其實(shí)人工智能（AI）服務(wù)醫(yī)療最好的例子，已經(jīng)在《超能陸戰(zhàn)隊(duì)》這部電影中得到很好的詮釋?zhuān)弘娪爸袠?biāo)準(zhǔn)的大白形象，非常可愛(ài)，它的眼睛可以認(rèn)為是兩個(gè)攝像機(jī)，身體相當(dāng)于傳感器。當(dāng)大白遇到小宏（電影中男主）的時(shí)候，它的眼睛很快會(huì)捕捉到服務(wù)對(duì)象體征、健康數(shù)據(jù)、甚至包括情緒等等，當(dāng)小宏情緒低落的時(shí)候，大白就會(huì)去安慰，如果發(fā)現(xiàn)小宏身體不適，它就會(huì)進(jìn)行輔助性治療，這就是AI服務(wù)醫(yī)療最好的例子。

在科學(xué)家眼中，AI服務(wù)醫(yī)療可以包括很多內(nèi)容：例如健康管理、輔助醫(yī)療研究平臺(tái)、疾病風(fēng)險(xiǎn)預(yù)測(cè)、輔助診療、醫(yī)學(xué)影像分析、藥物挖掘等，都是人工智能服務(wù)醫(yī)療的一些場(chǎng)景。

跌宕起伏的人工智能發(fā)展史

“人工智能”的起源可追溯到文藝復(fù)興時(shí)期——17世紀(jì)，萊布尼茲等數(shù)學(xué)領(lǐng)域的達(dá)人已經(jīng)開(kāi)始嘗試將理性的思考系統(tǒng)化為代數(shù)學(xué)或幾何學(xué)體系，他們提出了形式符號(hào)系統(tǒng)的假設(shè)，這也成為后來(lái)人工智能研究的指導(dǎo)思想。1956年，“人工智能”在達(dá)特茅斯會(huì)議上首次被提出將作為這一領(lǐng)域的專(zhuān)用名詞。

時(shí)間到了20世紀(jì)70、80年代，人工智能在這一時(shí)期非常好的一個(gè)應(yīng)用是手寫(xiě)體的識(shí)別：通過(guò)模式識(shí)別的方式，把手寫(xiě)體識(shí)別應(yīng)用到郵政方面。但由于當(dāng)時(shí)計(jì)算機(jī)的計(jì)算能力很差，差到什么程度呢？舉個(gè)簡(jiǎn)單的例子，現(xiàn)在一部iPhone手機(jī)的計(jì)算能力，大約是阿波羅登月時(shí)所用計(jì)算機(jī)的計(jì)算能力的1萬(wàn)倍。因受制于計(jì)算能力，人工智能進(jìn)入了第一次低谷。

20世紀(jì)的中后期，科學(xué)家正式提出了“專(zhuān)家系統(tǒng)”，再加上當(dāng)時(shí)神經(jīng)網(wǎng)絡(luò)技術(shù)的提高，人工智能進(jìn)入了一個(gè)比較快速的發(fā)展時(shí)期。IBM公司的“深藍(lán)”電腦擊敗了人類(lèi)的世界國(guó)際象棋冠軍更是人工智能技術(shù)的一個(gè)完美表現(xiàn)。國(guó)際象棋相對(duì)來(lái)說(shuō)策略簡(jiǎn)單，當(dāng)時(shí)基本靠暴力計(jì)算的，大家都非常振奮，認(rèn)為人工智能的第二春來(lái)了。然而大概在90年代，人工智能卻陷入了第二次的低谷，原因是算法出現(xiàn)了問(wèn)題，無(wú)法解決。當(dāng)時(shí)DARPA（編者注：美國(guó)國(guó)防高級(jí)研究計(jì)劃局）提出了一個(gè)非常宏偉的計(jì)劃，要做人工智能計(jì)算機(jī)，但最終也失敗了。

2006年，Hinton等提出了深度學(xué)習(xí)的概念，；2010年后，人工智能進(jìn)入了新的一波小高潮； 2012年，人工智能在圖像識(shí)別上大獲成功；2015年，微軟通過(guò)152層的深度網(wǎng)絡(luò)，將圖像識(shí)別的錯(cuò)誤率降到3.57%，這意味著機(jī)器圖像識(shí)別率已經(jīng)超過(guò)了人類(lèi)。

雖然人工智能在持續(xù)發(fā)展，但民眾大規(guī)模知道“人工智能”這一理念，卻是直到阿爾法狗戰(zhàn)勝了所有的圍棋世界冠軍才開(kāi)始的，與之同時(shí)也引發(fā)了一個(gè)很重要的話題：人工智能這么厲害，醫(yī)生是不是很快就要被取代了？那個(gè)時(shí)候，很多醫(yī)生都會(huì)問(wèn)我這個(gè)問(wèn)題，但我的回答是：現(xiàn)在的人工智能只能稱(chēng)為“弱人工智能”，它尚且局限于“非常專(zhuān)注完成某一特定任務(wù)”的階段。對(duì)于弱人工智能來(lái)說(shuō)，所有的模型、數(shù)據(jù)、規(guī)則的建立都是由人設(shè)定的，本質(zhì)上是通過(guò)監(jiān)督學(xué)習(xí)的方式來(lái)學(xué)習(xí)人類(lèi)的智能，進(jìn)而完成某一個(gè)特定的任務(wù)，因此在這個(gè)階段，人工智能與人之間相差還是比較遠(yuǎn)的。

之前業(yè)內(nèi)科學(xué)家曾預(yù)測(cè)，到2050年左右，人類(lèi)會(huì)進(jìn)入強(qiáng)人工智能時(shí)代。強(qiáng)人工智能意味著人類(lèi)能干的腦力工作AI都能干。你可以認(rèn)為強(qiáng)人工智能像人類(lèi)的孩童時(shí)期一樣，具有學(xué)習(xí)、語(yǔ)言、推理、認(rèn)知、判斷等能力。實(shí)際上對(duì)于強(qiáng)人工智能，我希望它在一種弱監(jiān)督學(xué)習(xí)的情況下，能進(jìn)行不斷自我學(xué)習(xí)，最終達(dá)到與人差不多一樣的水平。在整個(gè)過(guò)程中，因?yàn)樗粩嗑哂腥说恼J(rèn)知能力，有可能會(huì)出現(xiàn)具有人格定義的人工智能。

未來(lái)，人類(lèi)或?qū)⑦M(jìn)入超人工智能的階段。超人工智能相對(duì)人工智能，已經(jīng)跨越了一個(gè)基點(diǎn)。到那個(gè)階段，機(jī)器將擁有人類(lèi)難以想象的數(shù)據(jù)及計(jì)算力，思考問(wèn)題方式與邏輯已經(jīng)完全超出我們的認(rèn)知。超人工智能，我覺(jué)得它更像一個(gè)“神”。

人工智能為何能應(yīng)用在醫(yī)療中？

人工智能為什么能應(yīng)用在醫(yī)療上呢？因?yàn)槿斯ぶ悄苡蟹浅：玫娜N技術(shù)，可以分別對(duì)應(yīng)到醫(yī)療場(chǎng)景下的三種數(shù)據(jù)：第一個(gè)是圖像數(shù)據(jù)，第二個(gè)是文本數(shù)據(jù)，第三個(gè)是語(yǔ)音數(shù)據(jù)。圖像對(duì)應(yīng)的是計(jì)算機(jī)視覺(jué)，文本對(duì)應(yīng)的是自然語(yǔ)言處理，語(yǔ)音對(duì)應(yīng)的是語(yǔ)音處理。

計(jì)算機(jī)視覺(jué)包括圖像分類(lèi)、物體檢測(cè)和物體分割。上面這兩張圖，左邊是變色鳶尾，右邊是山鳶尾，這兩者的相似度很高，普通人都難以分辨，但計(jì)算機(jī)能通過(guò)大量的學(xué)習(xí)，從而判斷這兩張圖分別是什么。

再比如現(xiàn)在各地檢測(cè)外地車(chē)牌的這項(xiàng)工作，但靠人類(lèi)肉眼肯定無(wú)法完成，而通過(guò)AI技術(shù)能自動(dòng)地檢測(cè)車(chē)牌，并將號(hào)碼提取出來(lái)。

另外，圖像分割在醫(yī)療上具有非常重要的應(yīng)用，比如醫(yī)生要做一臺(tái)肝部手術(shù)，可以利用人工智能把肝部分割出來(lái)，假如手術(shù)要避開(kāi)大血管，這項(xiàng)技術(shù)也能把大血管的位置分別分割出來(lái)。

自然語(yǔ)言處理如何在醫(yī)療上應(yīng)用呢？我們都知道，醫(yī)院有大量的電子病歷，如何分析電子病歷，是件非常重要的事。如果我們能夠把醫(yī)院的電子病歷輸入到人工智能系統(tǒng)中，就能分析出醫(yī)生在診斷的時(shí)候有沒(méi)有犯錯(cuò)誤，畢竟醫(yī)生是人，工作很累，給病人開(kāi)藥時(shí)可能會(huì)失誤選擇藥物，通過(guò)文本識(shí)別技術(shù)，假如醫(yī)生開(kāi)的藥和疾病是相違背的，系統(tǒng)就能及時(shí)通知醫(yī)生進(jìn)行修正。

問(wèn)答系統(tǒng)在醫(yī)療中同樣作用很重要。大家到醫(yī)院后一般會(huì)到問(wèn)導(dǎo)臺(tái)咨詢：自己是哪里不舒服，需要掛什么科之類(lèi)的，假如有一個(gè)問(wèn)答系統(tǒng)，我們?cè)诩业臅r(shí)候就可以把掛號(hào)確定了。輸入自己的體征問(wèn)題，系統(tǒng)會(huì)告訴你大概是哪一大類(lèi)的疾病，并智能地推薦你去哪家醫(yī)院，把最適合的專(zhuān)家推薦給你，所以問(wèn)答系統(tǒng)將會(huì)在醫(yī)療中有很好的應(yīng)用前景。

語(yǔ)音識(shí)別應(yīng)用場(chǎng)景同樣廣闊，例如在影像科，醫(yī)生看一個(gè)片子，基本上二分之一的時(shí)間在讀片子，剩下二分之一的時(shí)間在敲文字，如果能把語(yǔ)音識(shí)別技術(shù)應(yīng)用起來(lái)，醫(yī)生可以直接對(duì)著話筒說(shuō)話轉(zhuǎn)成文字記錄，能夠省下將近一半的時(shí)間。

為什么醫(yī)療領(lǐng)域需要人工智能？

人工智能在醫(yī)療領(lǐng)域有很好的應(yīng)用前景，那么反過(guò)來(lái)醫(yī)療領(lǐng)域需要人工智能嗎？答案是肯定的。現(xiàn)在最大的投資風(fēng)口是影像分析，目前醫(yī)院很大一部分收入是從影像檢查來(lái)的，并且影像檢查數(shù)據(jù)每年以30%的速度增長(zhǎng)，但影像科醫(yī)生每年卻只有4%的增長(zhǎng)速度，醫(yī)生缺口非常大。

上圖是整個(gè)醫(yī)療工作流程，包括篩查、診斷、治療、隨訪和評(píng)估。我們現(xiàn)在的體檢篩查包括第三方體檢中心、社區(qū)醫(yī)院、三甲醫(yī)院，由圖我們可以直觀地發(fā)現(xiàn)：在不同等級(jí)的醫(yī)療中心篩查階段做完所有的檢查，最后出口卻都是三甲醫(yī)院。出現(xiàn)這種現(xiàn)象的原因很簡(jiǎn)單，對(duì)于花同樣的錢(qián)，人們更愿意去三甲醫(yī)院。那么人工智能又可以在這一整套流程中發(fā)揮起到什么作用呢？它可以去輔助基層醫(yī)院的醫(yī)生，提高他們?cè)\斷能力，從而達(dá)到三甲醫(yī)院醫(yī)生一樣的水平。

解決方案該如何做呢？我們從預(yù)防到診斷、治療、隨訪，通過(guò)人工智能的方式支撐各個(gè)環(huán)節(jié)的流通，讓工作流、數(shù)據(jù)流更加智能化、規(guī)范化，這是我們的目標(biāo)。

第一步就是篩查，假如患者得了腫瘤，最希望聽(tīng)到就是你的腫瘤是良性的，所以篩查首先把腫瘤分為良性還是惡性，這項(xiàng)工作人工智能可以做。

乳腺癌是中國(guó)城市女性當(dāng)中患病率最高的一個(gè)癌癥，而且中國(guó)女性切乳率非常高，之前的數(shù)據(jù)是90%左右，而同樣的情況在美國(guó)大概是34%，也就是說(shuō)接近56%的中國(guó)婦女其實(shí)并不一定需要切乳，而造成中美切入率這一對(duì)比差異的原因是什么呢？因?yàn)槲覈?guó)乳腺癌早期篩查做得相對(duì)比較差，我們希望通過(guò)人工智能的方法對(duì)乳腺癌篩查進(jìn)行判斷。上圖左邊的病灶，大概有85%的惡性概率，右邊有80%惡性概率，這些數(shù)據(jù)就能幫助醫(yī)生做初步的判斷。

另外，我們經(jīng)常說(shuō)起糖網(wǎng)，即由糖尿病所引起的視網(wǎng)膜病變，現(xiàn)在對(duì)于A型糖網(wǎng)識(shí)別準(zhǔn)確率已達(dá)到97%，同時(shí)糖網(wǎng)分期準(zhǔn)確率也達(dá)到了85%。超過(guò)85%是什么概念呢？意味著這個(gè)數(shù)據(jù)在臨床上可以使用了。

第二個(gè)階段：診斷。舉例如果一位患者去醫(yī)院后，發(fā)現(xiàn)腫瘤是惡性的，這時(shí)患者就希望有一個(gè)精準(zhǔn)的判斷：腫瘤的分期和分型。腫瘤是早、中期，還是晚期？亞病種的分型，是高分化還是低分化？另外，量化會(huì)對(duì)整個(gè)疾病進(jìn)行分析，在目前階段，醫(yī)院的診斷、量化做得還不是很好，當(dāng)病人的各項(xiàng)檢測(cè)報(bào)告出來(lái)后，醫(yī)生看了數(shù)據(jù)，并不能確定做完手術(shù)后，患者到底還可以活2年、3年還是5年。

原因很簡(jiǎn)單，量化的特征隱藏在數(shù)據(jù)里，不一定能直觀看得出來(lái)，或者可以這么說(shuō)，現(xiàn)在醫(yī)學(xué)的科學(xué)研究并沒(méi)有把臨床上粗淺的特征與手術(shù)之后的療效相結(jié)合起來(lái)，但這一步，人工智能是可以幫助做一些事情的。

另外，在診斷這一步，我們希望通過(guò)數(shù)據(jù)分析的方式，去進(jìn)行三件事：一是風(fēng)險(xiǎn)預(yù)測(cè)、二是療效評(píng)估、三是愈后分析。

舉個(gè)簡(jiǎn)單的例子，如果患者去做放射治療（編者注：放射治療是對(duì)于治療腫瘤非常重要的治療手段），一個(gè)療程大概放射20次左右，但有些患者，可能對(duì)放射治療并不敏感，那么放射2到3次以后，就不應(yīng)該再放射治療了。

化療也是同樣的情況，化療也有好幾個(gè)療程，但對(duì)于化療藥劑，有的患者也不敏感，化療之后根本沒(méi)有效果。在這種情況下，假如通過(guò)量化分析，發(fā)現(xiàn)患者對(duì)治療手段不敏感，可以及時(shí)更換方式，盡最大可能減少副作用，而在這個(gè)過(guò)程中，人工智能就可以很好地進(jìn)入到診療方案里。

那些基于AI的醫(yī)療融合產(chǎn)品

IBM曾經(jīng)出品過(guò)一款A(yù)I參與智能診斷的產(chǎn)品：IBM沃森機(jī)器人，從我個(gè)人的角度來(lái)看真是一款非常好的產(chǎn)品，這款機(jī)器人收集了大量的數(shù)據(jù)，來(lái)獲取相關(guān)的臨床知識(shí)，并針對(duì)不同患者，個(gè)性化地提出不同診斷。

但很不幸，這個(gè)產(chǎn)品失敗了，原因是什么呢？并不是產(chǎn)品不好，而是太過(guò)于依賴(lài)準(zhǔn)確的數(shù)據(jù)輸入，因?yàn)橐坏┰搭^信息輸入錯(cuò)誤，就會(huì)導(dǎo)致非常嚴(yán)重的后果，這相對(duì)應(yīng)地要求醫(yī)院信息系統(tǒng)的建設(shè)標(biāo)準(zhǔn)要很高，但目前在中國(guó)符合這個(gè)標(biāo)準(zhǔn)的醫(yī)院很少。所以IBM沃森我個(gè)人覺(jué)得有點(diǎn)太超前了，如果再過(guò)30年，我們的下一代去醫(yī)院的話，一定會(huì)接受類(lèi)似的系統(tǒng)進(jìn)行問(wèn)診，在這個(gè)基礎(chǔ)上進(jìn)行下一步精確地診斷跟判斷，相信再過(guò)50年，所有的醫(yī)院一定會(huì)有這個(gè)系統(tǒng)。

亞馬遜也出過(guò)一個(gè)Alexa平臺(tái)來(lái)回答相關(guān)的醫(yī)療問(wèn)題，這也是一款不錯(cuò)的產(chǎn)品，可以根據(jù)患者的問(wèn)題智能推薦藥物。

上圖是醫(yī)學(xué)影像輔助診斷一個(gè)很好的例子——大家體檢時(shí)都會(huì)拍胸片，因?yàn)樾仄嵌S投影，大量肋骨投影在胸片上（如左圖），這時(shí)一些病灶可能會(huì)被掩蓋掉，而通過(guò)人工智能技術(shù)我們可以把骨頭、肉分開(kāi)，硬組織、軟組織分開(kāi)（分離效果為中圖、右圖），這樣醫(yī)生一眼就能看出哪個(gè)地方有病灶，同時(shí)也可以看出來(lái)哪個(gè)地方有骨折，這個(gè)工作是我們團(tuán)隊(duì)目前正在做的。

上圖是肺結(jié)核方面的診斷工作，在我國(guó)的一些偏遠(yuǎn)地區(qū)，肺結(jié)核患者數(shù)量不少，肺結(jié)核的診斷非常重要，因此醫(yī)學(xué)影像輔助診斷對(duì)于很多需要實(shí)時(shí)病理檢測(cè)的疾病而言意義重大。

譬如說(shuō)腫瘤手術(shù)，在手術(shù)中就需要把腫瘤的切片拿去立刻做冰凍，做病理診斷，然后立刻把結(jié)果拿回來(lái)，醫(yī)生要根據(jù)病理診斷來(lái)決定下一步的手術(shù)如何進(jìn)行。肺葉上有一個(gè)腫瘤，如果腫瘤是良性，醫(yī)生直接切除挖掉即可，如果腫瘤是惡性的，那么肺端這個(gè)地方就都得切掉，因此在術(shù)中，病理需要非常快地診斷出來(lái)。

我前兩天去手術(shù)室看到的一位病人，病理需要40分鐘才能診斷出來(lái)，在這種情況下，醫(yī)生把病人開(kāi)胸手術(shù)卻需要等待40分鐘后才能繼續(xù)進(jìn)行，如果能有非常快的病理診斷，2分鐘出結(jié)果，病人就不用白白等待40分鐘。

診斷之后，第三個(gè)階段就是治療，治療包括方案的規(guī)劃、手術(shù)的引導(dǎo)跟三維重建。

上圖實(shí)際是一個(gè)放療靶區(qū)勾畫(huà)圖，放療靶區(qū)勾畫(huà)很有意思，患者有鼻煙癌，如果要做放療，有放療靶區(qū)、腫瘤靶區(qū)、正常組織跟淋巴結(jié)引流區(qū)，正常做手術(shù)大概需要2-3小時(shí)，但如果用4個(gè)MI序列跟一個(gè)CT序列進(jìn)行勾畫(huà)，基本可以做到整個(gè)算法大概一分半鐘跑完，2—3個(gè)小時(shí)與1分半的差距還是非常大的。

上圖是影像引導(dǎo)與手術(shù)機(jī)器人的案例，對(duì)于影像引導(dǎo)，最著名就是達(dá)芬奇機(jī)器人，通過(guò)手術(shù)機(jī)器人來(lái)替代醫(yī)生的手。

上圖是三維重建與介入治療，介入治療實(shí)際上是通過(guò)消融或者是支架進(jìn)入人體內(nèi)，把工具放進(jìn)去，整個(gè)過(guò)程需要操作非常精細(xì)，術(shù)前醫(yī)生希望通過(guò)三維重建大體了解患者整體的身體結(jié)構(gòu)，三維重建后，醫(yī)生在術(shù)前就知道整個(gè)治療路徑怎么走，如何進(jìn)行操作。

另外，基于人工智能還有其他醫(yī)療應(yīng)用場(chǎng)景，例如基于AI技術(shù)的藥物研發(fā)，之前的藥物研發(fā)非常耗時(shí)、耗錢(qián)，十年，十億美元是一個(gè)藥物研發(fā)基本所需要的時(shí)間和費(fèi)用。

上圖是傳統(tǒng)藥物研發(fā)的過(guò)程，流程非常慢，如果第三期臨床試驗(yàn)沒(méi)過(guò)，前面流程的投入就基本白費(fèi)了。

上圖是新的藥物研發(fā)方式，通過(guò)機(jī)器學(xué)習(xí)，會(huì)從傳統(tǒng)的藥物里學(xué)習(xí)新的分子結(jié)構(gòu)，然后匹配，現(xiàn)在用AI來(lái)進(jìn)行藥物研發(fā)是很大的風(fēng)口，目前也有很多的公司都開(kāi)始做相關(guān)的工作。

從我個(gè)人的角度，我相信人工智能就像一把手術(shù)刀一樣，能夠成為醫(yī)生非常好的輔助工具。因此，我們團(tuán)隊(duì)的目標(biāo)也非常明確，希望用人工智能的技術(shù)連接各個(gè)數(shù)據(jù)孤島，能夠讓整個(gè)醫(yī)療的過(guò)程，工作流、數(shù)據(jù)流規(guī)范化與智能化。讓我們共同期待人工智能這項(xiàng)技術(shù)未來(lái)能更好地服務(wù)于醫(yī)療行業(yè)、輔助醫(yī)學(xué)領(lǐng)域長(zhǎng)足發(fā)展！