0
| 本文作者： 宗仁 | 2017-01-22 19:45 |
有些人的血液里，天生流動著革命和創(chuàng)新的因子，所以他們會一針見血地指出某些弊病，然后想著解決它?！}記。
近期，未來論壇在京舉行，在創(chuàng)新生態(tài)－從基礎(chǔ)科研到前沿技術(shù)開發(fā)的圓桌論壇環(huán)節(jié), 卡耐基梅隆大學(xué)計算機(jī)學(xué)院教授，機(jī)器學(xué)習(xí)系副系主任， Petuum 公司CEO 邢波做了一場關(guān)于醫(yī)療大數(shù)據(jù)主題的演講，在此之前，邢波教授曾主持CMU的一個機(jī)器學(xué)習(xí)和醫(yī)療中心，致力于基于自然語言處理，圖像和視頻分析，計算基因組學(xué)以及泛組學(xué)等使用多維異質(zhì)數(shù)據(jù)源的精準(zhǔn)個性化醫(yī)療和智慧醫(yī)院研發(fā)，以及包括移動和可穿戴設(shè)備，醫(yī)療數(shù)據(jù)隱私安全等應(yīng)用于醫(yī)療行業(yè)的大數(shù)據(jù)技術(shù)。根據(jù)雷鋒網(wǎng)—AI科技評論在現(xiàn)場的感受，整個演講簡單扼要，振聾發(fā)聵，以下是雷鋒網(wǎng)—AI科技評論根據(jù)現(xiàn)場演講摘錄。
各位好，我想講一下在醫(yī)療大數(shù)據(jù)和智能醫(yī)療研發(fā)和產(chǎn)業(yè)化過程中出現(xiàn)的問題，同時探討給我們的基礎(chǔ)研究和技術(shù)創(chuàng)新帶來的啟發(fā)。大家知道醫(yī)生的世界是非常高壓和緊張的，他們每天都面臨排山倒海般的大數(shù)據(jù)迎面撲來，數(shù)據(jù)通常都非常昂貴、復(fù)雜，而且有極高的時效性，所以在這種基于數(shù)據(jù)做決策實際上是相當(dāng)有挑戰(zhàn)性的任務(wù)。實際上我們并不是很能肯定在面對大數(shù)據(jù)的情況下醫(yī)生是不是真的可以從海量數(shù)據(jù)中實時地做正確決策，這也是我們在理論研究和應(yīng)用開發(fā)所面臨的極大挑戰(zhàn)。如何能使醫(yī)務(wù)工作者在數(shù)據(jù)的海洋中正確有效的駕馭或決策呢？
通常我們會認(rèn)為，醫(yī)生的診療決策是基于確定的科學(xué)依據(jù)，疾病的診斷和治療有統(tǒng)一標(biāo)準(zhǔn)的。但實際上很多著名醫(yī)學(xué)家，包括著名的Arnold Relman教授，新醫(yī)學(xué)英格蘭雜志的主編，道出了相反的真相：實際上很多時候醫(yī)生的決策經(jīng)常是基于經(jīng)驗、推測，慣例，甚至僅僅是便利或習(xí)慣。
另外一位著名醫(yī)學(xué)家Leo Anthony Celi，他是MIT和哈佛的教授，而且是著名醫(yī)療大數(shù)據(jù)庫MIMIC的負(fù)責(zé)人之一，他觀察到醫(yī)療現(xiàn)象中有“鐘擺現(xiàn)象"：多年前我們覺得很有效的方案在幾十年后經(jīng)常發(fā)現(xiàn)是無效甚至有害的。比如在重癥病房里是不是要進(jìn)入動脈導(dǎo)管手術(shù)，是不是要給更年期婦女使用激素，還是要給二型糖尿病患者控制糖的攝入；以及大家熟知的有關(guān)維生素，膽固醇作用的討論。其他的問題還包括：病人安全、過度診斷、過度治療，甚至在生物醫(yī)學(xué)的可重復(fù)性，都是問題重重。事實上過度診斷過度治療在美國醫(yī)學(xué)界是一個嚴(yán)重的問題。大家如果想了解里面的細(xì)節(jié)，我建議你們看這本書，一位著名的醫(yī)生Gilbert Welch博士寫的，對此有詳盡描述。他實際上是建議大家少看病、少去治療，才會變得更健康。
這種過度診斷和治療不光無助于人類健康，還造成了巨大的浪費。現(xiàn)在在美國每年大概有7000億美元來自醫(yī)療上的浪費，這里面過度診斷和治療導(dǎo)致了其中三分之一，同時它也擠占了很多其它資源，使很多本應(yīng)優(yōu)先服務(wù)的病人得不到應(yīng)有的治療。
另一個比較嚴(yán)重的問題是所謂的過度檢測，大家知道現(xiàn)在我們的儀器變得更加精密了，我們有很多移動設(shè)備或穿戴式設(shè)備，可以大量獲取每個人的健康信息。這個信息量是如此之大，很多時候我們并不知道一些所謂的異常到底是不是會導(dǎo)致疾病，或者是不是有重要性；因為如果用放大鏡看每個人，每個人都會有點不正常，所以它到底和疾病是不是有關(guān)系，里面還沒有足夠研究?？傊覀冞€缺乏對于這些大數(shù)據(jù)的深度、明確的了解，對它們和疾病之間因果關(guān)系的了解，對于復(fù)雜病理和致病因素的了解。
舉一個例子，比如癌癥，我們現(xiàn)在經(jīng)常會說我們要攻克癌癥、要早期診斷癌癥，但實際上到底有沒有必要呢？有沒有對于結(jié)果的具有統(tǒng)計意義的證明呢？這是一個很有意思的問題，Celi教授指出：很多癌癥在病理意義上很像是我們所說的“烏龜”，它實際上是潛伏在你的身體里緩慢成長，在它把你殺死以前你可能已經(jīng)被各種其它毛病殺死掉了。比如大部分大前列腺癌的發(fā)病是在70-80歲以后，所以你就會想到底要不要干涉這個癌癥，還是因地制宜地做其它的事情，比如關(guān)注其他疾病。
這個Celi教授進(jìn)一步指出，實際上我們所面臨的最大問題，比癌癥或艾滋病更為嚴(yán)重的，是不可靠的醫(yī)學(xué)研究和不負(fù)責(zé)任的商業(yè)炒作。比如在我們看到的很多“自然”或“科學(xué)”雜志里非常爆眼球的關(guān)于癌癥的研究，它們大部分的發(fā)現(xiàn)實際上并沒有很強(qiáng)的可重復(fù)性或很可靠的統(tǒng)計上有意義的依據(jù)；至于在商業(yè)上的炒作，大家也知道，最近在美國出了很大的丑聞，Theranos這個公司鼓吹用一滴血可以做多達(dá)200種科學(xué)檢測，這種明顯違反常識的論點居然可以在商界和民間大行其道，而且作為皇帝的新衣很多人沒有戳破。這說明我們的科研和商業(yè)評估系統(tǒng)存在問題。
這里我們就要問基礎(chǔ)的科學(xué)， 科學(xué)的文化，科學(xué)的思維到底是不是有它應(yīng)有的影響，或者是得到應(yīng)有的重視。
讓我們再看看精準(zhǔn)或者說個人醫(yī)療這個概念：現(xiàn)在公眾被灌輸?shù)挠^念是：個性化診斷、個性化治療，最終會革命性的顛覆醫(yī)療保健和公共衛(wèi)生。而這種方法必須是是基于每個人的大數(shù)據(jù)：包括基因組、各種電子醫(yī)療數(shù)據(jù)，等等，最終它可以使人的健康更有保障。
實際上是這樣嗎？一個嚴(yán)肅的醫(yī)療工作者經(jīng)常會提出這樣的疑問—— 不見得會是這樣。
我們發(fā)現(xiàn)很多基因突變，真正有統(tǒng)計意義致病的相對風(fēng)險并不會高于1.5。而且我們還發(fā)現(xiàn)這些基因變異對傳統(tǒng)風(fēng)險預(yù)測算法極少有幫助。更壞的是，即使發(fā)現(xiàn)了有真正風(fēng)險的基因缺陷，它對于人們的生活習(xí)慣或生活形態(tài)的影響，也沒有產(chǎn)生顯著影響。而且有很多數(shù)據(jù)顯示，傳統(tǒng)假說中的所謂個別幾個DNA“熱點”變異可以解釋一個疾病的論調(diào)正在被推翻，因為現(xiàn)在我們發(fā)現(xiàn)大多數(shù)疾病的基因背景極其復(fù)雜，致病因素通常達(dá)到幾千上萬個不同的突變。
這種情況下我們就會要問，到底遺傳學(xué)的研究應(yīng)該往哪個方向走，而且在醫(yī)院里很多病是不涉及DNA的，過于強(qiáng)調(diào)基因本身就是一個片面的觀點。比如燒傷跌傷，檢測DNA是一個很荒謬的事情。
所以我們需要想一想醫(yī)療研究到底怎么做一種重新思考。比如有一個著名的例子——鐮刀型貧血癥，60年前這個致病基因就發(fā)現(xiàn)了，它的突變可以導(dǎo)致一個蛋白質(zhì)變性，以至于使紅血球形狀變形，但60年后我們還沒有能夠通過使用這個信息直接設(shè)計出藥物來治療鐮刀型貧血癥。
23andMe是一個很著名的公司，要把每個人用低價做基因測序，這樣你就可以有機(jī)會掌握自己的健康，可以了解你自己。但實際上FDA的統(tǒng)計表明，現(xiàn)在還沒有任何證據(jù)表明獲得這種信息以后能對這個人的生活狀態(tài)或生活習(xí)慣產(chǎn)生有益的改變； 反而它會帶來人的焦慮，帶來過度測試，因此增加了醫(yī)療費用和風(fēng)險。
那究竟我們因該怎樣用好醫(yī)療大數(shù)據(jù)？數(shù)據(jù)驅(qū)動的醫(yī)療到底催生一個什么樣的產(chǎn)業(yè)前景？ 我認(rèn)為我們目前對于醫(yī)療數(shù)據(jù)的使用還是很原始的，不夸張的說還處在石器時代?；揪褪钱?dāng)一個病人來，留下數(shù)據(jù)，下一次這份數(shù)據(jù)被再使用就是同一個病人回來時。唯一的不同是紙病歷變成了電子病歷。所以現(xiàn)在大多數(shù)情況下某個病人的數(shù)據(jù)還沒有對其他病人產(chǎn)生直接的幫助，扭轉(zhuǎn)這一局面是依靠醫(yī)療數(shù)據(jù)來驅(qū)使智慧醫(yī)療以后的方向： 把病人的數(shù)據(jù)綜合起來去學(xué)習(xí)里面的規(guī)律，甚至是學(xué)習(xí)出里面的預(yù)測模型使每一個病人受惠。
所以醫(yī)療大數(shù)據(jù)分析的目標(biāo)應(yīng)該是把不同相的大數(shù)據(jù)整合，綜合起來，它需要我們來研發(fā)新的模型、算法或計算能力，能夠把復(fù)雜的數(shù)據(jù)聯(lián)合起來產(chǎn)生有價值的結(jié)果。
那么在這一愿景中，我們需要倚仗什么工具呢？我認(rèn)為機(jī)器學(xué)習(xí)在這里會起到核心的，不可替代的作用。就像我們現(xiàn)在所知道的，人工智能時代已經(jīng)來臨了，我們最近都能聽到很多突破性進(jìn)展，各種各樣的成果層出不窮。
在未來智能醫(yī)療中，我認(rèn)為這五個方面的技術(shù)突破和商業(yè)化的機(jī)遇和需求尤其突出：
1) 電腦醫(yī)生
2）基因健康
3）智能醫(yī)院
4）移動醫(yī)療
5）隱私和數(shù)據(jù)安全
我認(rèn)為這些方面的產(chǎn)業(yè)突破和基礎(chǔ)研究都會有很大的機(jī)遇。
1）所謂電腦醫(yī)生，就是多相數(shù)據(jù)驅(qū)動的醫(yī)療決策系統(tǒng)。開發(fā)這樣的系統(tǒng)在技術(shù)上要解決許多挑戰(zhàn)：以我們研發(fā)的PetuumMed系統(tǒng)為例：他首先需要自然語言處理技術(shù)，計算機(jī)視覺技術(shù)，數(shù)據(jù)庫技術(shù)對于原始電子醫(yī)療數(shù)據(jù)進(jìn)行形式化和特征提取，然后需要復(fù)雜的人工智能和機(jī)器學(xué)習(xí)算法引擎進(jìn)行推理，分析，最后需要高度穩(wěn)定直觀的互動式平臺把結(jié)果提供給醫(yī)生參考。這些計算和模型訓(xùn)練還需要高效的計算平臺的支撐。這些工作，沒有長期基礎(chǔ)科研的積累，原創(chuàng)能力的培養(yǎng)，和完整全面的技術(shù)儲備和人員培養(yǎng)，是無法完成的。
2）對于基因健康產(chǎn)業(yè)的推動，也遠(yuǎn)遠(yuǎn)不僅是像很多公司所做的，建造很多測序中心，為病人測序了事。而是要更多聚焦在遺傳機(jī)理，數(shù)學(xué)模型，計算機(jī)模擬和預(yù)測，預(yù)測當(dāng)基因產(chǎn)生變化以后它到底能產(chǎn)生什么樣的下游影響，真正提供有效，可靠，個性化，和可執(zhí)行的診斷，推薦功能，同時也為藥物開發(fā)提供靶標(biāo)，思路。我們的PetuumGen系統(tǒng)，正在朝這一方向努力。
3）醫(yī)院設(shè)施的現(xiàn)代化也不只限于買了多少電子設(shè)備，裝了多少攝像頭，而是能否使用人工智能算法管理，運轉(zhuǎn)醫(yī)院。能夠使得醫(yī)院的管理或運營自動化、高效化，實現(xiàn)資源優(yōu)化；和實時的自動服務(wù)，報警，能夠使病人的需要能夠及時得到發(fā)現(xiàn)和反饋。
4）大量的可穿戴，移動設(shè)備可以幫助我們追蹤預(yù)測個人健康狀況。如何用這些信息降低患病風(fēng)險，節(jié)約醫(yī)療成本？實際上這里面還缺少一個連接這些移動設(shè)備，動態(tài)的大數(shù)據(jù)分析中心，和專業(yè)醫(yī)生直接干預(yù)的閉環(huán)，實現(xiàn)無縫連接。所以研究可以往這上面走，甚至可以把移動醫(yī)療或是遠(yuǎn)程醫(yī)療的日程也放到同一個框架下來做比較深入的思考。
5）最后，所有這些研究，應(yīng)用，和服務(wù)所收集，處理的數(shù)據(jù)都包含的高度敏感的個人信息，可能被用來損害用戶的利益。如何保障這些數(shù)據(jù)的安全，和合法使用本身也是一個非常重要的研究和市場方向，這里面包括加密、防火墻，各種各樣的保護(hù)方法，等等。
我想說技術(shù)研究題目的獲得、手段的產(chǎn)生以至于結(jié)果的傳導(dǎo)，實際上是一個非常廣泛和復(fù)雜的過程，需要有人坐下來做一個深入思考，這里我想用這樣一個最后的愿景來結(jié)束講話，我想強(qiáng)調(diào)一點，智慧醫(yī)療或數(shù)據(jù)驅(qū)動醫(yī)療的進(jìn)步和落地其實是離不開醫(yī)生和醫(yī)療界的指導(dǎo)和配合的，當(dāng)數(shù)據(jù)產(chǎn)生的數(shù)量或者是頻率巨大，以至于到了人腦不能夠用的時候，我們希望醫(yī)生、技術(shù)研究者和開發(fā)者都做好適當(dāng)準(zhǔn)備，使我們能夠從人腦跨越到電腦，使計算機(jī)或其它人工智能技術(shù)，甚至是其它的科學(xué)技術(shù)能夠給人的需要和工作提供一個很好的幫助。
如果你擁有一定的技術(shù)實力后，發(fā)現(xiàn)問題永遠(yuǎn)比解決問題更重要，自雷鋒網(wǎng)—AI科技評論君第一次在貴州見到邢波教授以來，邢波教授每一次的演講都會針對實際問題，探討非常實際而又有力的解決辦法，讓所有想創(chuàng)業(yè)卻愁找不到方向的人突然找到一絲破局者的榜樣之光。
以這次邢波教授介紹的構(gòu)建在他們的Petuum通用機(jī)器學(xué)習(xí)平臺之上的Petuum Med系統(tǒng)為例，他們針對醫(yī)療決策中的4大弊病，將醫(yī)療系統(tǒng)中的電子病歷數(shù)據(jù)，醫(yī)療影像數(shù)據(jù)，借助Petuum Med系統(tǒng)，在解決現(xiàn)有醫(yī)療數(shù)據(jù)格式不統(tǒng)一的問題后，進(jìn)一步借助AI／ML引擎來進(jìn)行數(shù)據(jù)決策，再最后開發(fā)人機(jī)界面來把這些結(jié)果和醫(yī)生進(jìn)行交流。
依據(jù)Petuum Med系統(tǒng)的強(qiáng)勁實力，以科技為后盾去與醫(yī)療機(jī)構(gòu)合作，讓醫(yī)院已采集的數(shù)據(jù)產(chǎn)生有效的決策信息。這樣大家可以看到即使是醫(yī)療這種門檻較高的領(lǐng)域，AI也是有機(jī)會切入的。
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
