麒聞醫事第六季 · 第七篇
就在上週，關於一場神經影像領域的「人機大戰」的新聞出現在了朋友圈。人工智能(AI)選手「BioMindTM天醫智」以高出20%的正確率和更快的速度，戰勝多位神經疾病專家組成的「人類戰隊」。
我一點都不驚訝。
AI如果沒有贏，那一定是開發公司水平太差。
如果你瞭解AI影像是怎麼在做的，你就會知道，人類肯定是完敗的。
沒有AI，所有的大數據，僅僅只是一堆無用的數據，深度的分析，才是能產生價值的數據。而這樣的分析，是人腦的運算能力很難達到的。
AI的深度學習過程，就是基於大量的數據分析完成的。
AI影像的技術關鍵是對圖像進行分割，然後進行特徵提取和匹配判斷。
大量影像數據經過標準化的處理，反覆對AI進行訓練。
於是，它可檢測到佔整個影像片面積 0.01% 的細微病變，考慮到其本身的運行速度，所以對人類而言幾乎是碾壓級別的。
所以不要看這次AI正確率還沒達到 90%，因為這次答案是「愚蠢」的人類給設定的答案，興許AI已經得出了更準確的答案，而「愚蠢」的人類卻不自知。
當然AI目前這種算法也帶來一個暫時的缺點：敏感性超高導致的假陽性高。深度學習之後的AI應該會更好地糾偏。
在最近幾年，AI率先在各種讀圖領域：皮膚病、眼底疾病、影像學上取得勝利。
在輔助診斷方面，IBM公司的Watson foroncology，以實時基於指南和文獻庫的報告，同樣給出了讓人震撼地個體化最佳治療方案建議：
你能想象，你把患者的情況按照要求輸入之後，很短的時間內，你可以拿到的是不同推薦等級的幾個方案，每個方案附著參考文獻依據和證據等級，用藥和劑量建議，甚至還有可能的不良反應警示！
大數據，在AI的背後，還有物聯網。
於是，可以自動提取病歷信息（所以電子病歷標準化模板是非常重要的，只有標準化，才有大數據）、護理信息、監護儀信息等等各個系統進行各種風險評分的自動生成（國內在嘗試的瑞金急診智能分診系統）；可以跨院跨系統檢查藥品配伍禁忌警示、藥品同體徵衝突預警（孕期用藥、肝腎功能異常等）（我第一次看到這個的時候才發現我們現有的醫囑系統藥物警示簡直是low爆了）。
不止於此。
它可能會改變疾病的診療方式。
瑞金醫院神經內科聯合英國約克大學啟動全球最大規模單中心臨床研究，驗證AI及可穿戴設備有助於診斷和監測帕金森病，實現對動作遲緩的客觀衡量，還有其他公司利用具有專利的人工智能運算方法實現對異動症24小時監測，利用對抓握活動的分析評估，鑑別不同神經退行性疾病。
而另一個精神健康監測的AI系統NeuroLex，真有點細思極恐地感覺，因為很多功能的實現，只是需要對手機進行監控。
每一個終端，都只是互聯網雲端的一個單元。
所以AI能做的，不止於診斷治療，而是對目前整個醫學運營模式，發起的一場深刻變局。
醫療領域首個FDA認證的基於雲端和深度學習AI的輔助診斷系統：GE Arterys心臟輔助判斷系統，可以實現在一個心動週期內重現4D血流情況並且分析。
4D血流，我估計沒有幾個人能懂。
但是沒關係啊，因為這家公司在推出的時候就沒打算有多少人能看懂，因為採集數據後，它將利用自己的雲平臺進行數據分析，給出診斷結果。
2016年底，國家開放獨立醫學影像中心。
AI加持，這樣的中心可能只需要很少的影像科醫生就可以開展大量工作，甚至遠程開展工作了。
所以，真的有可能，一個大的醫學影像連鎖企業，在具體的一個單一服務單元裡，不需要聘請一個醫生。
而虛擬助理Babylon Health，就是一個醫療版的Siri，當然我不知道百度會不會依照此開發出一個虛擬度娘，儘管這個度娘，可能動機不良。
所以，當AI進入醫學，震顫吧，人類？
講真我覺得震撼，但還談不上震顫。
我們為什麼要跟機器比誰工作起來更像機器？
不論是醫學的目標，還是AI的目標，都是怎樣更好地去了解生命的秘密，怎樣去提升生命的質量。
所以，為什麼要是對抗？
最後我想用上海交通大學醫學院附屬瑞金醫院胡偉國副院長的一段總結（事實上本篇很多材料來自於其關於人工智能時代醫學），來結束這篇文章：
人工智能對醫療發展一定是有用、有效但有限，過分誇大功效和漠視AI崛起、拒絕AI應用一樣愚蠢。
醫學發展必然由單純人腦智能轉向人腦+人工智能融合。
AI在醫學領域的發展絕不是IT工程師的自娛自樂，急功近利將摧毀AI在醫療領域的發展。醫生應當積極參與AI在醫療領域的發展，併成為發展的主導力量。
是的，醫生不是AI的敵手——事實上就任何一個AI擅長的專項來說，人類都根本不是對手——而是，發展的主導力量。
*文中圖片均來自正版圖庫。
閱讀更多 協和八 的文章
