都說要取代醫(yī)生，醫(yī)療AI到底能做什么？

???? ?人工智能(AI)在科技界、創(chuàng)投圈和媒體圈已經(jīng)熱得不行，眾多高瞻遠矚的精英人士早就一再提醒說“AI有泡沫，投資需謹慎”。按照目前這形勢，16年雖然可能有泡沫，17年一定會更大，AI會形成一條逼近90°的向上曲線。是的，就是你看過的“奇點”所在位置。

????雖然AI專家們在展望時，往往都會提到醫(yī)療將會是AI能發(fā)揮重要作用的領(lǐng)域，偶爾總是會有人冒出來發(fā)表人工智能將會替代醫(yī)生等言論，但這受到了醫(yī)學(xué)專家們幾乎一致地反對。

????“醫(yī)生診療病人已經(jīng)幾千年，不會因為一兩個技術(shù)出現(xiàn)而變化”這種論調(diào)也會得到醫(yī)學(xué)人士的認同。

????其實很多大論戰(zhàn)都類似這樣概念寬泛、雞同鴨講的，不基于同一時間范疇來立論的。一方說“長期來看，人工智能必將大量取代醫(yī)生”，從來不會說到底多長；另一方說“短期內(nèi)醫(yī)生完全不可被取代”，到底多短也不會有說法的。雙方都能一堆證據(jù)、理論證明自己無比正確，其實是因為時間上根本就沒有重疊。

????我們定一個時間范疇：立足于可見的數(shù)年來看，醫(yī)療AI到底能做什么？

????你是不是看了好多篇“醫(yī)療人工智能應(yīng)用十大方向”之類的文章，列出了從一到十個醫(yī)療人工智能的應(yīng)用(比如Dr.2的文章就列出了15個方向1)，其實還是不明白？我們來換一個方法學(xué)習(xí)一下，根據(jù)創(chuàng)新工場汪華的分類2來看：

????一、感知，就是電腦去感覺、認知，包括圖像、語音、語義以及其他數(shù)據(jù)的識別，簡單說就是看得懂圖、聽得懂話、理解得了數(shù)據(jù)的含義，比如臨床的各種影像、檢查數(shù)據(jù)等。這里的前提是訓(xùn)練數(shù)據(jù)和結(jié)果之間的關(guān)系是標(biāo)記出的，比如某張X光片的診斷是骨折、某個MRI是正常的、某個病理是良性腫瘤、某個時間點的血糖值是偏高的。當(dāng)有大量的標(biāo)記數(shù)據(jù)訓(xùn)練之后，電腦就能認識這些數(shù)據(jù)，自動得出結(jié)果。數(shù)據(jù)夠大時，電腦識別的正確率會高于專業(yè)人士，而且可以繼續(xù)提高。

????最近Nature發(fā)表的Google用機器診斷皮膚疾病就是這個道理，只要大量數(shù)據(jù)訓(xùn)練，電腦在這種單一數(shù)據(jù)源的診斷(判斷)正確率上，一定會遠高于普通醫(yī)生。

????目前進入應(yīng)用階段的醫(yī)療人工智能，以感知這一類為主。總體來說是醫(yī)生原本能做的事，AI會更有效率，成本更低，但目標(biāo)簡單，不能直接擴展。

????二、決策，就是發(fā)現(xiàn)規(guī)律，解決規(guī)律，比如AlphaGo下圍棋時判斷局勢和落子決定，醫(yī)生做疾病診斷和決定治療方案?？吹竭@里，你一定想到Watson醫(yī)生了。是的，Watson的腫瘤醫(yī)生想干的就是這個，從大量病例、指南等中去找出最符合當(dāng)下病人的診斷和治療方案，給醫(yī)生做輔助決策參考。這個過程其實跟人腦的思考類似，從已有的經(jīng)驗中找出最符合的，無非是電腦記憶的資料多一點而已。但是電腦只能機械地從資料庫里查找，不能進行聯(lián)想，或其他開放式思考，而Watson只有“紙面”數(shù)據(jù)，所以哪怕IBM花了數(shù)十億、數(shù)年時間研發(fā)出來的，在復(fù)雜地腫瘤診斷和治療方面，其輸出的結(jié)果對像樣的醫(yī)生來說，其使用價值極其有限，最佳評價是“這是沃森提供給醫(yī)生參考的最佳診療方案，跟我的判斷完全一致?！笨鋸埖卣f除開某些罕見情況的提醒和一些數(shù)據(jù)展示，基本就是“然并卵”。

????關(guān)于醫(yī)療復(fù)雜問題的決策，AI在“發(fā)現(xiàn)規(guī)律”上的作用開始有所表現(xiàn)了。對于一些臨床病人，有經(jīng)驗的醫(yī)生往往能大致判斷出其發(fā)展和轉(zhuǎn)歸，但都是很粗略和不確定的，并且無法將經(jīng)驗直接傳遞給別的醫(yī)生，所以每個醫(yī)生都要學(xué)習(xí)、摸索無數(shù)年。現(xiàn)在AI在這方面已經(jīng)初有斬獲。FSUPsychologyresearcherJessicaRibeiro3(居然還是個美女，有圖有真相)用AI預(yù)測2年的自殺傾向，準(zhǔn)確率高達80%~90%。該方法在越接近某人的可能自殺日期時還會變得更加準(zhǔn)確，比如針對一般的醫(yī)院病人，在試圖自殺的前一周準(zhǔn)確率攀升到92%。而這個“經(jīng)驗”讓所有醫(yī)生以極低成本直接采用成為可能，而且使用越多準(zhǔn)確率越高。

????同樣道理，下一步AI就可以預(yù)測一個糖尿病人什么時候會視網(wǎng)膜病變，一個心血管病人什么時候會猝死。這是不是有點算命的趕腳？

????三、反饋執(zhí)行，如果有了感知，有了決策，再配上各種各樣的跟機械和其他東西結(jié)合起來，那就意味著它不但能理解周圍，能做決策，它還能自主的完成任務(wù)。在醫(yī)療上就是治療的執(zhí)行，最主要的是手術(shù)和給藥。

????手術(shù)，隨著達芬奇手術(shù)機器人應(yīng)用的逐步普及，其積累的數(shù)據(jù)達到一定級別之后，人工智能指揮達芬奇做手術(shù)是可以預(yù)期的，當(dāng)然，還是需要有醫(yī)生監(jiān)督在必要時接手的。

????用藥，典型的如糖尿病人使用胰島素，完全可以根據(jù)即時血糖和其他情況即時動態(tài)輸注，傳統(tǒng)算法總是要擔(dān)心算錯或某些情況下的不知所措，經(jīng)過大量數(shù)據(jù)訓(xùn)練的深度學(xué)習(xí)AI，在這個問題上能達到遠遠超過醫(yī)生人工決策的水平。

????這部分的應(yīng)用場景將長時間受到硬件的限制，只能一點一點的突破。

????理論上講，隨著醫(yī)療AI的進展，一部分醫(yī)生原有的工作內(nèi)容的確會減少乃至消失，但同時也會幫助醫(yī)生做一些之前做不到的事情。關(guān)于人工智能和我們的關(guān)系，凱文凱利4在《必然》中描繪得十分形象，直接引用吧：

????將來，我們和機器人的關(guān)系會變得更復(fù)雜，出現(xiàn)一種7個步驟的循環(huán)模式：

????1.機器人干不了我的工作。

????2.好吧，它會許多事情，但我做的事情它不一定都會。

????3.好吧，我做的事情它都會，但它常常出故障，這時需要我來處理。

????4.好吧，它干常規(guī)工作時從不出錯，但是我需要訓(xùn)練它學(xué)習(xí)新任務(wù)。

????5.好吧，就讓它做我原來的工作吧，那工作本來就不是人該干的。

????6.哇，機器人正在干我以前做的工作，我的新工作不僅好玩多了，工資還高！

????7.真高興，機器人絕對干不了我現(xiàn)在做的事情。

????然后回到步驟1。

????所以其實原本就不用太擔(dān)心人工智能會搶走醫(yī)生這么高智能的工作的。

????商業(yè)角度看中美兩國早期的人工智能應(yīng)用有何不同？

????美國醫(yī)療是典型的高質(zhì)高價、醫(yī)生短缺市場，醫(yī)療AI切入的應(yīng)該是做那些醫(yī)生本來就做得不錯但做不過來(存量)的工作，以較低成本實現(xiàn)高價格的服務(wù)具有很強的可行性，同時解決醫(yī)生人手不足的問題。

????中國醫(yī)療是低價、醫(yī)療水平參差不齊的狀態(tài)，從存量切入，替代的這部分醫(yī)生工作其商業(yè)價值有限，還會受到醫(yī)生抵制。

相反，從增量切入就會完全不同，比如讓基層醫(yī)生能做腫瘤的病理診斷和有難度的影像診斷，不但讓基層能提升醫(yī)療水平(做之前不能做的工作)，還能增加基層醫(yī)院的業(yè)務(wù)范圍和收入，形成一個“共贏”局面，那么你的商業(yè)回報就自然不是問題。同理，AI糖網(wǎng)篩查可以讓內(nèi)分泌醫(yī)生在沒有眼科的情況下就能篩查出高風(fēng)險的糖網(wǎng)病人，外科醫(yī)生在病理科不上班時也能解決術(shù)中判斷腫瘤良惡性的問題了。

????其實這就是大家常說的“賦能”，這不但不會降低醫(yī)生的價值，反而會大幅增加一部分醫(yī)生的能力范圍，因此我認為醫(yī)療AI的定位為工具，是輔助醫(yī)生進行醫(yī)療行為和過程的。你還擔(dān)心AI會搶走你的工作嗎？