圖片識(shí)別中各種疾病的復(fù)雜癥狀，當(dāng)病人患有肺氣腫和充血性心力衰竭等嚴(yán)重慢性疾病時(shí)，系統(tǒng)對(duì)自己的預(yù)測(cè)結(jié)果最為自信。研究者認(rèn)為，該研究對(duì)嚴(yán)重疾病的早期診斷或具有重要意義，讓醫(yī)生可及時(shí)介入為病人提供量身定制的治療方案。不過(guò)，這項(xiàng)研究選取的樣本只有48名病人，該團(tuán)隊(duì)計(jì)劃下一個(gè)研究階段分析數(shù)萬(wàn)張病人醫(yī)學(xué)圖像，并計(jì)劃用同樣技術(shù)對(duì)其他病癥進(jìn)行預(yù)測(cè)，如早期心臟病等。

這條新聞迅速以“人工智能將能預(yù)測(cè)人類壽命”為題引起強(qiáng)烈關(guān)注，有網(wǎng)友開(kāi)玩笑說(shuō)，“糾結(jié)要不要讓AI給自己算一命”。人工智能預(yù)測(cè)人類壽命靠譜嗎？

“其實(shí)人工智能的邏輯和醫(yī)生是一樣的。”廣州醫(yī)科大學(xué)附屬腫瘤醫(yī)院腫瘤內(nèi)科主任鄒青峰教授告訴記者，醫(yī)生判斷病人的生存期限，是一個(gè)很復(fù)雜的過(guò)程。以腫瘤病人為例，要看疾病的分期、腫瘤的大小，有無(wú)轉(zhuǎn)移，有無(wú)并發(fā)癥，最關(guān)鍵的是，還要看治療效果。治療效果好的病人，生存時(shí)間自然會(huì)更長(zhǎng)。以晚期肺癌為例，沒(méi)有基因突變的病人，中位生存期約一年多，治療后最好效果約兩年；有基因突變，用靶向藥物，中位生存時(shí)間可以達(dá)到3年。如果耐藥后有條件繼續(xù)用上新藥，中位生存時(shí)間可能不止5年，個(gè)體差異特別大。

“其實(shí)，醫(yī)生并不愿意對(duì)個(gè)體病人做出這種 還能活多久 的預(yù)測(cè)，因?yàn)閭€(gè)體的差異太大，很難去預(yù)測(cè)。”鄒青峰教授介紹，醫(yī)生的判斷也是基于大數(shù)據(jù)的分析，根據(jù)已有文獻(xiàn)研究，給出“中位生存時(shí)間”。“這就和平均壽命一樣。有的人少于這個(gè)數(shù)字，也有人長(zhǎng)于這個(gè)時(shí)間。但對(duì)于個(gè)體來(lái)說(shuō)，醫(yī)生是沒(méi)法給出明確判斷的。”

鄒青峰教授認(rèn)為，人工智能預(yù)測(cè)病人壽命，同樣也是根據(jù)大數(shù)據(jù)的學(xué)習(xí)來(lái)預(yù)測(cè)。比如疾病的診斷分期、治療的結(jié)果、疾病進(jìn)展生物信息、中位生存時(shí)間、已有文獻(xiàn)研究等等。“只要設(shè)計(jì)的參數(shù)、權(quán)重比例合理，人工智能能做出這樣的預(yù)測(cè)一點(diǎn)不奇怪。”而且，人工智能有強(qiáng)大的數(shù)據(jù)處理能力和學(xué)習(xí)能力，結(jié)果也會(huì)越來(lái)越精準(zhǔn)。

鄒青峰教授認(rèn)為，未來(lái)人工智能會(huì)成為醫(yī)生很好的輔助診斷和治療的工具。比如在病理診斷、影像比對(duì)等方面，可能只有一些頂尖醫(yī)生可以跟人工智能媲美，而大部分醫(yī)生達(dá)不到這個(gè)結(jié)果。醫(yī)生還需要通過(guò)查資料、會(huì)診、找印證等一系列繁瑣的工作，人工智能系統(tǒng)通過(guò)大數(shù)據(jù)存儲(chǔ)和分析，可以輕松完成這個(gè)過(guò)程。

人工智能能否取代醫(yī)生？

人工智能在阿爾法狗的新聞效應(yīng)下備受關(guān)注。事實(shí)上，在醫(yī)療領(lǐng)域，尤其是病理診斷、影像、腫瘤治療等領(lǐng)域，人工智能早已大熱多時(shí)。

例如最有名的是IBM開(kāi)發(fā)的人工智能系統(tǒng)“沃森”，這一系統(tǒng)宣稱已經(jīng)吸納美國(guó)大量腫瘤病例、超過(guò)300種醫(yī)學(xué)專業(yè)期刊、超過(guò)250本腫瘤專著、超過(guò)1500萬(wàn)份論文研究數(shù)據(jù)等，制定的治療方案與知名醫(yī)院醫(yī)學(xué)專家的治療方案“有90%的符合度”。今年6月初時(shí)廣州已有兩家基層醫(yī)院引進(jìn)這一系統(tǒng)，用于輔助醫(yī)生診斷和選擇治療方案。

人工智能正逐漸成為提高醫(yī)生效率的有力助手。以糖尿病患者的視網(wǎng)膜病變?yōu)槔?，這種最常見(jiàn)的糖尿病并發(fā)癥，是四大致盲眼病之一。數(shù)據(jù)顯示，美國(guó)成人失明的第一大原因是糖尿病導(dǎo)致的視網(wǎng)膜病變，目前中國(guó)有1.4億糖尿病人，其中20%會(huì)出現(xiàn)視網(wǎng)膜病變。但內(nèi)分泌醫(yī)生如何提前發(fā)現(xiàn)糖尿病患者的視網(wǎng)膜病變是一大問(wèn)題，這勢(shì)必需要借助眼科醫(yī)生的會(huì)診。而中國(guó)眼科醫(yī)生僅有3.6萬(wàn)名，目前中國(guó)還有20%的縣級(jí)醫(yī)院沒(méi)有眼科，這也造成一些糖尿病病人不能及時(shí)進(jìn)行眼底篩查。創(chuàng)立于2015年的Airdoc公司，花費(fèi)大量時(shí)間從多家國(guó)內(nèi)外頂級(jí)醫(yī)院收集了數(shù)十萬(wàn)張眼底照片，構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)，在糖尿病性視網(wǎng)膜病變輔助診斷上，獲得與三甲醫(yī)院醫(yī)生相當(dāng)?shù)乃健＿@一系統(tǒng)目前已經(jīng)進(jìn)入臨床應(yīng)用。

人工智能如何學(xué)習(xí)來(lái)當(dāng)醫(yī)生？Airdoc公司算法工程師陳飛告訴記者，人工智能的發(fā)展，以2012年作為一個(gè)分水嶺。在此之前，人工智能的算法還屬于淺層學(xué)習(xí)，計(jì)算機(jī)根據(jù)人類設(shè)計(jì)的特征去進(jìn)行學(xué)習(xí)。“例如讓計(jì)算機(jī)識(shí)別摩托車，人類工程師會(huì)告訴它摩托車的特征，例如有兩個(gè)輪子、有車把、有個(gè)發(fā)動(dòng)機(jī)，這種學(xué)習(xí)受人的預(yù)設(shè)和先驗(yàn)經(jīng)驗(yàn)限制。對(duì)于復(fù)雜的醫(yī)學(xué)領(lǐng)域來(lái)說(shuō)，影像之間相似、病灶也相似，淺層學(xué)習(xí)在這一領(lǐng)域的應(yīng)用準(zhǔn)確度就比較差。”
 

2012年是人工智能里程碑的節(jié)點(diǎn)，這一年深度學(xué)習(xí)技術(shù)爆發(fā)。和淺層學(xué)習(xí)的區(qū)別是，深度學(xué)習(xí)的算法模擬人腦的神經(jīng)元結(jié)構(gòu)，構(gòu)建一個(gè)神經(jīng)網(wǎng)絡(luò)，不預(yù)設(shè)條件，輸入大量的數(shù)據(jù)讓計(jì)算機(jī)自己去學(xué)習(xí)特征，隨著數(shù)據(jù)量樣本的增大，計(jì)算精度會(huì)越來(lái)越高。
 

人工智能的核心是算法和數(shù)據(jù)。尤其是需要海量的數(shù)據(jù)。就好比一個(gè)每天都在不斷學(xué)習(xí)吸收新信息的醫(yī)生，和一個(gè)經(jīng)常睡大覺(jué)不用功的醫(yī)生相比，數(shù)據(jù)量的大小，直接決定了“醫(yī)生”水平的高低。而算法工程師好比去西天取經(jīng)的唐僧，需要在醫(yī)生幫助下把梵文的經(jīng)書(shū)（醫(yī)學(xué)知識(shí)和醫(yī)生的經(jīng)驗(yàn)）轉(zhuǎn)化成常人的語(yǔ)言（處理后的數(shù)據(jù)和算法規(guī)則），讓計(jì)算機(jī)去學(xué)習(xí)。

不過(guò)，陳飛認(rèn)為，目前只是初級(jí)的人工智能階段，電影上經(jīng)常出現(xiàn)的強(qiáng)人工智能離現(xiàn)實(shí)還很遠(yuǎn)。即便是世界上最好的人工智能深度學(xué)習(xí)網(wǎng)絡(luò)，擁有10億級(jí)別的神經(jīng)元，但相對(duì)人類大腦神經(jīng)元的數(shù)量來(lái)說(shuō)仍遠(yuǎn)遠(yuǎn)不及。而且這種模擬神經(jīng)元，還無(wú)法模擬人腦神經(jīng)元之間復(fù)雜的化學(xué)反應(yīng)。此外，醫(yī)學(xué)是復(fù)雜的學(xué)科，對(duì)病人來(lái)說(shuō)，面對(duì)面接觸、語(yǔ)言安慰等人文關(guān)懷都是有助治療的因素，“機(jī)器是冰冷的，人是活的。”因此，人工智能取代醫(yī)生不太現(xiàn)實(shí)。輔助醫(yī)生提高效率，減輕醫(yī)生負(fù)擔(dān)，讓醫(yī)生空出手來(lái)做更好的治療，是人工智能目前努力的方向。

“數(shù)據(jù)污染”阻礙人工智能發(fā)展

人工智能的學(xué)習(xí)需要好的教材。優(yōu)質(zhì)的數(shù)據(jù)成為關(guān)鍵。在這一點(diǎn)上，丁香園創(chuàng)始人、董事長(zhǎng)李天天認(rèn)為，中國(guó)過(guò)去30年實(shí)行的“以藥養(yǎng)醫(yī)”政策，帶來(lái)一個(gè)非常嚴(yán)重的問(wèn)題，就是“數(shù)據(jù)污染”。“任何人工智能技術(shù)，都是要靠一批高質(zhì)量的數(shù)據(jù)來(lái)訓(xùn)練的。但 以藥養(yǎng)醫(yī) 的政策，導(dǎo)致過(guò)度治療、過(guò)度檢查。這種情況，造成臨床數(shù)據(jù)尤其是治療數(shù)據(jù)的污染。”

李天天舉例說(shuō)，比如一個(gè)4歲的小朋友，得了單純的感冒，但他的用藥處方中出現(xiàn)了最新一代的頭孢，甚至出現(xiàn)一些營(yíng)養(yǎng)品。“這個(gè)數(shù)據(jù)污染，給我們做人工智能訓(xùn)練，帶來(lái)一個(gè)幾乎不可完成的任務(wù)。技術(shù)人員無(wú)法從中看出這些 貓膩 來(lái)。”

基于“數(shù)據(jù)污染”的現(xiàn)狀，李天天認(rèn)為，人工智能在醫(yī)療方面的進(jìn)展，一是診斷比治療會(huì)走得好。診斷數(shù)據(jù)受到污染的情況少得多；第二，圖片比文字好診斷。文本識(shí)別是人工智能非常大的挑戰(zhàn)，因?yàn)楹芏嘧匀徽Z(yǔ)言不是計(jì)算機(jī)能夠區(qū)別1和0那么容易；第三是垂直比綜合好做。“現(xiàn)在世界上有兩種陣營(yíng)，像我們熟悉的阿爾法狗，它就是窄的垂直的，它只會(huì)下圍棋，不會(huì)開(kāi)車。但Deepmind用一個(gè)大數(shù)據(jù)去訓(xùn)練一個(gè)人，像訓(xùn)練孩子一樣，它什么都知道，但做大是很難。”

也正是基于這樣的判斷，丁香園選擇了在皮膚科領(lǐng)域發(fā)展人工智能。今年5月19日，丁香園、中南大學(xué)湘雅二醫(yī)院和大拿科技共同宣布，就皮膚病人工智能輔助診斷達(dá)成獨(dú)家戰(zhàn)略合作，并發(fā)布由三方聯(lián)合開(kāi)發(fā)的“皮膚病人工智能輔助診斷系統(tǒng)”。這一套系統(tǒng)通過(guò)醫(yī)院方提供的3萬(wàn)多張皮膚病圖片和病例圖片學(xué)習(xí)，第一期主要實(shí)現(xiàn)以紅斑狼瘡為代表的皮膚病人工智能輔助診斷，識(shí)別準(zhǔn)確率超過(guò)85%。未來(lái)還會(huì)在皮膚科其他領(lǐng)域開(kāi)展研究，比如像黑色素瘤等高發(fā)的皮膚腫瘤。

人工智能輔助診斷系統(tǒng)，會(huì)否有一天可以去掉“輔助”二字，取代醫(yī)生？醫(yī)生出身的李天天認(rèn)為，即便是未來(lái)十年二十年，也很難。醫(yī)學(xué)永遠(yuǎn)充滿不確定性?；颊卟荒芤揽扛怕蕘?lái)判斷，這種不確定性必須要結(jié)合醫(yī)生的經(jīng)驗(yàn)來(lái)做。所以“輔助”這兩字必須要保留。

加州大學(xué)伯克利分校教授、人工智能專家Michael Jordan前不久在騰訊“云+未來(lái)”峰會(huì)上公開(kāi)表示讓人工智能做醫(yī)學(xué)診斷的擔(dān)憂：“我們所謂的人工智能看上去很智能，但并非如此。比如說(shuō)在醫(yī)療行業(yè)中，我們讓機(jī)器做很多的醫(yī)學(xué)診斷，這是不太可能的，有很多人會(huì)因?yàn)檫@種不暢的診斷，出現(xiàn)劑量問(wèn)題，而在一些環(huán)境中，AI的診斷也會(huì)受到影響，這種影響的結(jié)果可能造成病人的死亡。”

鄒青峰教授也指出，人工智能也有自己的短板。例如，在疾病的治療上，“沃森”系統(tǒng)會(huì)基于充分的大數(shù)據(jù)證據(jù)給出診斷和治療方案建議，但一旦遇到很個(gè)例的病案，缺少相關(guān)循證醫(yī)學(xué)證據(jù)，“沃森”就只能交出“沒(méi)有意見(jiàn)”的白卷。而醫(yī)生作為人類，可能會(huì)設(shè)計(jì)出更有創(chuàng)新和突破性的治療方案。