- 2017-09-30 09:28
- 作者:佚名
- 来源：雷锋网
关于医疗+AI，人人都能评论几句。
但事实上绝大多数人并不清楚AI在医疗领域能做什么，更别说怎么做，面临哪些挑战。
在日前结束的图像计算与数字医学国际研讨会（ISICDM2017）上，430多位来自信息科学（含计算机与电子工程等学科）、数学与医学等领域的专家学者与临床医生聚首成都，围绕人工智能+医疗、医学图像分析等话题展开了深入的交流与探讨。
大会首位演讲嘉宾中国药科大学校长、德国国家科学院院士来茂德教授，发表了题为“医学+AI”的报告演讲，奠定了大会基调。
来茂德校长首先肯定了人工智能技术在医学领域的应用前景，但他同时也指出，人工智能不能代替医生。未来人工智能在医疗领域将主要起到辅助诊断的作用。来茂德教授认为，医学+AI的基本前提是有真实、完整的数据，目前国内在这方面还有所欠缺。
他一再强调，人工智能应用于医学领域需要多学科交叉合作。没有高水平的专业化的医生深度参与，人工智能不可能进入医院落地应用。
最后来茂德教授提议，国家应该启动人工智能方面的重大研发计划，组织各领域有基础的学科强者，组建一支真正的研发团队。他认为，只有这样才能真正实现人工智能医疗技术上的突破。
以下是来茂德教授的报告内容，雷锋网做了不改变原意的编辑，并由来茂德教授亲自审文确认：
科学界有个规矩，跨界的话不能乱说。
作为学医的，尽管与人工智能方面的学者有7年的工作合作，但严格说我不懂人工智能，所以我接下来尽量讲一些人工智能和医学相结合的东西。我分享的题目是“医学+AI”，下面我将以一个病理科医生的视角谈谈这个问题。
如何正确地认识人工智能？
人工智能概念是1956年提出来的，到去年正好60年。中国人称60年为一个甲子，一个甲子就是一个轮回。
我觉得，人工智能最火热的时候我们反而要理性对待，认真思考人工智能到底能做些什么。但今天我只能谈谈人工智能在医学方面的应用，其他领域不敢乱讲。
据报道，张首晟先生有一个观点，说人工智能有三大核心——芯片、数据和算法。他认为人工智能要进一步发展，就必须三方面紧密结合。算法由大学里的教授负责，企业负责收集数据，至于芯片，现有的技术已经够了。
对于紧密合作这个观点，我深表认同。
那么，我们又该如何看待人工智能在医学专业的应用呢？人工智能应用于医学领域，到底是AI+医疗，还是医疗+AI？我认为，一定是医疗+AI。
前几年流行互联网+，国内办了很多互联网医院，但迄今为止有成功的吗？现在包括香港媒体在内的很多国内媒体又在宣传，说人工智能来了很多岗位都要失业；说未来人类不用干活，只需要“enjoy your life”。
有一则新闻说人工智能即将取代医生，这则新闻里写道“病理学家的诊断准确率为73%，而人工智能的准确率却达到了89%”。很多媒体和院士专家都这样讲。读者阅读时也不看上下文，不去思考73%和89%到底代表什么？其实这则新闻后面还有一段话，“人工智能的假阳性误判也比较多，平均每个切片有8处，而人类专家完全没有假阳性误判”。这则新闻说的是乳腺癌腋窝淋巴结转移的诊断，淋巴结转移说明癌症已经不是早期，而是到了进展期（晚期），需要做化疗。乳腺癌早期是不需要做化疗的，假如因为机器误判对病人做了化疗，导致病人去世，该由谁来负责？我们必须用科学的态度看待这个问题。
人工智能到底能不能取代医生？部分取代是可能的，但涉及人与人之间感情交流的部分无法取代。简单来说，人工智能是利用机器模拟人类智能的技术，可以实现替代人类完成部分体力劳动。但医学是一门人学，涉及人与人之间的交流。我相信在座各位没一个敢让机器给自己看病。
我看过很多医疗+AI方面的报道，其中有篇介绍了经纶世纪CEO的一个演讲，我认为他的观点是比较客观的。他提到，人工智能在医学领域的应用分深、浅两个层次。浅层次的应用就是，用计算机通过深度学习算法对高质量的数据进行挖掘和计算，最终解决实际问题。深层次的应用则要建立规则，通过专家系统，实现辅助诊断和治疗。
国外有一个很好的例子。有一个研究团队在《Nature》发表了一篇论文，受到人工智能和医学界的双重关注。这篇论文中的研究基于差不多13万张图片，涉及2000余个病种，而且每一个病种都有病理活检诊断。21名执业皮肤科医生参与了这项研究，此外还有工程人员和病理科的医生，也就是说进行这项研究的是一个非常多元化的团队。在这个团队里，病理科医生负责解决病理方面的问题，临床医生解决临床方面的问题，工程人员则负责解释算法；大家各司其职，只有这样才能取得比较理想的成果。
人工智能在医学领域的应用
十年后人工智能可以发展到什么程度谁也说不定。所以我们对人工智能在医学领域应用的探讨必须限定在当前阶段。我认为，现阶段人工智能在医疗领域的主要作用是辅助诊断，帮助医生减去部分工作量。要知道，国内的医生——尤其是三甲医院的医生，工作强度非常大。
很多人说，人工智能技术发展成熟后，医生都要失业。我认为，有了成熟的辅助诊断系统后，可能有一部分医生的确会失业。但初级医生不会失业，因为他要负责很多杂七杂八的事情，这些事情必须要有人做，而且技术含量不是很高；高级医生也不会失业，因为他需要做最终的确诊。真正可能失业的是那些不努力干活的中级医生。
人工智能应用于医疗领域的两大前提
那么，如何将人工智能应用于医疗领域打造成熟的辅助诊疗系统呢？我认为有两个前提：
一、提升医疗数据的可靠性。
AI辅助诊断首先要通过多个学科合作，针对每一种疾病建立规范的诊疗流程，产生合格的数据。为什么现在有很多AI辅助诊断产品，但效果都不理想，原因就在数据。
我国的计算机语音识别系统水平很高，比如科大讯飞的语音识别系统。有了成熟的语音技术之后，我们可以在医生口袋里放一个语音转录设备，边走边将医生和病人的对话记录下来，生成电子病历，大幅减少医生的工作量。
我印象很深刻，我89年去德国的时候，他们病理科医生就不需要自己写病变描述和病理诊断。医生的办公室里有一个装置，用脚踩下去之后录音机就开始录音，录好音后再交给秘书，让她们将录下的内容打出来，医生再校对。我觉得，未来人工智能在这方面有很大的发展空间。
此外，还需要多个学科通力合作，打造高水平的专家系统。参与系统打造的一定要是经验丰富的高水平医生。年轻医生还有很多东西没有搞清楚，无法胜任。
二、完善医疗应用平台。
有人认为，人工智能在医疗领域的应用可以分为三个层次。
最底层的是医疗数据和计算能力，计算能力方面，目前工程类的计算机教授已经可以胜任；但医疗数据还存在很大的问题。
第二层是技术层，包括算法框架和通用技术，国内的专家也能搞定。
第三层是应用层，目前我们已经能够设计出比较好的医疗解决方案，但还缺少一个完善的医疗应用平台。
我认为，人工智能技术应用于医疗领域，既要有科学家和医生参与，也要有来自政府的干预。我们知道，香港特区的所有公立医院使用的是统一的信息系统，但大陆医院还是各干各的。没有统一的系统，信息和数据就无法共享。
现在的人工智能热潮，和八十年代末人们热炒人类基因组计划类似。所谓人类基因组计划，就是把人类DNA中的30亿个核苷酸一个个排列出来。当时人类基因组计划分为两大阵营，其中一方的代表是现任NIH主任Francis Collins领导的国际大合作，另一方的代表是塞雷拉基因组公司创始人Craig Venter。两大阵营争持不下，直到当时的美国总统克林顿出来“当娘舅”。双方这才为了全人类的共同利益联手，人类基因组的框架得以搭建。
关于人类基因组计划，当时有两句著名的评价——“decoding the code of life”和“a milestone for humanity”。今天再回头去看，发现第一句评价是错的，至少是仅说对了一小部分。当时，我们以为将人类基因组核苷酸一个个排列出来之后，就了解了关于人类生命的所有事情，但事实上我们才刚刚迈出第一步。大家都说现在是人工智能时代，但我们仍然应该常常回顾历史。只有这样才能够更好地认识现在，正确地看待人工智能，了解人工智能到底是在怎样的阶段。
人工智能在医疗领域的四大应用方向
下面谈谈人工智能具体可以应用到医学的哪些方面。我认为人工智能在医学领域的应用可以分为以下四个方向：
第一，医疗图像，包括X光、CT、病理切片等等。我认为，所有需要用到图像的学科都可以联合起来共同做研究。现在大家都在热炒，通过眼底图像对糖尿病进行早期筛查。中国人口基数大，医疗影像资源非常丰富，假如能把图像的采集工作做好，前景十分看好。
另外，人工智能在心电图、内窥镜和皮肤病等领域也有很好的应用前景。现在病人去皮肤科看医生，大部分诊断结果都模棱两可。因为很多皮肤科疾病特异性不大，即使病理科医生做组织活检也看不清楚，难下诊断。如果能用人工智能技术对皮肤病变做定量化分析，意义将十分重大。
第二，用人工智能进行组学数据分析。通过可穿戴设备和移动互联实现健康管理。基于发病信息等，用大数据预测流行病的发展趋势。
第三，用人工智能帮助手术机器人寻找最优的手术方案。
第四，新药研发，特别是确定药物先导化合物的结构。人工智能用于新药研发，大致分两个方面：一是通过学习已知药物，对药物结构进行改进，开发新药。已知药物的数据库越大，学习出来的效果就越好。二是基于已知药物与大分子的结构，分析药物除了作用于已知蛋白质外还作用于哪些靶点。
去年下半年，有人想引进一项新技术来咨询我，宣称这项新技术可以将新药研发时间缩短三分之二。我认为这是不可能的，除非人人都愿意做小白鼠。新药研发除了前期的研发工作，还要做临床试验。即使进入I期临床试验的新药，也有85%以失败告终。人工智能理论上可以促进新药研发，但实际效果还存在疑问。不过可以明确一点，并非使用了人工智能技术，新药自然而然就出来了。
人工智能应用于医学领域，缺少真实完整的数据
人工智能技术很好，让大家看到了很多希望。但人工智能应用于医学领域，还需要解决基础数据的问题。医疗数据要真正发挥作用，必须真实完整。没有可靠的数据，一切都是零。
可能很多人不知道，国内的医疗数据是最不齐全的。另外，医院的数据也并不可靠。由于各个医院的水平、标准和设备等存在差异，同一个病人做两次化验，结果很可能不一样。不同实验室做出来的化验结果也可能是不同的。
医生是否认真记录，也会对数据的完整性和可靠性造成巨大影响。国内医院——尤其是比较好的医院，医生都很忙，不可能详细记录所有数据。未来，语音识别技术成熟后，将为医生收集数据带来极大的便利。
AI在病理学中的应用
最后，跟大家探讨一下，如何将AI技术应用于病理学。
我认为，未来的病理学一定是整合病理学。病理学创立之初，医生根据器官的变化来诊断疾病；显微镜发明之后，病理学进化成了组织病理学；随着电子显微镜问世，组织病理学又进化成了亚细胞病理学。70年代，免疫组织学发明和应用以后，推动了肿瘤的分类和分型；如今分子生物学也得到了广泛的应用。二代测序应用后，分子病理学得到了极大的发展。由于高清晰的扫描仪的应用，使扫描病理切片用于诊断和研究成为可能。
接下来，病理学将进入人工智能时代。近几年诞生了很多新名词，但这些名词还没有清楚的定义。什么叫数字病理，什么叫病理的人工智能，二者之间并没有明确的区分。我们首先要把这些名词定义清楚。
近几年，免疫治疗发展迅速，我认为对肿瘤免疫特征的分析将成为未来的重要发展方向。如今网络速度非常快，数字切片扫描完后可以轻松地将影像分享出去。通过数学建模，我们可以对影像中的癌细胞及其分布进行分析，探究这些数字指标与病人预后之间的关系。但这些工作需要病理科医生的协助，假如病理科医生不愿意花时间做这些事，人工智能在病理学的应用就无法推进。
病理学系统非常复杂，机器人不可能代替所有病理科医生。现阶段，我们应该重点推进以下领域的多学科共同发展，并最终将结束落地，应用到病理诊断上去。
首先是病种诊断的规范化。每一个病种应该怎么诊断，都要建立明确的规范，如乳腺癌，肺癌，大肠癌等。其次是细胞学诊断，比如宫颈癌的脱落细胞学筛查。实际上，医生没有那么多时间仔细看每一张图像，那么能不能把很明确的图像剔除，只让医生看有疑问的部分，减轻医生的工作量呢？要实现这一目的，就要提高系统的敏感性，同时降低其特异性。我们可以多冤枉几个“好人”，但决不能放过一个“坏人”。因为如果漏读了癌症患者，病人很可能会错失最佳治疗机会最终殒命。
另外，有丝分裂计数，Ki67阳性细胞的计数，肿瘤的分级等也应该近期能开发，并应用于病理诊断工作的项目。
我们还可以用人工智能对肿瘤进行预后分析。比如刚才讲的Nature上的这篇论文的研究，用到了两种资料——TCGA网络数据和斯坦福的组织切片数据，这些数据中标记了9879个图像特征数据。根据这些图像的特征数据，可以对病人分类，分成预后好的和预后坏的。
最后，我要再次强调医生参与的重要性。没有医生的认真和深度参与，人工智能很难在医学领域落地应用。要知道，AlphaGo用了1200多个CPU和176个GPU，学习了15万名职业棋手和百万余业余棋手的棋谱，才有了今天的成就。大家都知道ImageNet，里面有1500万张来自160多个国家的经过标记的图片。这些图片是近5万名工作者花了两年时间从10亿张图片中挑选出来的。没有这些基础工作，人工智能不可能达到今天这样的高度。
总结
简单概括一下：
一、人工智能在医学领域有广泛的应用前景，但人工智能不能代替医生。因为医学是人学，医生需要跟患者交流才能下诊断结论。
二、人工智能应用于医学领域需要多学科交叉合作。没有高水平的专业化的医生深度参与，人工智能不可能进入医院落地应用。医院里有些医生精通淋巴系统，有些专攻消化系统或呼吸系统疾病，他们都不是全能的。打造人工智能医疗系统一定要和专科医生合作，只有这样才能真正做好。现阶段的工作重点是建立高质量的数据集，在此基础上落地一些对老百姓真正有用的产品。
三、国家需要启动人工智能方面的重大研发计划，组织各领域有基础的学科强者，组建一支真正的研发团队，只有这样才能真正实现技术上的突破。这个应该是国家相关部门有计划的组织，而不是“自由”申请
编辑推荐：
- 分享到：
