模拟大夫(模拟医生看病)

　　2016年3月，AlphaGo战胜了世界顶级围棋大师李世石，在围棋这一被誉为“人类智慧最后堡垒”的游戏中，程序首次打败了专业棋手。AlphaGo在这场“人机大战”中的胜利，让更多的人注意到了深度学习和人工智能，也开始关注人工智能在其他领域的应用情况。

　　近期，核心期刊《自然》杂志发表的一篇论文就报道了一场医学领域中的“人机大战”。大战中，人工智能对阵21位人类医生一同诊断皮肤癌，结果，人工智能竟然在灵敏性和特异性方面完全媲美人类医生！

　　众所周知，皮肤癌是最常见的恶性肿瘤之一。该病早期长得和普通的痣太过相似，很容易被大家粗心地忽略，等到病情恶化寻求治疗时，却总已为时过晚。据统计，黑色素瘤如果早期发现，5年生存率可达99%以上，晚期发现5年生存率则降为14%。生存率差异如此之大，因此，皮肤癌早期辨别对患者至关重要。

　　皮肤癌诊断主要依靠视觉判断，包括观察病变、使用皮肤镜分析，最后进行活检和组织病理学检查。要使人工智能自动辨别皮肤疾病，就需要人工智能学习病变图片，掌握皮肤病变的精细变化。为此，科学家们将视觉处理和深度学习相结合，先让一个“卷积神经网络（CNN）”分析学习了近13万张皮肤病临床图片，这一学习量较以往研究高出了两个数量级，覆盖了2023种不同的皮肤疾病。

　　之后，科学家们让完成学习的人工智能与人类资深皮肤科医生观看相同的病变图片，判断皮肤病类型。

　　比试分为两场，第一场挑战中，人工智能和医生们一同区分角质细胞癌和良性溢脂性角化病，前者是最为常见的皮肤癌。第二场，则是区分恶性黑色素瘤与良性的痣，其中，黑色素瘤是致死性最高的皮肤癌。结果，人工智能在正确识别良性病变和正确识别恶性病变方面都表现出众，灵敏度达到91%，打败了多位皮肤科医生。整体而言，人工智能完全可媲美专业的皮肤科医生。

　　科学家还表示尽管该算法目前只用于计算机，但未来很可能兼容于智能手机，让可靠的人工智能诊断真正触手可及。

　　AI在医学领域的其他应用

　　在医疗领域，人工智能的应用已铺展开来，涉及了多个方面。包括辅助疾病诊断、辅助临床决策、药物研发、健康管理、智能陪护等等。

　　辅助疾病诊断

　　就医时，为了保证对症治疗，医生首先要了解患者的患病情况。要明确疾病类型，多数时候离不开影像和病理检查，这使得医学影像和病理图片的解读尤为重要。

　　医学影像和病理图片 了海量的非结构化数据，即使有经验的医生有时也显得无所适从。此外，医学影像的解读还需要长时间专业经验的积累，这也导致医生的培养周期相对较长，医生数量远远无法满足医院的需求。

　　但人工智能的应用将有望克服这两个问题。近年，随着“深度学习”的发展，“图像识别技术”在性能方面有了极大的提升，使得人工智能可以通过高效的“机器学习”短时间内学习大量“高质量医学图像”，然后通过医学图像识别疾病类型。

　　此外，用人工智能来解读医学图像还存在明显的优势。人工智能在对图像的识别效率和精度两个方面，都可以做得比专业医生更快，还可以减少人为操作的误判率。Google计算机科学家和医学研究人员就合作推出了一个算法，使人工智能可以像眼科医生一样通过眼睛图像检测发现糖尿病性视网膜病变。

　　如今，人工智能用于医学影像辅助识别，已经是人工智能应用于医疗领域，发展最为火热的方向之一，该领域正有多家公司不断涌现。

　　辅助治疗决策（诊疗意见）

　　人工智能辅助治疗决策，简单来讲，就是让计算机学习专家医生的医疗知识，模拟医生的思维和推理，得到可靠的治疗方案。

　　在疾病治疗中，一份严谨治疗方案的给出，不仅需要医生的知识积累，还需要医生耗费大量的时间和精力去搜集和验证最新的治疗进展。即便如此，纪念斯隆凯特琳癌症中心的专家表示，医生在治疗中也仅有20%的依据直接来自试验证据支持。

　　给出的数据显示，就目前医学的发展速度而言，医生每周仅阅读文献就要至少使用160小时，才能跟得上医学领域新知识的发表速度，更不用提验证和实践了。但借助人工智能“高效的机器学习”却可以轻松完成知识积累、资料检索及更新的工作，给出治疗建议以供医生参考。

　　目前，辅助决策方面知名度最高的就是IBM研发出的Watson。据报道，人工智能Watson在深度学习的算法基础上，仅用很短时间就涉猎了超过60万份临床证据、超过两百万页医学杂志以及150多万份病例搜索。

　　同时Watson在实战中也已取得了骄人成绩。2016年，东京大学的医生在报告中称，Watson仅用十分钟就成功诊断出一名60岁女性患上的罕见白血病，并提供了适当的治疗方案。目前，Watson已在全球多家医院投入应用，为医生提供疾病和药物相关信息，以及治疗方案等方面的建议。在中国，已有几十家医院开始试用Watson。

　　药物研发

　　精准医疗时代，科学家们已逐步实现从基因层面了解疾病的发病机理，但明确发病机制后进行治疗才是医疗的最终目的。因此，高效地研发出治疗药物弥足重要。

　　研发新药极富前景的方向之一，就是从现有众多药物中找出更有效的新药组合。然而，该药物研发方向面临的最大问题之一就是药物数量过于庞大，致使研究的难度较高、耗时过长。

　　例如，就抗癌药物来说，目前已存在多种抗癌药物治疗不同类型的癌症，这些药物的有效组合可能产生更佳的抗癌疗效，并可能解决药物耐受问题、降低药物的副作用。然而，如果有100种抗癌药物，仅两两搭配，理论上，就能产生5000种组合，如果想再研究三种、四种药物组合，那组合的数量将会呈几何倍数增加，即便排除了部分组合，有待研究的组合数量依旧非常惊人，将耗时巨大。

　　而随着人工智能算法的升级，科学家们可以设计出相应的模型与算法，使用人工智能进行筛选，预测出更有效的药物组合。2017年2月，威尔康奈尔医学院的研究人员就报道，他们在两次研究中，成功使用人工智能筛选出了有效的药物组合。

　　第一次研究中，人工智能预测出了抗黑色素瘤的药物组合，该组合通过了后续的试验验证。第二个研究中，人工智能预测出了抑制B细胞淋巴瘤的协同药物组合，并经过了验证。此外，人工智能还筛除了低效的组合。

　　人工智能用于药物研发具有光明的前景。2016年，高盛集团人工智能报告中就提到，随着人工智能和机器学习的不断整合，人们将有望在新药研发的过程中使用“虚拟筛选”，显著地实现“去风险”，这不但将节约大量的研发成本，同时还将提高全球医疗信息领域的效率。

　　健康管理

　　随着生活水平的提升，越来越多的人更关注于身体健康。但现有的医疗模式还很难满足人们的健康需求，提供个性化的疾病风险预防方案和健康管理服务。

　　人工智能则有望满足人们的个性化健康需求。首先，人工智能采用的自适应进化算法联合最新聚类算法，能够成功预测蛋白复合物、DNA变体，帮助预测个体的患病风险，提供更有针对性的健康建议。另外，人工智能能够通过智能便携式设备和智能机器人等为用户提供个性化专业咨询。通过用户的家族史、既往病史、实时健康指标等情况为用户提供健康建议，提醒与保护措施等，实现医疗服务普及化，降低个人健康管理的成本。最后，个体的健康数据搜集，也有利于人群性的疾病防控。

　　智能陪护（患者护理）

　　说到智能陪护，大家可还记得《超能陆战队》中的带给人满满暖意的大白？很多患者群体除了治疗之外，更加需要情感抚慰和生活陪护，例如患有阿尔茨海默症的老年人和患自闭症的儿童。人工智能机器人有望胜任这一陪护角色。患阿尔茨海默症的老年人的认知能力和行动能力都逐渐衰退，人工智能机器人的陪护可以保证老人的安全并帮助照顾老人；对于自闭症儿童，人工智能机器人有望在陪同孩子的同时，运用智能与孩子沟通并教授孩子。

　　除了以上五个方面，人工智能在医疗领域的应用还包括实现医疗团体之间的交互，提升医疗系统效率降低医疗成本、智能手术操作辅助系统、情感检测和康复辅助、纳米机器人靶向给药等等。总之，人工智能在医疗领域的应用大有可为。

　　人工智能会替代医生吗？

　　面对人工智能在医疗健康领域的飞速发展，很多人不禁提出疑问，人工智能会替代医生吗？客观来讲，至少在很长的一段时间内，人工智能完全替代医生是不可能的。虽然人工智能辅助诊断系统能诊断出诸多疾病，但只是在诊疗的部分环节帮助医生快速判断、提供建议。必须承认医生面对的问诊环境往往较为复杂，远不止技术检查，还包括了解病人感受等人文因素。

　　此外，人工智能在医疗健康领域实际运用时也还面临诸多问题。

　　首先，机器的“深度学习”需要大量的、高质量的学习训练材料。鉴于机器在学习中自觉辨别“正误”的能力还有待进一步提高，学习材料的质量往往直接决定了学习后的效果，如何预处理病例信息和医学图像，形成高质量的数据、标准化的治疗信息仍有待进一步研究。

　　其次，人工智能落地医疗还需要面对很多医学和伦理问题。在医学发展的今天，人们对疾病的发病原因和机理还缺少足够清晰的认识，仍有待进一步探索。这使得使用人工智能建立模型和设计算法时面对不少未知和挑战。人工智能落地医疗也面临诸多伦理问题，如保护患者隐私、数据监管等等。而这些问题的解决还有待认知的提高、相关法律的完善。

　　总结起来，可以说人工智能在医疗领域的应用极富前景却也充满挑战。尽管人工智能已经开始应用于医疗服务的各个方面，但在相当长的时间内，人工智能仍无法替代人类医生。虽然面对诸多的问题，但智能医疗的时代仍值得期待。

　　参考文献：

　　https://www.nature.com/nature/journal/v542/n7639/full/nature21056.html

　　https://www.bbc.com/news/health-38717928

　　https://news.stanford.edu/2017/01/25/artificial-intelligence-used-identify-skin-cancer/

　　https://www.wired.co.uk/article/ibm-watson-medical-doctor

　　https://www.ncbi.nlm.nih.gov/pubmed/28126242

　　https://news.weill.cornell.edu/news/2017/02/artificial-intelligence-helps-identify-effective-cancer-drug-combinations

　　盛诺一家只专注于严肃医疗，从不介入抗衰老、美容、赴美产子等非严肃医疗项目；只与发达国家排名前十的医院合作，是美国哈佛大学医学院教学附属麻省总医院、波士顿儿童医院、布列根和妇女医院、丹娜法伯癌症研究院，以及梅奥诊所、MD安德森癌症中心、纪念斯隆凯特琳癌症中心、克利夫兰医学中心等世界权威医院的官方签约合作机构。