中國(guó)或成醫(yī)療人工智能最大市場(chǎng)

　　那么DUCG能否用于醫(yī)療診斷呢?

　　張勤團(tuán)隊(duì)首先與醫(yī)學(xué)專家合作，針對(duì)各類疾病建立DUCG醫(yī)學(xué)知識(shí)庫(kù)(并不是機(jī)器從數(shù)據(jù)里面自動(dòng)學(xué)出知識(shí)，而是醫(yī)生用圖形語(yǔ)言在機(jī)器中表達(dá)自己的知識(shí)，并由機(jī)器自動(dòng)合成知識(shí)庫(kù)。)張勤認(rèn)為，宏觀世界(微米以上尺度)萬(wàn)物皆因果，例如上呼吸道感染可能導(dǎo)致咳嗽、頭痛等，這就是具有不確定性的因果知識(shí)。他們用103張因果子圖合成一個(gè)知識(shí)庫(kù)，包含各種風(fēng)險(xiǎn)因素、病史、癥狀、體征、影像學(xué)檢查和實(shí)驗(yàn)室檢查、以及各種邏輯組合和無(wú)條件或有條件因果關(guān)系及不確定性參數(shù)，與DUCG推理機(jī)相結(jié)合，進(jìn)行疾病診斷。

　　他們這套系統(tǒng)跟某醫(yī)院合作診斷某類疾病，樣本集中有近4000個(gè)病例，涉及27種病，按照每種病不超過(guò)10個(gè)病例隨機(jī)抽出203個(gè)病例進(jìn)行測(cè)試，最后結(jié)果正確率99.01%，只有兩個(gè)病例因記錄不完整而不正確。張勤的團(tuán)隊(duì)還做過(guò)眩暈疾病的DUCG診斷，也達(dá)到了遠(yuǎn)高于國(guó)際同行的正確率。目前正在開展暈厥和胸痛疾病的智能診斷知識(shí)庫(kù)開發(fā)。

　　張勤團(tuán)隊(duì)正在進(jìn)一步開發(fā)這套系統(tǒng)使之不僅能幫助醫(yī)生診斷，而且能啟發(fā)醫(yī)生知道下一步做什么檢查最有價(jià)值，而不是盲目檢查，增加醫(yī)保和病人的負(fù)擔(dān)。這套系統(tǒng)還可用于醫(yī)院分診，也就是根據(jù)病人自述和分診師了解到的信息計(jì)算并排序選擇優(yōu)先就診的科室或可能需要的會(huì)診科室。

　　張勤還表示，重要的是智能診斷系統(tǒng)不僅能告訴病人或醫(yī)生是什么病，還要告訴為什么是這個(gè)病，因?yàn)樽鰶Q策并承擔(dān)責(zé)任的是醫(yī)生，不是智能系統(tǒng)，至少在目前的情況下是如此。最后他認(rèn)為，醫(yī)療數(shù)據(jù)并不是只要多就好，數(shù)據(jù)質(zhì)量高才行。

　　下一個(gè)挑戰(zhàn)：誰(shuí)能成就醫(yī)學(xué)界的ImageNet?

　　醫(yī)療AI的技術(shù)遠(yuǎn)不止深度學(xué)習(xí)、機(jī)器學(xué)習(xí)、動(dòng)態(tài)不確定圖等，此外醫(yī)療AI中也面臨著很多挑戰(zhàn)。

　　全維度數(shù)據(jù)：基因 + 蛋白 + 病理+ 影像 + 臨床 + 隨訪

　　對(duì)于普通的圖像研究者，ImageNet提供了1000萬(wàn)張意義上的圖片供訓(xùn)練。但是醫(yī)學(xué)數(shù)據(jù)非常大，對(duì)于醫(yī)學(xué)影像診斷的模型，目前并沒有一個(gè)權(quán)威的公開數(shù)據(jù)集。根據(jù)斯坦福邢磊博士所說(shuō)，數(shù)據(jù)庫(kù)也是有一些，但是并不全，并不足夠大。比如乳腺癌有數(shù)據(jù)集算比較多的，但是沒有大到幾十萬(wàn)個(gè)病例。研究人員有時(shí)候需要自己采集數(shù)據(jù)，很多時(shí)候可能就只有用幾百個(gè)數(shù)據(jù)來(lái)訓(xùn)練模型。

　　邢磊博士也提出，很難確定多大的數(shù)據(jù)是大數(shù)據(jù)，畢竟數(shù)據(jù)量并不是越大越好，有時(shí)候可能有限的病人數(shù)據(jù)就足夠了，這與具體情況和問題及數(shù)據(jù)的質(zhì)量有關(guān)。

　　但是如果有一個(gè)權(quán)威大數(shù)據(jù)集，對(duì)研究者來(lái)說(shuō)絕對(duì)是一件好事。但是這是一種階梯式發(fā)展的，無(wú)法一蹴而就。跟ImageNet不同，一個(gè)權(quán)威巨型的醫(yī)學(xué)數(shù)據(jù)集可能最先在中國(guó)實(shí)現(xiàn)而不是外國(guó)。因?yàn)檎畢⑴c力度可以較大。一般的講，病人數(shù)據(jù)及數(shù)據(jù)的使用涉及病人隱私及權(quán)利。雖然大家都知道這個(gè)數(shù)據(jù)集對(duì)病人、醫(yī)院，已及整個(gè)人類社會(huì)都有利，但是這件事情需要政府層面的政策和統(tǒng)籌協(xié)調(diào)。

　　邢磊教授樂觀的表示，這件事情是遲早會(huì)解決，且中國(guó)的優(yōu)勢(shì)可能更大。

　　那么正如張勤提到的需要對(duì)2萬(wàn)多種疾病診斷，如果每一個(gè)都做人工智能，也是一個(gè)很大的工程，應(yīng)該怎么解決?

　　邢磊博士表示，將來(lái)需要一個(gè)醫(yī)學(xué)界的平臺(tái)，就像谷歌的Tensorflow，但是比Tensorflow更上層，專注于影像。疾病雖然多，但是還是有許多共同之處，并不是每一個(gè)AI模型都需從頭做起。人們甚至可以考慮把目前已做不了醫(yī)學(xué)影像的Tensorflow添加影像處理的功能，再將這種平臺(tái)開放，然后再細(xì)化到具體的各個(gè)病種。這當(dāng)然還是要依靠醫(yī)學(xué)界不同領(lǐng)域的同仁來(lái)共同努力和貢獻(xiàn)。

　　兩大趨勢(shì)兩大不平衡，竟讓中國(guó)成為醫(yī)療AI最佳落地點(diǎn)

　　英特爾醫(yī)療李亞東介紹了全球的兩大趨勢(shì)成為醫(yī)療AI 的巨大驅(qū)動(dòng)力：

　　1. 人口老齡化，特別是中國(guó)，中國(guó)2020年將達(dá)到20%65歲以上老齡化人口。55歲以上的人群占用的醫(yī)療資源在50%以上。在這樣的人口老齡化的背景對(duì)人工智能的需求急劇上升。怎么樣解決這樣一個(gè)急需增長(zhǎng)的需求的挑戰(zhàn)?

　　2. 慢性病的挑戰(zhàn)接踵而至。中國(guó)是慢性病問題最嚴(yán)重的一個(gè)區(qū)域，中國(guó)的患病人口在全球毫無(wú)疑問是領(lǐng)先的。

　　可以說(shuō)，這兩大趨勢(shì)使得中國(guó)或成為醫(yī)療AI最大市場(chǎng)。

　　兩大不平衡：

　　第一是醫(yī)療資源供需嚴(yán)重不平衡。不僅僅在中國(guó)，在美國(guó)也嚴(yán)重不足，美國(guó)去年缺30幾萬(wàn)護(hù)士，十幾萬(wàn)醫(yī)生。中國(guó)醫(yī)患關(guān)系緊張，工作壓力大，醫(yī)學(xué)院畢業(yè)生在三年之內(nèi)50%以上轉(zhuǎn)行做其他行業(yè)。好醫(yī)生尤其稀缺，中國(guó)的三甲醫(yī)院人滿為患。怎么樣解決這些問題?

　　第二是地域醫(yī)療資源不平衡。2013年三甲醫(yī)院占衛(wèi)計(jì)委醫(yī)療總數(shù)的0.1%，但是大量的病人是在基層，而極少數(shù)的三甲醫(yī)院門庭若市，醫(yī)生連上廁所的時(shí)間都沒有。大城市的三甲醫(yī)院跟鄉(xiāng)村或小城市醫(yī)療實(shí)力天壤之別，即使有的地方醫(yī)院設(shè)備很先進(jìn)，但是醫(yī)務(wù)人員軟實(shí)力欠缺，拿著好設(shè)備看病看不準(zhǔn)。對(duì)于三四線城市甚至偏遠(yuǎn)山區(qū)的人，怎么讓他們也能享受到較高質(zhì)量的醫(yī)療服務(wù)?

　　總之，在老齡化和慢性病的大環(huán)境下，醫(yī)療資源(人、物)供應(yīng)短缺，特別是中國(guó)醫(yī)療資源供需嚴(yán)重不平衡，地域資源差距巨大，人工智能可能是解決這些問題的突破口。

　　未來(lái)：醫(yī)療AI解放了誰(shuí)?

　　《人類簡(jiǎn)史》的作者在書中預(yù)言，大數(shù)據(jù)和人工智能的發(fā)展成熟，會(huì)讓6成的人類失去工作。目前，醫(yī)療中一些領(lǐng)域AI已經(jīng)達(dá)到人類水平了，是否會(huì)引起大批醫(yī)療工作者的失業(yè)?這些醫(yī)療工作者如何適應(yīng)這一變革?

　　邢磊博士表示，這是一個(gè)漸進(jìn)的過(guò)程，并不會(huì)突然發(fā)生，可能需要10年、15年。對(duì)于可能被取代的人，焦慮無(wú)法避免，每一次技術(shù)革命都會(huì)有類似的焦慮。這是一個(gè)適應(yīng)過(guò)程，時(shí)間拉得越長(zhǎng)，適應(yīng)過(guò)程來(lái)的會(huì)越簡(jiǎn)單 。目前，大部分醫(yī)療的工作還是勞動(dòng)密集型，工作量很大，知識(shí)訓(xùn)練要求很高，這些以后會(huì)有很大的改善。

　　但是，AI不會(huì)也不可能代替醫(yī)生，即使機(jī)器在某方面比人強(qiáng)，但計(jì)算機(jī)畢竟是計(jì)算機(jī)，它的“思維”是人類訓(xùn)練出來(lái)的，無(wú)論是廣度和深度都將是有限的。還是有特例，最后還是需要人做決定。 邢磊博士說(shuō)：“我希望還是由人來(lái)做決定，是在機(jī)器輔助下的人的決定，而不是機(jī)器讓我吃什么藥，打什么針，這不人性化。”他認(rèn)為機(jī)器與人的合作更好，機(jī)器沒有創(chuàng)新，但是人會(huì)有創(chuàng)新。機(jī)械式的非精準(zhǔn)醫(yī)療會(huì)漸漸消失，這是大趨勢(shì)，但是把所有醫(yī)療工作完全交給機(jī)器是不太可能的，至少還有很漫長(zhǎng)的路要走。

　　最后借用自稱“人工智能人文學(xué)派支持者”張秀梅的話結(jié)束： “醫(yī)生是醫(yī)者仁心，不管人工智能技術(shù)再怎么發(fā)展，好醫(yī)生永遠(yuǎn)都是不可替代的。資本和技術(shù)本身是沒有屬性的，可善可惡。但是到了醫(yī)療健康的產(chǎn)業(yè)資本的時(shí)候，我們要正確的三觀，要把所做的事情引向治病救人的善念?！?/p>

　　“我們不是考慮AI是否取代醫(yī)生，我們應(yīng)該考慮的是怎么讓AI真正幫助到人。”向每一個(gè)醫(yī)療行業(yè)用AI改善醫(yī)療服務(wù)的人致敬!