關(guān)于醫(yī)療+AI，人人都能評論幾句。

但事實上絕大多數(shù)人并不清楚AI在醫(yī)療領(lǐng)域能做什么，更別說怎么做，面臨哪些挑戰(zhàn)。

在日前結(jié)束的圖像計算與數(shù)字醫(yī)學國際研討會（ISICDM2017）上，430多位來自信息科學（含計算機與電子工程等學科）、數(shù)學與醫(yī)學等領(lǐng)域的專家學者與臨床醫(yī)生聚首成都，圍繞人工智能+醫(yī)療、醫(yī)學圖像分析等話題展開了深入的交流與探討。

作為本次大會的獨家媒體，雷鋒網(wǎng)對多位專家進行專訪，并全程記錄了各個精彩報告。

大會首位演講嘉賓中國藥科大學校長、德國國家科學院院士來茂德教授，發(fā)表了題為“醫(yī)學+AI”的報告演講，奠定了大會基調(diào)。

隨后，南方醫(yī)科大學教授、科技部國家“973”計劃首席科學家陳武凡；北京理工大學教授王涌天；清華大學教授、中組部特聘教授廖洪恩；微軟亞洲研究院副院長張益肇分別就“基于統(tǒng)一迭代建模與多源先驗約束的高分辨醫(yī)學成像研究”、“混合現(xiàn)實引導精準診療研究”、“醫(yī)學三維成像與數(shù)字精準診療”、“弱監(jiān)督學習在醫(yī)療影像中的探索”四大議題做了深度報告。

來茂德校長首先肯定了人工智能技術(shù)在醫(yī)學領(lǐng)域的應(yīng)用前景，但他同時也指出，人工智能不能代替醫(yī)生。未來人工智能在醫(yī)療領(lǐng)域?qū)⒅饕鸬捷o助診斷的作用。來茂德教授認為，醫(yī)學+AI的基本前提是有真實、完整的數(shù)據(jù)，目前國內(nèi)在這方面還有所欠缺。

他一再強調(diào)，人工智能應(yīng)用于醫(yī)學領(lǐng)域需要多學科交叉合作。沒有高水平的專業(yè)化的醫(yī)生深度參與，人工智能不可能進入醫(yī)院落地應(yīng)用。

最后來茂德教授提議，國家應(yīng)該啟動人工智能方面的重大研發(fā)計劃，組織各領(lǐng)域有基礎(chǔ)的學科強者，組建一支真正的研發(fā)團隊。他認為，只有這樣才能真正實現(xiàn)人工智能醫(yī)療技術(shù)上的突破。

以下是來茂德教授的報告內(nèi)容，雷鋒網(wǎng)做了不改變原意的編輯，并由來茂德教授親自審文確認：

科學界有個規(guī)矩，跨界的話不能亂說。

作為學醫(yī)的，盡管與人工智能方面的學者有7年的工作合作，但嚴格說我不懂人工智能，所以我接下來盡量講一些人工智能和醫(yī)學相結(jié)合的東西。我分享的題目是“醫(yī)學+AI”，下面我將以一個病理科醫(yī)生的視角談?wù)勥@個問題。

如何正確地認識人工智能？

人工智能概念是1956年提出來的，到去年正好60年。中國人稱60年為一個甲子，一個甲子就是一個輪回。 

我覺得，人工智能最火熱的時候我們反而要理性對待，認真思考人工智能到底能做些什么。但今天我只能談?wù)勅斯ぶ悄茉卺t(yī)學方面的應(yīng)用，其他領(lǐng)域不敢亂講。

據(jù)報道，張首晟先生有一個觀點，說人工智能有三大核心——芯片、數(shù)據(jù)和算法。他認為人工智能要進一步發(fā)展，就必須三方面緊密結(jié)合。算法由大學里的教授負責，企業(yè)負責收集數(shù)據(jù)，至于芯片，現(xiàn)有的技術(shù)已經(jīng)夠了。

對于緊密合作這個觀點，我深表認同。

那么，我們又該如何看待人工智能在醫(yī)學專業(yè)的應(yīng)用呢？人工智能應(yīng)用于醫(yī)學領(lǐng)域，到底是AI+醫(yī)療，還是醫(yī)療+AI？我認為，一定是醫(yī)療+AI。

前幾年流行互聯(lián)網(wǎng)+，國內(nèi)辦了很多互聯(lián)網(wǎng)醫(yī)院，但迄今為止有成功的嗎？現(xiàn)在包括香港媒體在內(nèi)的很多國內(nèi)媒體又在宣傳，說人工智能來了很多崗位都要失業(yè)；說未來人類不用干活，只需要“enjoy your life”。 

有一則新聞?wù)f人工智能即將取代醫(yī)生，這則新聞里寫道“病理學家的診斷準確率為73%，而人工智能的準確率卻達到了89%”。很多媒體和院士專家都這樣講。讀者閱讀時也不看上下文，不去思考73%和89%到底代表什么？其實這則新聞后面還有一段話，“人工智能的假陽性誤判也比較多，平均每個切片有8處，而人類專家完全沒有假陽性誤判”。這則新聞?wù)f的是乳腺癌腋窩淋巴結(jié)轉(zhuǎn)移的診斷，淋巴結(jié)轉(zhuǎn)移說明癌癥已經(jīng)不是早期，而是到了進展期（晚期），需要做化療。乳腺癌早期是不需要做化療的，假如因為機器誤判對病人做了化療，導致病人去世，該由誰來負責？我們必須用科學的態(tài)度看待這個問題。

人工智能到底能不能取代醫(yī)生？部分取代是可能的，但涉及人與人之間感情交流的部分無法取代。簡單來說，人工智能是利用機器模擬人類智能的技術(shù)，可以實現(xiàn)替代人類完成部分體力勞動。但醫(yī)學是一門人學，涉及人與人之間的交流。我相信在座各位沒一個敢讓機器給自己看病。

我看過很多醫(yī)療+AI方面的報道，其中有篇介紹了經(jīng)綸世紀CEO的一個演講，我認為他的觀點是比較客觀的。他提到，人工智能在醫(yī)學領(lǐng)域的應(yīng)用分深、淺兩個層次。淺層次的應(yīng)用就是，用計算機通過深度學習算法對高質(zhì)量的數(shù)據(jù)進行挖掘和計算，最終解決實際問題。深層次的應(yīng)用則要建立規(guī)則，通過專家系統(tǒng)，實現(xiàn)輔助診斷和治療。

國外有一個很好的例子。有一個研究團隊在《Nature》發(fā)表了一篇論文，受到人工智能和醫(yī)學界的雙重關(guān)注。這篇論文中的研究基于差不多13萬張圖片，涉及2000余個病種，而且每一個病種都有病理活檢診斷。21名執(zhí)業(yè)皮膚科醫(yī)生參與了這項研究，此外還有工程人員和病理科的醫(yī)生，也就是說進行這項研究的是一個非常多元化的團隊。在這個團隊里，病理科醫(yī)生負責解決病理方面的問題，臨床醫(yī)生解決臨床方面的問題，工程人員則負責解釋算法；大家各司其職，只有這樣才能取得比較理想的成果。

人工智能在醫(yī)學領(lǐng)域的應(yīng)用

十年后人工智能可以發(fā)展到什么程度誰也說不定。所以我們對人工智能在醫(yī)學領(lǐng)域應(yīng)用的探討必須限定在當前階段。我認為，現(xiàn)階段人工智能在醫(yī)療領(lǐng)域的主要作用是輔助診斷，幫助醫(yī)生減去部分工作量。要知道，國內(nèi)的醫(yī)生——尤其是三甲醫(yī)院的醫(yī)生，工作強度非常大。

很多人說，人工智能技術(shù)發(fā)展成熟后，醫(yī)生都要失業(yè)。我認為，有了成熟的輔助診斷系統(tǒng)后，可能有一部分醫(yī)生的確會失業(yè)。但初級醫(yī)生不會失業(yè)，因為他要負責很多雜七雜八的事情，這些事情必須要有人做，而且技術(shù)含量不是很高；高級醫(yī)生也不會失業(yè)，因為他需要做最終的確診。真正可能失業(yè)的是那些不努力干活的中級醫(yī)生。

人工智能應(yīng)用于醫(yī)療領(lǐng)域的兩大前提

那么，如何將人工智能應(yīng)用于醫(yī)療領(lǐng)域打造成熟的輔助診療系統(tǒng)呢？我認為有兩個前提：

一、提升醫(yī)療數(shù)據(jù)的可靠性。

AI輔助診斷首先要通過多個學科合作，針對每一種疾病建立規(guī)范的診療流程，產(chǎn)生合格的數(shù)據(jù)。為什么現(xiàn)在有很多AI輔助診斷產(chǎn)品，但效果都不理想，原因就在數(shù)據(jù)。

我國的計算機語音識別系統(tǒng)水平很高，比如科大訊飛的語音識別系統(tǒng)。有了成熟的語音技術(shù)之后，我們可以在醫(yī)生口袋里放一個語音轉(zhuǎn)錄設(shè)備，邊走邊將醫(yī)生和病人的對話記錄下來，生成電子病歷，大幅減少醫(yī)生的工作量。

我印象很深刻，我89年去德國的時候，他們病理科醫(yī)生就不需要自己寫病變描述和病理診斷。醫(yī)生的辦公室里有一個裝置，用腳踩下去之后錄音機就開始錄音，錄好音后再交給秘書，讓她們將錄下的內(nèi)容打出來，醫(yī)生再校對。我覺得，未來人工智能在這方面有很大的發(fā)展空間。

此外，還需要多個學科通力合作，打造高水平的專家系統(tǒng)。參與系統(tǒng)打造的一定要是經(jīng)驗豐富的高水平醫(yī)生。年輕醫(yī)生還有很多東西沒有搞清楚，無法勝任。

二、完善醫(yī)療應(yīng)用平臺。

有人認為，人工智能在醫(yī)療領(lǐng)域的應(yīng)用可以分為三個層次。

最底層的是醫(yī)療數(shù)據(jù)和計算能力，計算能力方面，目前工程類的計算機教授已經(jīng)可以勝任；但醫(yī)療數(shù)據(jù)還存在很大的問題。

第二層是技術(shù)層，包括算法框架和通用技術(shù)，國內(nèi)的專家也能搞定。

第三層是應(yīng)用層，目前我們已經(jīng)能夠設(shè)計出比較好的醫(yī)療解決方案，但還缺少一個完善的醫(yī)療應(yīng)用平臺。

我認為，人工智能技術(shù)應(yīng)用于醫(yī)療領(lǐng)域，既要有科學家和醫(yī)生參與，也要有來自政府的干預。我們知道，香港特區(qū)的所有公立醫(yī)院使用的是統(tǒng)一的信息系統(tǒng)，但大陸醫(yī)院還是各干各的。沒有統(tǒng)一的系統(tǒng)，信息和數(shù)據(jù)就無法共享。

現(xiàn)在的人工智能熱潮，和八十年代末人們熱炒人類基因組計劃類似。所謂人類基因組計劃，就是把人類DNA中的30億個核苷酸一個個排列出來。當時人類基因組計劃分為兩大陣營，其中一方的代表是現(xiàn)任NIH主任Francis Collins領(lǐng)導的國際大合作，另一方的代表是塞雷拉基因組公司創(chuàng)始人Craig Venter。兩大陣營爭持不下，直到當時的美國總統(tǒng)克林頓出來“當娘舅”。雙方這才為了全人類的共同利益聯(lián)手，人類基因組的框架得以搭建。

關(guān)于人類基因組計劃，當時有兩句著名的評價——“decoding the code of life”和“a milestone for humanity”。今天再回頭去看，發(fā)現(xiàn)第一句評價是錯的，至少是僅說對了一小部分。當時，我們以為將人類基因組核苷酸一個個排列出來之后，就了解了關(guān)于人類生命的所有事情，但事實上我們才剛剛邁出第一步。大家都說現(xiàn)在是人工智能時代，但我們?nèi)匀粦?yīng)該常?；仡櫄v史。只有這樣才能夠更好地認識現(xiàn)在，正確地看待人工智能，了解人工智能到底是在怎樣的階段。

人工智能在醫(yī)療領(lǐng)域的四大應(yīng)用方向

下面談?wù)勅斯ぶ悄芫唧w可以應(yīng)用到醫(yī)學的哪些方面。我認為人工智能在醫(yī)學領(lǐng)域的應(yīng)用可以分為以下四個方向：

第一，醫(yī)療圖像，包括X光、CT、病理切片等等。我認為，所有需要用到圖像的學科都可以聯(lián)合起來共同做研究?，F(xiàn)在大家都在熱炒，通過眼底圖像對糖尿病進行早期篩查。中國人口基數(shù)大，醫(yī)療影像資源非常豐富，假如能把圖像的采集工作做好，前景十分看好。

另外，人工智能在心電圖、內(nèi)窺鏡和皮膚病等領(lǐng)域也有很好的應(yīng)用前景?，F(xiàn)在病人去皮膚科看醫(yī)生，大部分診斷結(jié)果都模棱兩可。因為很多皮膚科疾病特異性不大，即使病理科醫(yī)生做組織活檢也看不清楚，難下診斷。如果能用人工智能技術(shù)對皮膚病變做定量化分析，意義將十分重大。

第二，用人工智能進行組學數(shù)據(jù)分析。通過可穿戴設(shè)備和移動互聯(lián)實現(xiàn)健康管理?；诎l(fā)病信息等，用大數(shù)據(jù)預測流行病的發(fā)展趨勢。

第三，用人工智能幫助手術(shù)機器人尋找最優(yōu)的手術(shù)方案。

第四，新藥研發(fā)，特別是確定藥物先導化合物的結(jié)構(gòu)。人工智能用于新藥研發(fā)，大致分兩個方面：一是通過學習已知藥物，對藥物結(jié)構(gòu)進行改進，開發(fā)新藥。已知藥物的數(shù)據(jù)庫越大，學習出來的效果就越好。二是基于已知藥物與大分子的結(jié)構(gòu)，分析藥物除了作用于已知蛋白質(zhì)外還作用于哪些靶點。

去年下半年，有人想引進一項新技術(shù)來咨詢我，宣稱這項新技術(shù)可以將新藥研發(fā)時間縮短三分之二。我認為這是不可能的，除非人人都愿意做小白鼠。新藥研發(fā)除了前期的研發(fā)工作，還要做臨床試驗。即使進入I期臨床試驗的新藥，也有85%以失敗告終。人工智能理論上可以促進新藥研發(fā)，但實際效果還存在疑問。不過可以明確一點，并非使用了人工智能技術(shù)，新藥自然而然就出來了。

人工智能應(yīng)用于醫(yī)學領(lǐng)域，缺少真實完整的數(shù)據(jù)

人工智能技術(shù)很好，讓大家看到了很多希望。但人工智能應(yīng)用于醫(yī)學領(lǐng)域，還需要解決基礎(chǔ)數(shù)據(jù)的問題。醫(yī)療數(shù)據(jù)要真正發(fā)揮作用，必須真實完整。沒有可靠的數(shù)據(jù)，一切都是零。

可能很多人不知道，國內(nèi)的醫(yī)療數(shù)據(jù)是最不齊全的。另外，醫(yī)院的數(shù)據(jù)也并不可靠。由于各個醫(yī)院的水平、標準和設(shè)備等存在差異，同一個病人做兩次化驗，結(jié)果很可能不一樣。不同實驗室做出來的化驗結(jié)果也可能是不同的。

醫(yī)生是否認真記錄，也會對數(shù)據(jù)的完整性和可靠性造成巨大影響。國內(nèi)醫(yī)院——尤其是比較好的醫(yī)院，醫(yī)生都很忙，不可能詳細記錄所有數(shù)據(jù)。未來，語音識別技術(shù)成熟后，將為醫(yī)生收集數(shù)據(jù)帶來極大的便利。

AI在病理學中的應(yīng)用

最后，跟大家探討一下，如何將AI技術(shù)應(yīng)用于病理學。

我認為，未來的病理學一定是整合病理學。病理學創(chuàng)立之初，醫(yī)生根據(jù)器官的變化來診斷疾??；顯微鏡發(fā)明之后，病理學進化成了組織病理學；隨著電子顯微鏡問世，組織病理學又進化成了亞細胞病理學。70年代，免疫組織學發(fā)明和應(yīng)用以后，推動了腫瘤的分類和分型；如今分子生物學也得到了廣泛的應(yīng)用。二代測序應(yīng)用后，分子病理學得到了極大的發(fā)展。由于高清晰的掃描儀的應(yīng)用，使掃描病理切片用于診斷和研究成為可能。

接下來，病理學將進入人工智能時代。近幾年誕生了很多新名詞，但這些名詞還沒有清楚的定義。什么叫數(shù)字病理，什么叫病理的人工智能，二者之間并沒有明確的區(qū)分。我們首先要把這些名詞定義清楚。

近幾年，免疫治療發(fā)展迅速，我認為對腫瘤免疫特征的分析將成為未來的重要發(fā)展方向。如今網(wǎng)絡(luò)速度非常快，數(shù)字切片掃描完后可以輕松地將影像分享出去。通過數(shù)學建模，我們可以對影像中的癌細胞及其分布進行分析，探究這些數(shù)字指標與病人預后之間的關(guān)系。但這些工作需要病理科醫(yī)生的協(xié)助，假如病理科醫(yī)生不愿意花時間做這些事，人工智能在病理學的應(yīng)用就無法推進。

病理學系統(tǒng)非常復雜，機器人不可能代替所有病理科醫(yī)生?，F(xiàn)階段，我們應(yīng)該重點推進以下領(lǐng)域的多學科共同發(fā)展，并最終將結(jié)束落地，應(yīng)用到病理診斷上去。

首先是病種診斷的規(guī)范化。每一個病種應(yīng)該怎么診斷，都要建立明確的規(guī)范，如乳腺癌，肺癌，大腸癌等。其次是細胞學診斷，比如宮頸癌的脫落細胞學篩查。實際上，醫(yī)生沒有那么多時間仔細看每一張圖像，那么能不能把很明確的圖像剔除，只讓醫(yī)生看有疑問的部分，減輕醫(yī)生的工作量呢？要實現(xiàn)這一目的，就要提高系統(tǒng)的敏感性，同時降低其特異性。我們可以多冤枉幾個“好人”，但決不能放過一個“壞人”。因為如果漏讀了癌癥患者，病人很可能會錯失最佳治療機會最終殞命。

另外，有絲分裂計數(shù)，Ki67陽性細胞的計數(shù)，腫瘤的分級等也應(yīng)該近期能開發(fā)，并應(yīng)用于病理診斷工作的項目。

我們還可以用人工智能對腫瘤進行預后分析。比如剛才講的Nature上的這篇論文的研究，用到了兩種資料——TCGA網(wǎng)絡(luò)數(shù)據(jù)和斯坦福的組織切片數(shù)據(jù)，這些數(shù)據(jù)中標記了9879個圖像特征數(shù)據(jù)。根據(jù)這些圖像的特征數(shù)據(jù)，可以對病人分類，分成預后好的和預后壞的。

最后，我要再次強調(diào)醫(yī)生參與的重要性。沒有醫(yī)生的認真和深度參與，人工智能很難在醫(yī)學領(lǐng)域落地應(yīng)用。要知道，AlphaGo用了1200多個CPU和176個GPU，學習了15萬名職業(yè)棋手和百萬余業(yè)余棋手的棋譜，才有了今天的成就。大家都知道ImageNet，里面有1500萬張來自160多個國家的經(jīng)過標記的圖片。這些圖片是近5萬名工作者花了兩年時間從10億張圖片中挑選出來的。沒有這些基礎(chǔ)工作，人工智能不可能達到今天這樣的高度。

總結(jié)

簡單概括一下：

一、人工智能在醫(yī)學領(lǐng)域有廣泛的應(yīng)用前景，但人工智能不能代替醫(yī)生。因為醫(yī)學是人學，醫(yī)生需要跟患者交流才能下診斷結(jié)論。

二、人工智能應(yīng)用于醫(yī)學領(lǐng)域需要多學科交叉合作。沒有高水平的專業(yè)化的醫(yī)生深度參與，人工智能不可能進入醫(yī)院落地應(yīng)用。醫(yī)院里有些醫(yī)生精通淋巴系統(tǒng)，有些專攻消化系統(tǒng)或呼吸系統(tǒng)疾病，他們都不是全能的。打造人工智能醫(yī)療系統(tǒng)一定要和?？漆t(yī)生合作，只有這樣才能真正做好?，F(xiàn)階段的工作重點是建立高質(zhì)量的數(shù)據(jù)集，在此基礎(chǔ)上落地一些對老百姓真正有用的產(chǎn)品。

三、國家需要啟動人工智能方面的重大研發(fā)計劃，組織各領(lǐng)域有基礎(chǔ)的學科強者，組建一支真正的研發(fā)團隊，只有這樣才能真正實現(xiàn)技術(shù)上的突破。這個應(yīng)該是國家相關(guān)部門有計劃的組織，而不是“自由”申請。

雷鋒網(wǎng)

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。