當(dāng)醫(yī)療遇上人工智能

■文 /王 浩

王浩，復(fù)星醫(yī)藥互聯(lián)網(wǎng)業(yè)務(wù)發(fā)展部副總經(jīng)理。

人工智能必將深刻改造我們的醫(yī)療產(chǎn)業(yè)。

生物技術(shù)與信息技術(shù)的發(fā)展，特別是兩者的結(jié)合發(fā)展拓寬了人類未來(lái)的發(fā)展空間。新技術(shù)的不斷涌現(xiàn)為醫(yī)療的發(fā)展注入了源源不斷的動(dòng)力，成為醫(yī)療變革的推動(dòng)引擎。互聯(lián)網(wǎng)、物聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能、AR/VR等技術(shù)正迅速滲透到醫(yī)療領(lǐng)域，成為新醫(yī)療時(shí)代的催化劑。其中，最具突破性的技術(shù)非人工智能莫屬。

當(dāng)醫(yī)療遇上人工智能，許多傳統(tǒng)的醫(yī)療痛點(diǎn)開始找到解決方案，譬如，人工識(shí)別影像效率低、成本高、質(zhì)量難以提高的問(wèn)題，基層醫(yī)生診療水平有限的問(wèn)題，新藥研發(fā)周期長(zhǎng)、成本高的問(wèn)題，慢病有效管理難的問(wèn)題……互聯(lián)網(wǎng)醫(yī)療在這些難題上“撕開了一道口子”，人工智能將是這些難題的終極解決方案。

人工智能在醫(yī)療領(lǐng)域的實(shí)踐已有很多，最熱門的應(yīng)用便是輔助診斷，此外還有輔助治療、語(yǔ)音識(shí)別輔助醫(yī)囑錄入、慢病管理、新藥研發(fā)、知識(shí)圖譜輔助分級(jí)診療等多個(gè)領(lǐng)域的相關(guān)應(yīng)用。其中，人工智能輔助診斷的發(fā)展相對(duì)成熟，而醫(yī)療知識(shí)圖譜構(gòu)建相當(dāng)于智慧醫(yī)療體系的基礎(chǔ)設(shè)施建設(shè)。

人工智能復(fù)興

人工智能概念最早于1956年在美國(guó)達(dá)特茅斯會(huì)議上由知名數(shù)據(jù)家約翰·麥卡錫（John McCarthy）提出，此后，人工智能的熱潮在學(xué)界和產(chǎn)業(yè)界逐漸興起，并在1970年前后熱極一時(shí)。然而，盡管當(dāng)時(shí)已經(jīng)提出了神經(jīng)網(wǎng)絡(luò)算法，人工智能算法也已經(jīng)能夠證明數(shù)學(xué)原理中的大部分定理，但是，由于算法及計(jì)算設(shè)備本身能力的限制，人工智能并沒(méi)有在語(yǔ)音識(shí)別、文字識(shí)別、學(xué)習(xí)記憶等領(lǐng)域取得突破。第一次達(dá)特茅斯會(huì)議的共同發(fā)起人馬爾溫·明斯基(Marvin Minsky)在其著作中對(duì)神經(jīng)網(wǎng)絡(luò)局限性的描述，客觀上促使第一次人工智能熱潮進(jìn)入冬天。

第二波人工智能浪潮在20世紀(jì)90年代達(dá)到高峰。1997年IBM公司的深藍(lán)（Deep Blue）戰(zhàn)勝國(guó)際象棋大師卡斯帕羅夫引發(fā)的那波狂熱，至今讓人記憶猶新。深藍(lán)實(shí)際是計(jì)算機(jī)硬件高速發(fā)展的產(chǎn)物，它采用暴力窮舉法，對(duì)棋盤上所有的可能性進(jìn)行計(jì)算并選擇最優(yōu)的步驟，與AlphaGo戰(zhàn)勝李世石的深度學(xué)習(xí)原理完全不同。

AlphaGo引發(fā)的第三波人工智能熱潮的主要特點(diǎn)是深度學(xué)習(xí)。從邏輯上講，深度學(xué)習(xí)是機(jī)器學(xué)習(xí)中的一種算法類型，而機(jī)器學(xué)習(xí)則是人工智能的一個(gè)技術(shù)分支。與傳統(tǒng)的基于邏輯構(gòu)建的計(jì)算機(jī)程序不同，機(jī)器學(xué)習(xí)基于統(tǒng)計(jì)學(xué)原理來(lái)評(píng)判并做出選擇。大數(shù)據(jù)使得機(jī)器學(xué)習(xí)有了足夠的學(xué)習(xí)樣本，計(jì)算機(jī)硬件水平的持續(xù)提高則為機(jī)器學(xué)習(xí)提供了強(qiáng)大的運(yùn)算支持。今天，在某種意義上，深度學(xué)習(xí)就代表了人工智能。

此次人工智能復(fù)興與之前兩次相比最大的不同便是其已經(jīng)具備了可落地性。人工智能在多個(gè)產(chǎn)業(yè)領(lǐng)域里表現(xiàn)出了強(qiáng)大的應(yīng)用能力，豐富多樣的商業(yè)模式開始形成。

人工智能輔助診斷

人工智能在醫(yī)療領(lǐng)域最熱門的應(yīng)用便是輔助診療了，IBM公司的沃森健康幾乎成了輔助診療的代名詞。沃森健康可以廣泛地閱讀和腫瘤相關(guān)的文獻(xiàn)，并根據(jù)患者的個(gè)體數(shù)據(jù)匹配出最合適的治療方案。2016年，日本《東京新聞》報(bào)道了在東京大學(xué)醫(yī)學(xué)研究院的一位患者，該患者被眾多醫(yī)生診斷為脊髓白血病但治療效果一直不佳，最終被沃森健康診斷為患有一種罕見的白血病并找到有效治療方案。

沃森健康在癌癥診療領(lǐng)域頗有建樹，其對(duì)皮膚癌的識(shí)別準(zhǔn)確率超過(guò)了98%，遠(yuǎn)高于普通皮膚科醫(yī)生的75%，也高于專家的95%。如果這種技術(shù)能夠運(yùn)用到基層醫(yī)院幫助缺乏經(jīng)驗(yàn)的基層醫(yī)生早診斷、早篩查皮膚癌患者，許多人的生命將因此得到挽救。

沃森健康是一個(gè)集自然語(yǔ)言處理、信息檢索、知識(shí)表示、自動(dòng)助理、機(jī)器學(xué)習(xí)等開放式問(wèn)答技術(shù)的應(yīng)用于一體的人工智能機(jī)器人。對(duì)患者做診療時(shí)，沃森健康首先會(huì)分析患者的病歷，理解臨床記錄和報(bào)告中的結(jié)構(gòu)化和非結(jié)構(gòu)化的數(shù)據(jù)含義。接著，它會(huì)基于內(nèi)部病例資料庫(kù)進(jìn)行初步檢索并形成初步的治療方案。最后，依據(jù)外部研究數(shù)據(jù)，它會(huì)對(duì)治療方案打分并給出最終診斷及準(zhǔn)確率估計(jì)。目前，沃森健康已經(jīng)廣泛地應(yīng)用于多家醫(yī)療機(jī)構(gòu)，如紀(jì)念斯隆-凱特琳癌癥中心、耶魯癌癥中心、東京大學(xué)醫(yī)科學(xué)研究所等，并在2016年正式進(jìn)入中國(guó)。

IBM公司是人工智能輔助診斷領(lǐng)域的先行者，但它是否能夠始終占據(jù)“頭把交椅”卻未可知。美國(guó)的谷歌公司、微軟公司以及國(guó)內(nèi)的互聯(lián)網(wǎng)巨頭百度公司、阿里巴巴公司、騰訊公司也在紛紛搶占這個(gè)巨大的市場(chǎng)。2017年年初，谷歌公司在《自然》（Nature）雜志上發(fā)表了一篇關(guān)于人工智能識(shí)別醫(yī)療圖像的科技文章，文章指出，谷歌公司已經(jīng)能夠利用深度卷積神經(jīng)網(wǎng)絡(luò)技術(shù)（一種深度學(xué)習(xí)技術(shù)）對(duì)皮膚癌圖像進(jìn)行識(shí)別。在使用129 450張臨床圖像對(duì)人工智能進(jìn)行訓(xùn)練之后，谷歌公司比較了21名資深皮膚科醫(yī)生和人工智能對(duì)圖像的識(shí)別水平，結(jié)果顯示人工智能的水平不低于人類專家。從結(jié)果上看，谷歌公司的皮膚癌診斷水平還略低于沃森健康，但是，考慮到谷歌公司是最近幾年才剛開始進(jìn)入這個(gè)市場(chǎng)，能夠取得這樣的成績(jī)，發(fā)展速度已經(jīng)非常驚人。

谷歌公司將該技術(shù)通過(guò)開源的人工智能學(xué)習(xí)平臺(tái)Tensorflow開放給了智能手機(jī)。現(xiàn)在，普通的皮膚科醫(yī)生只要用手機(jī)對(duì)患者疑似癌變皮膚拍照就可以借助人工智能來(lái)診斷是否患有皮膚癌了。除了谷歌公司外，很早就在人工智能領(lǐng)域布局的百度公司也開放了自己的人工智能平臺(tái)，將語(yǔ)音識(shí)別、圖像識(shí)別、自然語(yǔ)言識(shí)別等作為標(biāo)準(zhǔn)功能開放給了平臺(tái)用戶。

除了IBM公司，巨頭們的思路大體是一致的，致力于為用戶提供平臺(tái)性的服務(wù)而不是具體場(chǎng)景。IBM公司“擼起袖子自己干”，提供基于人工智能的產(chǎn)品給用戶。IBM公司選擇這種方式與其本身的“基因”不無(wú)關(guān)系，IBM不是一家互聯(lián)網(wǎng)公司，它是從為企業(yè)提供解決方案中獲得商業(yè)利潤(rùn)。

總體來(lái)說(shuō)，巨頭們的平臺(tái)戰(zhàn)略設(shè)定為許多中小型創(chuàng)新企業(yè)創(chuàng)造了機(jī)會(huì)，這些企業(yè)基于巨頭們的平臺(tái)為具體場(chǎng)景提供解決方案。

知識(shí)圖譜輔助分級(jí)診療

人工智能不只用于輔助診斷。中國(guó)醫(yī)療體系的一大難題是基層醫(yī)生由于多方面的原因整體水平與大醫(yī)院的醫(yī)生有較大的差距。這種差距促使患者向大醫(yī)院流動(dòng)，基層醫(yī)生因此沒(méi)有足夠的患者來(lái)積累診療經(jīng)驗(yàn)，水平提高緩慢，整個(gè)診療生態(tài)進(jìn)入一種惡性循環(huán)。國(guó)家分級(jí)診療體系的訴求之一便在于打破這種惡性循環(huán)，將大部分普通疾病患者導(dǎo)流回基層診療，大醫(yī)院聚焦復(fù)雜疾病的診療。在我國(guó)體制建設(shè)推進(jìn)的同時(shí)，如何提高基層醫(yī)生的診療水平和診療效率成為關(guān)鍵，知識(shí)圖譜正是其中一種解決方案。

三元組知識(shí)圖譜架構(gòu)的示意效果圖

簡(jiǎn)單來(lái)說(shuō)，知識(shí)圖譜是一種將知識(shí)結(jié)構(gòu)化的方法，它旨在描述真實(shí)世界中存在的各種實(shí)體或者概念。譬如，在“患者有既往高血壓病史,最高達(dá)180/100毫米汞柱,口服‘北京降壓靈、利血平’治療,有腦梗死病史,遺留語(yǔ)笨及左側(cè)肢體無(wú)力”這句話中，就存在“患者、高血壓病史、180/100毫米汞柱、北京降壓靈、利血平、腦梗死病史、語(yǔ)言障礙、左側(cè)肢體”這樣8個(gè)實(shí)體，知識(shí)圖譜用屬性來(lái)描述實(shí)體，并用關(guān)系來(lái)連接兩個(gè)實(shí)體。例如，“患者”就有姓名、性別、年齡、病史等多種屬性，而“患者”和“疾病”兩個(gè)實(shí)體之間存在關(guān)系。這種描述方法也叫三元組。

雖然這種圖譜型的表達(dá)方式使人工理解變得更復(fù)雜了，但對(duì)于計(jì)算機(jī)來(lái)說(shuō)，理解這種圖譜卻比較容易。譬如，如果在自動(dòng)問(wèn)答中，患者問(wèn)到“三叉神經(jīng)痛的癥狀都有什么”時(shí)，自然語(yǔ)言處理能夠幫助從中分離出“三叉神經(jīng)痛”和“癥狀”兩個(gè)實(shí)體，機(jī)器就能自動(dòng)從知識(shí)圖譜中搜尋三叉神經(jīng)痛節(jié)點(diǎn)，并找到其癥狀屬性中的描述內(nèi)容，再通過(guò)語(yǔ)義將描述內(nèi)容包裝模擬成人類能夠理解的語(yǔ)言表達(dá)方式來(lái)告知患者。

知識(shí)圖譜不僅能通過(guò)常識(shí)性問(wèn)題自動(dòng)答復(fù)來(lái)幫助基層醫(yī)生解決常見問(wèn)題，還能夠輔助基層醫(yī)生培訓(xùn)。完整而有效的知識(shí)圖譜能夠覆蓋基層需要用到的大部分知識(shí)，如醫(yī)學(xué)名詞、全科臨床指南、醫(yī)患問(wèn)答參考、醫(yī)生經(jīng)驗(yàn)、相似病例等。

人工智能在醫(yī)療領(lǐng)域里的潛在應(yīng)用場(chǎng)景還有很多，如何借助人工智能解決健康管理的問(wèn)題？如何借助人工智能將醫(yī)療機(jī)構(gòu)的數(shù)據(jù)信息化、結(jié)構(gòu)化？如何輔助基因測(cè)序?yàn)榛颊咛峁┚珳?zhǔn)治療？這些問(wèn)題的解決過(guò)程將不斷豐富人工智能醫(yī)療的應(yīng)用場(chǎng)景，釋放人工智能的潛力。2011年，人工智能領(lǐng)域的全球投資僅為2.82億美元，而到2015年已經(jīng)飆升至24億美元。人工智能此次歸來(lái)，必將深刻改造我們的醫(yī)療產(chǎn)業(yè)。