论文部分内容阅读
目前人工智能的主要功能，是模拟医生的问诊流程，通过与用户交流，
提出可能的疾病诊断，成为基层医生临床工作的助理。人工智能医疗的发展
很快，再过五年，它就不再是前沿科技，而是像地图导航那样的成熟产品了
2011年2月，IBM公司研发的智能机器人Watson在参加益智问答类节目《危险地带》时，运用认知计算能力打败了两位人类冠军选手，从而一战成名，人工智能于是成为当时的热门话题。
那年，邓侃在硅谷第一次遇到世界上许多在科技创新前沿的朋友，当他们在一起畅想人工智能医疗的前景时，他对此还感到犹豫不决——人工智能做医疗诊断的具体算法还不成熟，冒险创业，这个风险有点大，他对此保持观望态度。
如今，已是一家科技创业公司“大数医达”的CEO的邓侃偶尔也会有些后悔：为什么没有在人工智能医疗领域更早地开始创业呢？
今年8月，东京大学医学研究院利用Watson判断出一位女性患有罕见的白血病，而这只用了10分钟的时间。该研究主要由美国IBM研究所、纽约基因组中心及东京大学医学研究所联合完成。研究人员说，为了给病人提供诊断，Watson系统比对了2000万份癌症研究论文。
更为人所熟知的例子是今年3月，谷歌旗下DeepMind开发的人工智能软件AlphaGo对战围棋世界冠军李世石，最终以4：1的大比分获胜。围棋的极高挑战难度使人们对人工智能的深度学习能力刮目相看，也开始对它能否改变生活充满了期待。实际上，就在AlphaGo战胜李世石之前，它的“东家”DeepMind已经和英国国家医疗服务体系合作，通过使用海量数据做出预测，来辅助医生的诊疗。
在过去五年里，人工智能很快从“高冷”的技术圈走进了大众视野。一直对人工智能医疗保持密切关注的邓侃觉得，人工智能技术在医疗上的应用无疑拥有了光明的前景。2014年3月，他辞去了百度网页搜索高级总监的工作，自己创业。几经波折，创办了大数医达公司。
人工智能并不是一个新的概念，作为计算机学科的分支，它在1956年的达特茅斯学会上被正式提出。过去的几十年中，相关研究一直活跃在科技圈内。在邓侃看来，未来的人工智能医疗一定是从海量病历中挖掘经验，基于病情相似的病历，推荐诊断方案。这种归纳法能否付诸实践，取决于两个先决条件是否成熟——工具和数据。
事实上，技术已经打下了很好的基础。医疗人工智能所需要的工具主要是云计算和大数据处理，这两项技术在2006年之后基本成熟。“不仅成熟，而且普及，从前沿的科技，成为了很多工程师能够轻松使用的工具。”
在数据方面，国内一些三甲医院从1990年代起，就开始建立医院信息系统，经过二十多年的完善，已经积累了足够规模的电子病历。
如今，医疗人工智能的技术风险已经小了，而市场竞争却更激烈了。在国内，这一领域与大数医达同时期成立的创业公司还有康夫子、半个医生以及Airdoc等。
除了如雨后春笋般拔起的创业公司，公立医院也开始了医疗人工智能的临床应用研究。9月29日，河南省中医药研究院附属医院宣布即将推出筹备两年的“智能医生”，患者只需要通过手机软件记录个人信息和病症，就会得到治疗方案。
10月11日，百度召开发布会，推出了人工智能在医疗领域的最新成果——百度医疗大脑，它的主要功能就是模拟医生的问诊流程，通过文字形式与用户交流，提出可能的疾病诊断，成为基层医生临床工作的助理。
中国的创业者们都明白，国内医疗资源分配不均问题的严峻性，为他们开创人工智能医疗提供了独特的条件——如果人工智能可以提高普通医生的诊断水平，那么这种技术就可能会推动分级诊疗，缓解医疗服务紧缺的现状。
“百度医疗大脑”通过对海量医疗数据、专业文献的采集与分析进行人工智能化的产品设计，模拟医生问诊的流程，与用户多轮交流，依据用户的症状，提出可能出现问题，反复验证，给出最终建议。
百度医疗大脑相关负责人向《中国新闻周刊》介绍，百度医疗大脑除了可以帮助患者自诊以外，还有助于提升医疗资源的匹配度。因而，医疗大脑可以理解为基层医生的助手，帮医生提前排查出各种可能性，列出的结果对他们会有提醒作用，弥补基层医生经验上的不足。
康夫子现阶段的目标客户则是B端。CEO张超介绍，“医疗机器人本质上是做医疗资源补充，我们希望服务B端医疗机构，来降低他们的人力成本。”
大数医达的主要产品是智能自诊工具，其市场是面向患者的，“大数医达的定位是，面向常见病的、临床水平与中级医师持平的辅助诊疗系统，只提供建议，不下诊断书和处方。”
在AlphaGo 战胜李世石之后不久，邓侃参加了北大组织的一个有关人工智能在医疗领域的应用前景的座谈会，嘉宾包括很多人工智能领域和医学界的专家。不少与会者认为，未来医疗仍然是患者与医生面对面的线下服务，人工智能全面替代医生，至少短期内不太可能现实。但是，人工智能可以作为临床辅助决策的工具，降低误诊率，提高医生工作效率。尤其可以对基层医院普通医生的临床辅助决策发挥巨大作用。
这次会议让邓侃更加坚定了自己的选择。“这五年间，人工智能医疗的发展很快。再过五年，人工智能医疗就不再是前沿科技，而是像地图导航那样的成熟产品了。”
人工智能医疗在国内外市场上都异常热闹，但对于关乎人们健康的疾病诊断，大家仍持有更为谨慎的态度——智能医生的诊断到底准不准？作为这项技术的研发者，邓侃也很在意这个环节，“人工智能最大的风险，仍然是技术。如果能够把智能诊断的精度提高到90%以上，市场潜力就很大。” 目前，国内外人工智能医生的技术基础都是深度学习。根据维基百科的定义，“深度学习是一组针对具有多层输入结构模型而设计的机器学习算法。”IBM中国研究院研究员潘越和蒋丹宁对此解释说，“多层次输入结构模型，主要是指深层次网络，它们具备强大的学习能力，能够自动提取出具有高层抽象含义的特征来解决复杂的机器学习问题。”
智能自诊的核心技术是“医疗知识图谱”，它也可以同时服务于医生，给医生提供临床路径的指导。通过深度学习，各个公司可以打造出自己的医疗知识图谱。“辅助诊断是基于知识图谱推理给出信息，知识图谱推理可以在一定程度理解为，计算机阅读完这些相关文档后给出更为科学的方案。”张超解释道。
为此，大数医达已经与北京、广东、江苏等地的十多家三甲医院合作，处理了16亿份电子病历，来提高知识图谱的准确性。
当然，这也是其他公司关注的重点。百度医疗大脑的知识图谱则来自基于百度医生的海量医疗数据以及专业文献。张超的团队也是通过让计算机去学习权威的医疗文献论文去构建医学知识图谱，并基于大量的医疗行为去有针对地学习医疗逻辑（如诊断、用药等）。
邓侃强调，诊断准确性、诊断结果解释、诊疗行动指南，这三者对于智能医生是至关重要的。如果诊断结果不准确，用户界面再炫也没用。不仅诊断结果要准，而且诊断解释要准确、通俗、精练，这样才能取信于病人。
为保证这样的准确性，团队中的医疗智囊团也必不可少。虽然拥有一个高级别的医学总监，但邓侃也遇到一个难题——招聘高水平的医生，跨行加盟移动互联网企业，这个难度不小。
在临床医生中，有不少人似乎并不认为人工智能可以胜任疾病的诊断。
北京大学第一医院心内科主任霍勇曾在接受采访时谈到，“医学发展到今天一定是一个不完美的科学，越不完美的地方越需要人，而不是机器。医学不仅仅包括医疗技术、医疗知识，更多的时候还涉及人文，医者的安慰与关怀有时候甚至可以帮助患者战胜疾病，非一般IT技术所能替代。”
一名不愿透露姓名的北京某三甲医院医生也表示，“病人不懂医疗专业知识，面对面交流有时还说不清楚呢，更別说弄个机器，我觉得目前来说不太靠谱。”
近期出版了《智能时代》一书的计算机科学家吴军对《中国新闻周刊》表示，“在医学方面，看病有严格的流程，这个流程是这个行业的门槛，以至于不让外面的从业者进来。所以很多时候医生的不乐观，不是说技术上做不到，而是他们这些人有一个利益共同体，来杜绝外面的人来做这件事儿，这个是很重要的原因。”
吴军还解释说，“简单的病也许诊断起来并不会很简单。医生见的足够多，自己的诊疗就是个大数据学习的过程。为什么说三甲医院的医生看病水平高，而别的医院看得没他好？就是因为他见多了，自己相当于一个机器。所以，医生会觉得在这一块自己还有优势，‘机器不如我’。而另一方面，因为以前机器不关注简单的疾病诊疗问题，只要机器获得大量数据，这部分也可以做得很好。”
邓侃从创立大数医达开始，就没有想过让它代替人类医生。“两个问题证明取代不了：一是电脑没有处方权，至少在中国没有；第二，问题录入方面，老百姓主观陈述的状况是不准确的，需要有个医生来交互，电脑是否可以完全取代这个环节呢？我觉得有点悬。看病还是一个线下的行为，这是医学界的共识。”
中国科学院院士张钹是计算机科学与技术领域的专家，他在回复《中国新闻周刊》的邮件中强调，“有关人命关天的事，‘人’不可轻易排除在外。现在大家谈的‘机器医疗诊断系统’实际上是‘机器辅助医疗诊断系统’，正如百度宣传的‘无人车’（这是严重的误导），实际上是‘自动辅助驾驶’。从人工智能技术当前的水平看，它还无法面对‘开放’（复杂）的环境——‘疾病’和‘马路上开车’都属于‘开放’问题。”
张钹认为，机器不只是为了代替医生（护士）的（简单）劳动，通过人工智能主要是建立一种人机合作的机制，充分发挥人和机器各自的长处。比如，精准医疗，即个性化的医疗。有关病人的病史、个性、体质的数据、DNA的数据等，机器可以帮助收集和分析，提供适当的建议，帮助医生做出准确的诊断，以及个性化的医治和护理的方案，这就是发挥机器与医生各自优势的一个简单例子。当然也有更深层次的人机合作。
人工智能医疗能否代替医生？对这个话题的讨论在国内外从来没有停止过。一方面认为，人工智能不用休息、没有偏见、不会受主观情绪影响诊断；但另一方面，它不能做到像人一样进行情感沟通，难以识别疾病复杂性以及个体对疾病描述的差异。谁来承担临床错误的责任？这类问题也是反方的有力论据。
尽管如此，这个领域研究的脚步也从未停止。张钹提到，人工智能在医疗方面的应用，不只是“辅助医疗”，还包括康复、管理、咨询、优质医疗资源共享、医疗知识传播等等。
科学技术的发展往往突破人类的想象力。如今，拥有“三头六臂”的手术机器人“达芬奇”，经过17年的发展已经开进越来越多的手术室。它的机械臂可以完全模仿人的手腕动作，并具有人手无法比拟的稳定性和精确度，活动范围甚至远大于人手，在狭窄解剖区域可360度自如运动，比人手更灵活。
我们不妨设想这样的场景：在未来某一天，你不用拨打110或者找黄牛挂号，而是从口袋里掏出手机，像呼唤Siri一样打开私人健康助手。它了解你的各项健康指数和病史，你只需要说出病症，它就可以在几秒之内判断出最可能的疾病，进而推荐你是给家门口的药店下单送药上门，还是需要去附近的医院进行化验检查，等待下一步的诊断。
人工智能医疗到底能走多远？这个问题只有时间能够回答。迪士尼影片《超能陆战队》中智能机器人大白的形象，也许并非只是空想。
提出可能的疾病诊断，成为基层医生临床工作的助理。人工智能医疗的发展
很快，再过五年，它就不再是前沿科技，而是像地图导航那样的成熟产品了
2011年2月，IBM公司研发的智能机器人Watson在参加益智问答类节目《危险地带》时，运用认知计算能力打败了两位人类冠军选手，从而一战成名，人工智能于是成为当时的热门话题。
那年，邓侃在硅谷第一次遇到世界上许多在科技创新前沿的朋友，当他们在一起畅想人工智能医疗的前景时，他对此还感到犹豫不决——人工智能做医疗诊断的具体算法还不成熟，冒险创业，这个风险有点大，他对此保持观望态度。
如今，已是一家科技创业公司“大数医达”的CEO的邓侃偶尔也会有些后悔：为什么没有在人工智能医疗领域更早地开始创业呢？
“发热的”醫疗大脑
今年8月，东京大学医学研究院利用Watson判断出一位女性患有罕见的白血病，而这只用了10分钟的时间。该研究主要由美国IBM研究所、纽约基因组中心及东京大学医学研究所联合完成。研究人员说，为了给病人提供诊断，Watson系统比对了2000万份癌症研究论文。
更为人所熟知的例子是今年3月，谷歌旗下DeepMind开发的人工智能软件AlphaGo对战围棋世界冠军李世石，最终以4：1的大比分获胜。围棋的极高挑战难度使人们对人工智能的深度学习能力刮目相看，也开始对它能否改变生活充满了期待。实际上，就在AlphaGo战胜李世石之前，它的“东家”DeepMind已经和英国国家医疗服务体系合作，通过使用海量数据做出预测，来辅助医生的诊疗。
在过去五年里，人工智能很快从“高冷”的技术圈走进了大众视野。一直对人工智能医疗保持密切关注的邓侃觉得，人工智能技术在医疗上的应用无疑拥有了光明的前景。2014年3月，他辞去了百度网页搜索高级总监的工作，自己创业。几经波折，创办了大数医达公司。
人工智能并不是一个新的概念，作为计算机学科的分支，它在1956年的达特茅斯学会上被正式提出。过去的几十年中，相关研究一直活跃在科技圈内。在邓侃看来，未来的人工智能医疗一定是从海量病历中挖掘经验，基于病情相似的病历，推荐诊断方案。这种归纳法能否付诸实践，取决于两个先决条件是否成熟——工具和数据。
事实上，技术已经打下了很好的基础。医疗人工智能所需要的工具主要是云计算和大数据处理，这两项技术在2006年之后基本成熟。“不仅成熟，而且普及，从前沿的科技，成为了很多工程师能够轻松使用的工具。”
在数据方面，国内一些三甲医院从1990年代起，就开始建立医院信息系统，经过二十多年的完善，已经积累了足够规模的电子病历。
如今，医疗人工智能的技术风险已经小了，而市场竞争却更激烈了。在国内，这一领域与大数医达同时期成立的创业公司还有康夫子、半个医生以及Airdoc等。
除了如雨后春笋般拔起的创业公司，公立医院也开始了医疗人工智能的临床应用研究。9月29日，河南省中医药研究院附属医院宣布即将推出筹备两年的“智能医生”，患者只需要通过手机软件记录个人信息和病症，就会得到治疗方案。
10月11日，百度召开发布会，推出了人工智能在医疗领域的最新成果——百度医疗大脑，它的主要功能就是模拟医生的问诊流程，通过文字形式与用户交流，提出可能的疾病诊断，成为基层医生临床工作的助理。
中国的创业者们都明白，国内医疗资源分配不均问题的严峻性，为他们开创人工智能医疗提供了独特的条件——如果人工智能可以提高普通医生的诊断水平，那么这种技术就可能会推动分级诊疗，缓解医疗服务紧缺的现状。
“百度医疗大脑”通过对海量医疗数据、专业文献的采集与分析进行人工智能化的产品设计，模拟医生问诊的流程，与用户多轮交流，依据用户的症状，提出可能出现问题，反复验证，给出最终建议。
百度医疗大脑相关负责人向《中国新闻周刊》介绍，百度医疗大脑除了可以帮助患者自诊以外，还有助于提升医疗资源的匹配度。因而，医疗大脑可以理解为基层医生的助手，帮医生提前排查出各种可能性，列出的结果对他们会有提醒作用，弥补基层医生经验上的不足。
康夫子现阶段的目标客户则是B端。CEO张超介绍，“医疗机器人本质上是做医疗资源补充，我们希望服务B端医疗机构，来降低他们的人力成本。”
大数医达的主要产品是智能自诊工具，其市场是面向患者的，“大数医达的定位是，面向常见病的、临床水平与中级医师持平的辅助诊疗系统，只提供建议，不下诊断书和处方。”
在AlphaGo 战胜李世石之后不久，邓侃参加了北大组织的一个有关人工智能在医疗领域的应用前景的座谈会，嘉宾包括很多人工智能领域和医学界的专家。不少与会者认为，未来医疗仍然是患者与医生面对面的线下服务，人工智能全面替代医生，至少短期内不太可能现实。但是，人工智能可以作为临床辅助决策的工具，降低误诊率，提高医生工作效率。尤其可以对基层医院普通医生的临床辅助决策发挥巨大作用。
这次会议让邓侃更加坚定了自己的选择。“这五年间，人工智能医疗的发展很快。再过五年，人工智能医疗就不再是前沿科技，而是像地图导航那样的成熟产品了。”
深度学习“医疗知识图谱”
人工智能医疗在国内外市场上都异常热闹，但对于关乎人们健康的疾病诊断，大家仍持有更为谨慎的态度——智能医生的诊断到底准不准？作为这项技术的研发者，邓侃也很在意这个环节，“人工智能最大的风险，仍然是技术。如果能够把智能诊断的精度提高到90%以上，市场潜力就很大。” 目前，国内外人工智能医生的技术基础都是深度学习。根据维基百科的定义，“深度学习是一组针对具有多层输入结构模型而设计的机器学习算法。”IBM中国研究院研究员潘越和蒋丹宁对此解释说，“多层次输入结构模型，主要是指深层次网络，它们具备强大的学习能力，能够自动提取出具有高层抽象含义的特征来解决复杂的机器学习问题。”
智能自诊的核心技术是“医疗知识图谱”，它也可以同时服务于医生，给医生提供临床路径的指导。通过深度学习，各个公司可以打造出自己的医疗知识图谱。“辅助诊断是基于知识图谱推理给出信息，知识图谱推理可以在一定程度理解为，计算机阅读完这些相关文档后给出更为科学的方案。”张超解释道。
为此，大数医达已经与北京、广东、江苏等地的十多家三甲医院合作，处理了16亿份电子病历，来提高知识图谱的准确性。
当然，这也是其他公司关注的重点。百度医疗大脑的知识图谱则来自基于百度医生的海量医疗数据以及专业文献。张超的团队也是通过让计算机去学习权威的医疗文献论文去构建医学知识图谱，并基于大量的医疗行为去有针对地学习医疗逻辑（如诊断、用药等）。
邓侃强调，诊断准确性、诊断结果解释、诊疗行动指南，这三者对于智能医生是至关重要的。如果诊断结果不准确，用户界面再炫也没用。不仅诊断结果要准，而且诊断解释要准确、通俗、精练，这样才能取信于病人。
为保证这样的准确性，团队中的医疗智囊团也必不可少。虽然拥有一个高级别的医学总监，但邓侃也遇到一个难题——招聘高水平的医生，跨行加盟移动互联网企业，这个难度不小。
能否代替医生
在临床医生中，有不少人似乎并不认为人工智能可以胜任疾病的诊断。
北京大学第一医院心内科主任霍勇曾在接受采访时谈到，“医学发展到今天一定是一个不完美的科学，越不完美的地方越需要人，而不是机器。医学不仅仅包括医疗技术、医疗知识，更多的时候还涉及人文，医者的安慰与关怀有时候甚至可以帮助患者战胜疾病，非一般IT技术所能替代。”
一名不愿透露姓名的北京某三甲医院医生也表示，“病人不懂医疗专业知识，面对面交流有时还说不清楚呢，更別说弄个机器，我觉得目前来说不太靠谱。”
近期出版了《智能时代》一书的计算机科学家吴军对《中国新闻周刊》表示，“在医学方面，看病有严格的流程，这个流程是这个行业的门槛，以至于不让外面的从业者进来。所以很多时候医生的不乐观，不是说技术上做不到，而是他们这些人有一个利益共同体，来杜绝外面的人来做这件事儿，这个是很重要的原因。”
吴军还解释说，“简单的病也许诊断起来并不会很简单。医生见的足够多，自己的诊疗就是个大数据学习的过程。为什么说三甲医院的医生看病水平高，而别的医院看得没他好？就是因为他见多了，自己相当于一个机器。所以，医生会觉得在这一块自己还有优势，‘机器不如我’。而另一方面，因为以前机器不关注简单的疾病诊疗问题，只要机器获得大量数据，这部分也可以做得很好。”
邓侃从创立大数医达开始，就没有想过让它代替人类医生。“两个问题证明取代不了：一是电脑没有处方权，至少在中国没有；第二，问题录入方面，老百姓主观陈述的状况是不准确的，需要有个医生来交互，电脑是否可以完全取代这个环节呢？我觉得有点悬。看病还是一个线下的行为，这是医学界的共识。”
中国科学院院士张钹是计算机科学与技术领域的专家，他在回复《中国新闻周刊》的邮件中强调，“有关人命关天的事，‘人’不可轻易排除在外。现在大家谈的‘机器医疗诊断系统’实际上是‘机器辅助医疗诊断系统’，正如百度宣传的‘无人车’（这是严重的误导），实际上是‘自动辅助驾驶’。从人工智能技术当前的水平看，它还无法面对‘开放’（复杂）的环境——‘疾病’和‘马路上开车’都属于‘开放’问题。”
张钹认为，机器不只是为了代替医生（护士）的（简单）劳动，通过人工智能主要是建立一种人机合作的机制，充分发挥人和机器各自的长处。比如，精准医疗，即个性化的医疗。有关病人的病史、个性、体质的数据、DNA的数据等，机器可以帮助收集和分析，提供适当的建议，帮助医生做出准确的诊断，以及个性化的医治和护理的方案，这就是发挥机器与医生各自优势的一个简单例子。当然也有更深层次的人机合作。
人工智能医疗能否代替医生？对这个话题的讨论在国内外从来没有停止过。一方面认为，人工智能不用休息、没有偏见、不会受主观情绪影响诊断；但另一方面，它不能做到像人一样进行情感沟通，难以识别疾病复杂性以及个体对疾病描述的差异。谁来承担临床错误的责任？这类问题也是反方的有力论据。
尽管如此，这个领域研究的脚步也从未停止。张钹提到，人工智能在医疗方面的应用，不只是“辅助医疗”，还包括康复、管理、咨询、优质医疗资源共享、医疗知识传播等等。
科学技术的发展往往突破人类的想象力。如今，拥有“三头六臂”的手术机器人“达芬奇”，经过17年的发展已经开进越来越多的手术室。它的机械臂可以完全模仿人的手腕动作，并具有人手无法比拟的稳定性和精确度，活动范围甚至远大于人手，在狭窄解剖区域可360度自如运动，比人手更灵活。
我们不妨设想这样的场景：在未来某一天，你不用拨打110或者找黄牛挂号，而是从口袋里掏出手机，像呼唤Siri一样打开私人健康助手。它了解你的各项健康指数和病史，你只需要说出病症，它就可以在几秒之内判断出最可能的疾病，进而推荐你是给家门口的药店下单送药上门，还是需要去附近的医院进行化验检查，等待下一步的诊断。
人工智能医疗到底能走多远？这个问题只有时间能够回答。迪士尼影片《超能陆战队》中智能机器人大白的形象，也许并非只是空想。