人工智能（AI) 是什么？
人工智能的概念早在20世纪60年代就已出现，但直到近年来，随着数据的丰富、计算机处理能力的加速、以及算法的进步，其威力才显现出来。
很多人把AI和机器学习混为一谈。其实AI 本身作为一个学科，也在快速发展中，机器学习（ML）只是其中一个分支。另外几大分支包括自然语言处理、语音识别、机器视觉、认知计算、机器人等。机器学习简单地说就是用计算机的算法来训练大量数据，通过这个过程找到最优化解来模拟现实，对结果进行预测。机器学习的算法有近百种，常用的包括线性回归、逻辑回归、概率密度估计、k-近邻算法（KNN）、支持向量机（SVM)和近年来非常热门的人工神经网络(ANN)。
人们通常把AI分为两种：
- 弱(狭窄)AI ——指的是可以取代人的某一项具体工作的机器：比如下象棋、文字翻译、语音助手等，现在已经有很多这方面的应用。
- 强(广泛)AI ——指的是能够模拟人大脑的功能，做多种工作的智能机器，现在还只存在于好莱坞电影(如新球大战里的R2D2)和科幻小说中。
在强AI后, 人们对超越人类的超级智能有很多猜测，比如Ray Kurzweil 在他的《奇点临近》一书里预测，AI超过人类大脑的智力的时间为2045年。对于人工智能对人类未来的影响，当今的思考者们也有不同见解，比如马斯克的“AI毁灭人类“论，和与之相反的“数字乌托邦”论。
不管怎样，有一点毫无置疑，人工智能的发展会影响和改变人类社会的发展，其意义很可能超过之前的农业革命和工业革命。人工智能专家吴恩达说：AI是新的电能。确实，AI 对各个传统行业会打来冲击，医学也不例外。
AI助力医学，早已是大势所趋
以医生为代表的医学界，是一个很保守的团体。医学界对计算机技术的应用远落后于其他行业。
早在80年代，就有医生提出 “人 + 机器 > 人”的概念，提出计算机赋能的医生将会发挥更大的作用。14年前，美国国家医学协会(IoM)提出了一个概念：学习的医疗系统。
学习的医疗系统 ——
“用科学，信息学，激励机制，和文化协同来进行的持续创新，将最佳实践方案无缝嵌入医疗程序中，而新知识的获得就是这过程中的副产品。”
Learning Health Systems——
“Science, informatics, incentives, and culture are aligned for continuous improvement and innovation, with best practices seamlessly embedded in the delivery process and new knowledge captured as an integral by-product of the delivery experience.”
美国从90年代起开始投入建设电子医疗系统(EHR)， 建了20多年，如今终于小有成效。EHR的功效除了直接的提高医疗质量，还有一个很重要的功能：把个人的医疗资料和历史数据系统性的记录下来。这些庞大的数据，在实现共享后，最终的期望是能够帮助每一个人。
试想你在非洲大草原里迎面遇上了一个狮子。以前你只在动物园里见到过狮子，这下遇到狮子了该怎么办？一定心慌吧。再试想，如果在遇到这个狮子之前，你已对非洲草原上所有的狮子都了解透彻，知道它们的生活习性、它们的奔跑速度，并知道以前的人遇到狮子时是怎么做的。这下你是不是心定了呢？
把上面的“你”替代为“医生”，“狮子”是 “疾病”；这就是人工智能有潜力为医学带来的美好前景。
需要的医生不是更少，而是更多了！
由于大众和媒体对人工智能的热情渲染，人工智能现今已经吹捧到泡沫级别。从目前可以想象的应用来看，人工智能在很长时间只会是一个工具，而这个工具现在只是初见成效。
医疗行业的痛点是什么？
- 医疗行业的自动化流程大大落后于其他行业 （比如经常与之相比较的航空交通业）。病人的看病预约、挂号、住院、保险、取药、付款程序等，目前基本靠人工。
- 医学知识充满了未知，且在不断更新中。这点我以前很多文章中有提到。
- 随着医学知识的增加，病人的医疗需求加大，现在医生人数远远不够。
- 医学知识的学习周期长，培养医生成本昂贵，医疗水平层次不齐。
- 由于上面种种原因，目前医疗从诊断、治疗到服务五花八门，很不规范，充满变数。
人工智能可以做什么？
人工智能目前在医学里成功应用的例子多在影像学中，因为机器擅长的模式识别在影像学中很重要。初见成效的例子包括糖尿病视网膜病变筛查、某些特定癌症（如肺癌）的病理检测，黑色素瘤的辨别等。
我们平时看到的多是一些哗众取众的标题，如“人工智能读片准确率超过影像科医生”，实际不然。如果仔细去读这些文章，你会发现，和任何科研文章一样，里面需要完善的问题很多。
这里我暂且不去抠统计学的问题。从临床应用角度，比如读X光片判断是否有肺炎这个问题，影像科医生单凭片子是无法做诊断的。影像科医生读片后最多能说的是“在典型的临床症状下，这个x 肺光片的显示符合肺炎这个诊断”。 更不要说，不同的影像科专家对图片显示的结果很可能会出现分歧。因为符合肺炎的模式看上去也可能是肺膨胀不全（atelactesis)。肺炎看似简单，最后的诊断需要结合病人的临床病史、症状、血检、图像等综合考虑得来。
有很多人担心影像科医生的工作会被替代，这个担心毫无必要。训练机器的图像案例需要影像科医生解读，结果需要影像科医生认证，最终应用临床也需要影像科医生把关。
更可能的情况是，人工智能系统的普及会使影像科医生数量继续增加。玩笑地说，影像科医生以后可能需要成为人工智能专家。医生以后做临床试验不仅对于药物和疗法，还要做人工智能系统方面的临床试验，在这里人工智能和医疗器械（工具）类似。
是小狗还是蓝莓蛋糕？
从目前的科研结果来看，人工智能系统擅长的是系统规范方面的，比如完全正常，或完全不正常的图像模式，可以帮助医生防止遗漏。但图像上的许多微小变化，人工智能无法判断。
所以人工智能在影像科中最可能的应用形式是作为医生的辅助，进行图像的先前处理（比如把倒置的图像放正，对目标物体的大小进行测量，把图像曝光度进行调整：这些目前基本都是手工），和进行读片后的二次检查（比如检查医生有没有遗漏某个结节）。
但就算要达到以上的技术水平，人工智能还有很长的路要走。
现在人工智能的看图片水平，很多时候还达不到一个3 岁小孩的水平。
比如，三岁小孩能够轻松区分出下面是小狗还是蓝莓蛋糕，但人工智能系统还不可以。
就在前几天，美国食品药品监管局（FDA ）批准了一个帮助医生监测手腕骨折的软件。与许多媒体添油加醋的报道不同，这款软件并不能脱离医生单独使用，而是作为医生的辅助工具。这款软件能够帮助医生更快诊断一种特定的手腕骨头骨折(distal radius fracture)，而这只是手腕骨折中很多形态的一种，其应用场景仅此而已。
今后，类似的专注于某个特定诊断的人工智能算法和软件将会越来越多，对于医生来说是好事，因为可以节省医生很多时间。
比如，一个皮肤科医生一个个检查全身的痣来筛查是否有黑色素瘤非常耗时间，而有了专门监测黑色素瘤的一仪器后，全科医生甚至病人自己就可以做这些检测，在碰到可疑情况时像皮肤科医生确诊咨询即可。
人工智能和大数据应用不尽人意的例子也不少：比如几年前的谷歌流感预测被发现完全不准；IBM 的沃森智能系统，目前还没有找到合适的医疗场景。之前充满希望的智能个性化医疗建议目前看来还无法达到：导致了IBM Watson 与MD Anderson 合作的失败和近期的大量裁员。
人工智能系统最容易实现的目标是解决上面提到的第一个痛点。就像在工业革命时很多生产线上的工人失业一样，这些支持服务的人员可能在不久的将来不被需要。这一点上，国内很多大医院的就诊系统倒是走在前面。
总之，从长远来看，人工智能将来有可能取代一部分传统医生诊断和开治疗方案的作用，让医生的工作更有效率。更重要的是，机器能够赋能医生和生物科研人员， 推进医学的进步，但人工智能在医疗方面的研究，仍然需要医生的推动。
后记
某天查完房后，我玩笑地对同事说：有时我真希望自己像机器，不用感受任何情绪。同事看了我一眼，意味深长地说：你要那样，就说明你完全burned-out 了. (中文译为职业怠倦，但我觉得直译为燃烧殆尽更形象)。
那天查房，其实碰到的也只是病床上常态：三个病人哭， 一个病人发脾气，两个病人极度抑郁、对我说“还不如死了好 ”。我情绪平稳并充满乐观地进行疏导，但结束后，还是有种筋疲力尽的感觉。
人的情绪是一把双刃剑：它可以让人产生共鸣、共情的情感，拉近人与人之间的距离；但也可以对人产生负面的影响。机器不会有任何情绪，它是智慧和情绪的完全脱离。
人类相比其他动物，有一些特殊技能：创造力，思考，想象力， 这使得人类成为地球生物的主宰者。
机器相比人类：创造力，社会性，和想象力是机器还无法达到的。虽然在创造力方面机器已能达到人类的水平（比如通过学习模仿各种音乐家的风格作曲）。
要想感受人类的社会性和想象力，只要和几个孩子玩耍，就会让你惊叹。
莱特兄弟想象能像鸟一样飞翔，所以发明了飞机。想象让人类创造出各种发明，而未来也因为我们的想象而改变。
人们今后的生活，离不开计算机， 离不开人工智能。人类进化的路程，是否会因此改变？
医生无需担心被人工智能取代，这将是全人类共同的挑战。AI若能达到取代医生的那一天，那这个问题在那时已不重要。
评论
发表评论