什么是真？什么是假？医疗健康领域AI泛滥

　　 如今阅读任何关于医疗健康领域未来的文章，你无法避免碰到由“A”和“I”这两个字母组成的缩写，它代表着医疗行业寻找更智能的解决方案的希望和忧虑。虽然人工智能领域（AI）在1956年就出现了，但是它一直未能为医疗界带来多少贡献。直到最近关于机器学习的炒作才开始与现实融合。

图片来源：RF123

　　到底什么是人工智能？

　　在大众媒体中对于AI在医疗行业的应用，甚至AI本身的定义仍然存在着广泛的误解。如今，AI代表着任何计算机可以做得和人一样好，甚至比人还好的工作。

　　但是如果你考虑AI在医药行业中的作用，你会发现计算机智能有不同形式。在医疗健康领域，大多数计算机提供的解决方案并不依靠独立的计算机智能。它们使用的是基于人类设计的算法来分析数据并且提出治疗建议。

　　与之对应，“机器学习”依靠的是神经网络（模拟人类大脑的计算机系统）。这类应用包括多层次的概率分析，让计算机能够模拟甚至扩展人脑处理数据的方式。结果是，即使是程序设计员，也无法确定他们编写的计算机程序是如何得出解决方案的。

　　还有一种AI形式称为“深度学习”，在这里软件会学习不同层面中的模式。在医疗健康领域，这种学习方式正在变得越来越有用。因为每层神经网络可以独立工作也可以相互协作，它们可以把物体的不同特征，例如颜色、大小、和形状分开进行分析，然后整合在一起获得结果。这些新型的视觉工具可能给医疗诊断行业带来重大变革，它们甚至可以在单细胞水平寻找肿瘤。

　　人们可以用许多不同方法给AI分类，但是理解它在医疗健康行业应用的最好方法是将这些应用分为三大块：算法解决方案，视觉工具和医疗实践。

　　算法解决方案

　　如今在医疗行业中最常见的AI应用是算法，这些是研究人员和临床医师编写的基于实践经验的计算机程序。

　　当人类将已知数据编入到算法当中，计算机能够吸取这些信息并且将它们用于解决问题。以癌症治疗为例，使用得到领域专家们共识的算法，加上肿瘤学家在病历中输入的患者数据（例如患者年龄、遗传信息、癌症级别和相关病情），计算机可以查阅几十种，甚至上百种已有的治疗选择并且提出最适合患者的化疗药物组合建议。

　　我最喜欢的算法解决方案来自Permanente Medical Group研究部门的Gabriel Escobar博士和他的同事。这一团队的研究中心是在任何医院中都是最重要的患者群之一：在病房或手术室中临床症状恶化，需要被转移到重症监护室（ICU）的患者。

　　虽然这些患者在接受急救之后似乎恢复到原来的健康水平，但是他们的死亡机率比如果医师提前干预并且防止了最初症状恶化的情况提高了3到4倍。

　　Escobar博士，研究部负责人Tracy Lieu博士和副执行主任Philip Madvig博士一起，从65万名住院患者中收集了数据，其中2万名患者需要被转移到ICU。然后研究团队建立起一个能够发现哪位住院患者将来会进入ICU的预测分析模型。他们将这一算法嵌入到计算机系统中，这一系统会持续监控所有住院患者的健康状况。最后，他们设计了警报系统，当有的患者被认为有进入ICU的风险时能够提醒医生，从而让医生们能够在重大并发症出现之前就着手干预，每年可以挽救上百条生命。

　　视觉工具

　　要理解视觉模式识别在医疗领域的潜力，我们必须首先理解人类的眼睛在最好的医生中出错的频率。

　　两项独立研究表明，在美国， 50％到63％的妇女在接受常规乳房X光检查的10年过程中至少会收到一次“假阳性”结果。这种检测结果错误地认为她们有可能得上癌症，从而让她们接受更多检查，甚至不需要的手术。高达三分之一的时候，2个或更多放射科医生会审查同一系列乳房X光片，但是会对结果有不同的解释。

　　视觉模式识别软件可以储存并且比较成千上万的图片并且同时使用人类采用的启发式评估方式。据估计它们的准确性比普通医生要高出5％到10％。

　　在不久的将来，人眼和数字眼在精确性上的差距将会变得更大。随着计算机的计算能力变得更为强大，深度学习的方式得到更多认可，视觉模式识别将会继续在更多诊断领域得到应用，例如放射科（CT，MRI，和乳房X光检查分析），病理学（显微镜和细胞学诊断），皮肤科（皮疹识别和色素病变评估，用于防治黑色素瘤），眼科（视网膜血管检查，用于预测糖尿病性视网膜病变和心血管疾病）。

　　在日常医疗实践中的应用

　　在电视连续剧《豪斯医生》中，一名医生的天才决断可以胜过他的所有同事们的专长。这似乎在说如果所有的医生们都像格雷戈－豪斯先生一样聪明的话，诊断过程中的谜团都将迎刃而解，医院中不必要的死亡也不会出现了。

　　而在现实生活中，医生之间的最大区别不在于他们的智力，而在于：1. 他们解决患者问题的方式；2. 支持他们的医疗系统。上述两个因素的组合能够导致全国范围内临床结果出现巨大差异，所以机器学习可能给未来带来很大希望。

　　目前已经存在的两种AI技术可以根本性改进医生们的表现。

　　第一项技术是自然语言处理，它是帮助计算机理解和解释人类说话和笔记的AI分支。这种软件可以查询上千份完备的电子病历，并且揭示评估和护理患有多种疾病的患者的最佳手段。

　　第二种技术让计算机观察并且学习医生的工作。在旧金山，Adrian Aoun先生在利用他在AI方面的背景探索如何让机器实时向优秀的医生们学习。

　　与其在医生写完患者病历后从中分析和提取数据，Aoun先生的Forward初创公司使用AI跟踪医生的每一步行动。使用触屏数据输入和语音识别，Forward公司的计算机能够记录并且分析为什么最好的医生们能够获得更好的医疗结果。这一分析结果让他们的同事和患者都能受益。

　　如果所有医生的表现与全国最好的20％的医生相同，那么每年癌症、感染或心血管疾病导致的患者死亡数目将下降几十万。

　　理解对AI的炒作和忧虑

　　很多初创公司和科技公司都加入到了炒作AI的大潮中来，它们许诺了一系列复杂的创新解决方案，例如医护机器人，基于AI的医疗保险，为老年人准备的AI可佩戴产品。其中大多数看起来很有趣，但是不能带来革命性的变化。一般来说，这些产品都是基于算法而不是真正的机器学习技术。几乎所有产品都不能大幅度提高医疗结果或寿命。

　　与每个炒作AI是医药界未来的企业家相对应的是很多担心机器将取代人类的医护人员。我个人觉得这种担忧更倾向于科幻而不是现实。确实，计算机智能的发展比人类智能更快，但是这种发展带来的机遇远多于挑战。

　　如果在未来10年里计算机的计算速度还能翻倍5次，那么机器学习工具和低成本医疗诊断软件可能很快会像听诊器一样成为医生们必不可少的工具。

　　同时，我们也需要接受现实：如果科学技术将会改善医疗保健的质量并且降低成本，那么有些医疗健康行业中的工作将会消失。有分析表明AI可能在未来20年里取代47％的美国就业市场。虽然蓝领工作总是最先受到AI 影响的领域，但是医生和其它医护人员也开始感受到AI的威胁。但是这是进步带来的代价，改善大多人生活并且降低成本的技术可能对那些依靠旧模式获益的人们带来负面影响。优步（Uber）和来福车（Lyft）对出租车行业的影响是一个典型的例子。制造业的机械化也是如此。

　　可以肯定的是，未来医生的作用将发生改变。对医生来说值得庆幸的是，目前计算机还没有表现出上百万患者在医护过程中依靠的同情心。

　　AI在医药领域的潜力和愿景

　　我预计企业家和公司会继续向AI应用投资，而且与之相关的炒作也会越来越多。事实是，机器学习可能将医药领域推进到远超过现在达到的水平。

　　支持这个预期的证据来自于2500年前在中国发明的围棋。围棋比赛中，两名棋手依次落子，终局时以占领的地盘多少决胜。这是一种非常复杂和抽象的棋类比赛，它似乎蕴藏着无数种可能的下法。围棋的难度让很多人认为计算机完全不可能胜过专业棋手。但是在2015年，谷歌DeepMind部开发的AlphaGo软件成功击败了世界上最强的围棋选手之一李世石。

　　最吸引人的是AlphaGo学习的策略。与IBM的深蓝在1997年击败国际象棋冠军卡斯帕罗夫不同，AlphaGo没有学习以前的人类棋谱。根据谷歌在《Nature》发表的科学论文，人类教会了AlphaGo围棋的规则，但是软件在与自己下棋的过程中学习成为了围棋“宗师”。

　　这种“深度学习”是让医疗健康行业能够向未来跃进的技术，它能够帮助理清最好的护理手段，建立诊断和治疗上百种疾病的创新方法，而且可以在没有人类偏见影响的情况下检测患者遵从医嘱的程度。

　　这样的进展将在那些经济实力雄厚，有技术支持的整合型医疗机构中最先出现。我预计这些机构将最先接受在智能手机和平板电脑中装备的算法解决方案，随后是模式识别软件，最终是机器提供的针对每个患者的最好疗法。

　　随着时间的推移，患者将能够使用一系列AI工具对自己进行护理，就像现在AI能够帮助他们管理生活中的许多其它方面一样。这可能不会很快发生，想想看，开发自动驾驶汽车的努力在上世纪50年代就开始了。但是在未来的某一天，AI将颠覆我们现在所知的医疗健康行业，这一点我们可以确信。