在這些專(zhuān)科技能上，人工智能已經(jīng)超越醫生

　　

　　從2016年開(kāi)始，人工智能威脅醫生的論調不絕于耳。2017年剛開(kāi)年，包括《自然(Nature)》和《美國醫學(xué)協(xié)會(huì )雜志(Journal of the American Medical Association)》在內的幾家核心期刊，就接連刊登了幾起“機器人”醫生打敗人類(lèi)醫生的案例。

　　在討論人工智能是否能徹底讓醫生“失業(yè)”之前，我們先來(lái)區分一下“強人工智能”和“弱人工智能”。

　　強人工智能是通用型的，在什么場(chǎng)景都能夠隨機解決各種問(wèn)題的智能，能夠在復雜系統內，應對開(kāi)放式問(wèn)題，比如政治問(wèn)題、經(jīng)濟問(wèn)題等。這種智能具有自我意識的，和生物一樣，有生存和安全的需求，因此它們可以自己提出問(wèn)題。

　　與之相對，弱人工智能只能在某個(gè)特定場(chǎng)景，并且封閉的系統內，解決某個(gè)特定的問(wèn)題。弱人工智能沒(méi)有自我意識和主觀(guān)能動(dòng)性，需要人類(lèi)對其輸入某一指令才會(huì )運轉。

　　不過(guò)，連最初提出“強人工智能”概念的約翰·羅杰斯·希爾勒本人都不相信，強人工智能可以實(shí)現。

　　日前，在中歐衛生管理與政策中心舉行的第19期衛生政策上海圓桌會(huì )議上，原上海市第一婦嬰保健院院長(cháng)段濤表示，人工智能可能是掀起公立醫院改革的一股意想不到的力量，醫院現在” 最缺的是病理科醫生、影像醫生等，但再過(guò)三五年，這些醫生將一點(diǎn)不缺。”

　　皮膚科

　　“美國最近科技雜志連著(zhù)發(fā)文章，皮膚科醫生已經(jīng)被人工智能打敗了”，段濤在會(huì )上提到，“皮膚科有了人工智能的診斷，全中國90%的皮膚科醫生可以不需要了，你把照片拍好給它，它診斷水平比90%以上中國皮膚科醫生的水平都要高。”

　　段濤指的是，《自然(Nature)》刊發(fā)的皮膚科人機大戰?？茖W(xué)家先讓一個(gè)“卷及神經(jīng)網(wǎng)絡(luò )(CNN)”分析學(xué)習了近13萬(wàn)張皮膚病臨床圖片，涵蓋了2023種皮膚疾病。

　　21位醫生受邀，與機器人展開(kāi)了兩場(chǎng)針對皮膚癌診斷能力的較量：第一場(chǎng)區分角質(zhì)細胞癌和良性脂溢性角化病;第二場(chǎng)區分惡性黑色素瘤和良性痣。結果，人工智能正確識別良性病變和惡性病變的綜合靈敏度達到91%，打敗了多名皮膚科醫生。

　　科學(xué)家表示，正在努力讓這項智能診斷技術(shù)與智能手機兼容，“皮膚科家庭醫生”離我們不遠了。

　　其實(shí)，以色列公司Emerald Medical Applications已經(jīng)開(kāi)發(fā)了一款運用云人工智能技術(shù)和手機攝像頭檢測黑色素瘤的手機應用，并已在FDA注冊。

　　據市場(chǎng)調查公司 IDC 估測，雖然目前只有 1% 的軟件應用有人工智能的特征，但到 2018年，這個(gè)數字預計能達到50%。

　　眼科

　　不止皮膚科，人工智能在眼科的診斷水平也表現不俗。

　　去年11月，谷歌的研究者在《美國醫學(xué)協(xié)會(huì )雜志(Journal of the American Medical Association)》上發(fā)表的一篇文章，稱(chēng)其開(kāi)發(fā)出了一種解讀視網(wǎng)膜照片中，糖尿病性視網(wǎng)膜病變發(fā)病跡象的深度學(xué)習算法，這種算法的水平已經(jīng)達到眼科醫師的診斷水平。

　　谷歌請到印度和美國的醫生，共同創(chuàng )建了一個(gè)包含12.8萬(wàn)張圖像的開(kāi)發(fā)數據集，用于訓練這種算法。隨后，谷歌用9,963張圖像作為驗證集，請到8位醫生和算法進(jìn)行PK。

　　這場(chǎng)競賽的結果是，人類(lèi)醫生略遜一籌。算法得到的F-Score值(結合靈敏度和特異性的度量，最大值為1)為0.95，而8位眼科醫生F-Score的中位數值是0.91。

　　需要明確的是，診斷糖尿病性視網(wǎng)膜病變是一個(gè)多步驟的過(guò)程，2D眼底照片只是其中一部分，某些情況下，醫生需要使用3D成像技術(shù)，光學(xué)相干斷層掃描(OCT)，詳細檢查視網(wǎng)膜的各個(gè)層。

　　國內的Airdoc也開(kāi)發(fā)了一個(gè)功能相同的深度神經(jīng)網(wǎng)絡(luò )。經(jīng)測試，該算法在有明顯癥狀和無(wú)明顯癥狀二分方面的準確性與三甲醫院資深眼科醫生持平，在眼底照片國際標準5分類(lèi)方面的準確性也不遜于專(zhuān)業(yè)眼科醫生。

　　影像科和病理科

　　微軟研究院曾提出，基于深度學(xué)習的圖像識別技術(shù)的識別精度能夠超過(guò)人類(lèi)。在醫療大數據中，影像數據是相對結構化的數據，因此人工智能在這個(gè)領(lǐng)域的應用最多，技術(shù)成熟度也最高。

　　段濤從幾個(gè)投資人處獲悉，“一家人工智能公司，做肺部結節的圖片，就是放射科，他們把全中國最好的幾個(gè)肺部讀片專(zhuān)家的結果作為標準，用人工智能，做了不到兩百個(gè)病人的案例，最終他們得出來(lái)的一個(gè)結論是什么呢?這個(gè)人工智能系統可以達到95%到98%的專(zhuān)家水平。”

　　在國外的這個(gè)領(lǐng)域，Enlitic可能是最有名的一家公司，他們致力于用圖像識別算法，在X光、CT掃描、超聲波檢查、MRI等的圖像中做癌癥早曬。據悉，該公司曾在公共數據集上測試其圖像識別算法，通過(guò)肺部CT結果診斷肺癌，結果發(fā)現算法的準確率比放射科專(zhuān)家高出50%以上。

　　Enlitic的算法在提高病理診斷的效率和精確性上，也發(fā)揮了顯著(zhù)作用。例如，在乳腺癌前哨淋巴結轉移診斷中，人工智能算法的誤診率為7.5%。公司請到一批病理學(xué)專(zhuān)家對同批切片做診斷，誤診率為3.5%，而當病理學(xué)家運用該算法做輔助診斷時(shí)，誤診率被進(jìn)一步降至0.5%。

　　國內的人工智能醫療影像公司DeepCare也做過(guò)類(lèi)似的事。他們請了4位分別來(lái)自北京的特級三甲、普通三甲和地方三甲醫院的醫生看70張疑似乳腺癌轉移的片子。4名醫生的年資分別是40年、30年、20驗和10年。同時(shí)參與讀片的還有人工智能機器人。

　　70張片子中，有30張是陰性的，40張是陽(yáng)性的。40年經(jīng)驗的醫生對此的診斷準確率達到98%以上，而其他3名醫生的平均準確率在70%。而DeepCare的工智能機器人準確率達到了93%。

　　據該公司透露，測試之后的兩個(gè)月，該算法的準確率提升到了95%。

　　的確，隨著(zhù)人工智能算法“吃”的數據和學(xué)習的專(zhuān)家意見(jiàn)越來(lái)越多，其在某些特定診療問(wèn)題上的能力終將超越人類(lèi)，而這些都屬于弱人工智能范疇。

　　但是，在面對生命體這樣一個(gè)復雜的系統時(shí)，人類(lèi)全科醫生那樣的，面對開(kāi)放問(wèn)題的綜合處理能力，卻是“機器人”望塵莫及的，應該說(shuō)，這樣的強人工智能，至今尚未出現。

　　另外，涉及處方權等法律問(wèn)題，以及醫學(xué)人文等感性問(wèn)題時(shí)，人工智能系統永遠無(wú)法代替人類(lèi)的角色。

　　“你還要那么多醫生干嘛?”

　　段濤在演講結束時(shí)表示，“未來(lái)真的不知道會(huì )怎么樣，所以人工智能會(huì )導致我們公立醫院解構和重構非常重要的驅動(dòng)因素。”