《人工智能關我什么事》

王文革 著

北京時代華文書局

2020.1

58.00元

王文革

中國人工智能學會高級會員，人工智能領域權威著作《情感機器》《第四次革命》中文版譯者。在金融投資領域從業(yè)20多年，負責和參與過數十家企業(yè)的投資和上市工作，近年來專注于人工智能領域的投行和投資業(yè)務。涉獵甚廣，對科學、文學等均有一定研究。現為多所大學兼職教授、多個地方政府和企業(yè)經濟顧問，同時擔任浙商全國理事會主席團成員、上海市科技翻譯協會理事等。

本書從社會發(fā)展的進程和人工智能的起源開始，詳細闡述了人工智能的算法，以及在文字和藝術、醫(yī)療、教育、零售流通、無人駕駛、餐飲、安防等領域的應用。同時，還介紹了人工智能與5G、物聯網、區(qū)塊鏈等技術結合。

人工智能與精準診斷

人工智能在醫(yī)療領域的一大應用，就是與醫(yī)學影像結合，發(fā)展成為“智能醫(yī)學影像”。據全球市場調查（Global Market Insight）的報告顯示，智能醫(yī)學影像已經成為人工智能醫(yī)療應用的第二大細分市場，而且人氣還在不斷升高?！搬t(yī)學影像”是什么呢？這可不是醫(yī)生幫你攝影哦，其實它跟我們生病時經常會去的放射科有很大關系。比如X光、B超、CT等，這些醫(yī)院的“透視眼”拍攝到的畫面都算是“醫(yī)學影像”。對于病人來說，拍攝這些“醫(yī)學影像”并不是一件麻煩事，病人所要做的就是只是輕松地站在儀器對面或者躺在病床上讓儀器掃描。但是，“拍片一時爽，診斷火葬場”，看似輕松的檢測過程，背后可有一段影像科醫(yī)生的辛酸血淚史！這些醫(yī)學影像灰蒙蒙的，看起來好像都一樣，實際上卻暗藏玄機，只有專業(yè)的醫(yī)師才能從這些圖像里發(fā)現異常情況。怎么發(fā)現的呢？即使是久經沙場的醫(yī)生也不能看一眼就下定論，而是要對一個病人的250～300張醫(yī)療影像進行比對，尋找發(fā)現問題。我們拿到的是一張薄薄的診斷書，但是醫(yī)生卻要看數百張影像。如果一個放射科醫(yī)生每天要診斷超過60個病人的CT，那么他一天要看的影像就達到了15000～18000張，甚至到了疾病多發(fā)季節(jié)，一天要診斷的病人就超過了100個。不僅醫(yī)生壓力大，而且醫(yī)患矛盾又容易發(fā)生：一方面，醫(yī)生為了對病人負責，必須要仔細審查，不能遺漏任何一處異常，另一方面，病人等得心焦，容易鬧脾氣，這實在是一個苦差事。

但是，有了人工智能，醫(yī)生的壓力就能大大減少。“智能醫(yī)學影像”能在很短的時間內完成對醫(yī)學影像的初步篩選、判斷，完成病灶篩查、靶區(qū)勾畫、臟器三維成像、病理分析以及影像定量分析等，而且不需要休息，準確率不會因為疲勞受到影響。紐約大學蘭恭醫(yī)學中心（NYU Langone Health）發(fā)現，在找到并匹配特定的肺結節(jié)（通過胸部CT）方面，醫(yī)學影像的自動化分析的速度比放射科醫(yī)師要快62%～97%，據說每年能節(jié)省30億美元。但是，這么高難度的醫(yī)學診斷要如何通過人工智能來實現呢？我們先來看看智能醫(yī)學影像的界定。它是將人工智能的圖像識別、深度學習等技術應用在醫(yī)學影像領域，幫助醫(yī)生進行醫(yī)療診斷，以提高準確率和診斷效率的一種技術。圖像識別，也就是對患者的影像進行識別，對影像進行分割、提取特征、標注關鍵信息。深度學習，就是能基于大量已有的影像數據和診斷數據，進而做出自己的判斷，能夠獨立診斷疾病。簡而言之，就是像一個普通的醫(yī)生那樣，先看圖，找出關鍵信息，再做出分析。

目前已經有不少企業(yè)在這一領域大展拳腳，比如國內有初創(chuàng)公司Deepcare，提出利用機器學習實現對醫(yī)學影像的智能診斷，從而解決三甲醫(yī)院高級醫(yī)生與普通醫(yī)生的能力差距問題。騰訊首款人工智能醫(yī)學影像產品“騰訊覓影”能對各類醫(yī)學影像進行訓練學習，智能識別病灶，輔助醫(yī)生臨床診斷的食管癌、肺癌、糖尿病視網膜病變等疾病的早期篩查，準確率都高達90%以上，糖尿病視網膜病變識別準確率更是達到了97%。在醫(yī)學影像領域中最受關注的肺結節(jié)檢測方面，國內的智能影像也有了重大突破。2017年，科大訊飛的智能影像產品，就在一場名叫LUNA的國際肺結節(jié)權威評測中奪得第一，獲得平均召回率92.3%的檢測效果，并刷新了世界紀錄，真是一件值得驕傲的大喜事！

而在國外，美國的科技巨頭IBM公司從2012年開始就已經與美國斯隆凱特琳癌癥中心合作，打造了一位“沃森”（Watson）醫(yī)生，倒是和大偵探福爾摩斯身邊的華生（Watson）醫(yī)生同姓。而且，這位沃森醫(yī)生一點也不遜于華生醫(yī)生，它在醫(yī)療影像方面前途無量，正在源源不斷地吸收著醫(yī)學影像資料：IBM公司已將眾多的醫(yī)學報告、論文“喂”給沃森，并斥幾億巨資收購了多家醫(yī)療影像公司、圖像軟件公司。在IBM的悉心培育下，這位醫(yī)學影像界的“嬰兒”將很快成長為“專家”。據說，沃森醫(yī)學影像評估（Clinical Imaging Review）系統(tǒng)將用于診斷心臟類的疾病，首先將攻克“主動脈瓣狹窄”。不僅是診斷，沃森還能為病人制訂后續(xù)治療計劃，為人類醫(yī)生提供不少借鑒。

沃森的拿手好戲不僅在于醫(yī)學影像，它還是一位腫瘤專家，有著超強的“特異功能”：它可以在17秒內閱讀3469本醫(yī)學專著、248000篇論文、69種治療方案、61540次實驗數據和106000份臨床報告。說句實話，這個閱讀量對于大部分人來說，那是幾輩子都做不到的事?。?012年，它通過了美國職業(yè)醫(yī)師資格考試，曾10分鐘診斷出一名60歲女性患有罕見白血病，10秒鐘開出了一張胃癌局部晚期的診療方案分析單。10秒鐘，對于人類來說，好像也就是發(fā)個呆，或者瀏覽一下書籍目錄的時間。這么短的時間內，一部機器能做什么呢？它能翻閱超過300份權威的醫(yī)學雜志、200多種教材，1500多萬頁資料，最后還貼心地為中國患者翻譯成了中文。據沃森健康官網介紹，沃森腫瘤的治療方案與頂級人類專家給出的治療方案非常契合，符合度達到了90%以上，無論是肺癌、乳腺癌，還是直腸癌、結腸癌、宮頸癌或者是胃癌，它都有所涉獵。

對于病人來說，沃森還可以解決醫(yī)生們“眾口不一”的難題。在我們日常生活中，即使是小毛小病，醫(yī)生們的建議都可能不一樣：到底是打針、掛水還是吃藥，到底聽哪個醫(yī)生的，有時我們會非常困惑。而當有人遇到了大病，就更加難以抉擇了，有的醫(yī)生認為吃藥可以解決，有的醫(yī)生認為必須要進行手術，這種選擇就不僅僅是“選擇恐懼”了，而是性命攸關的大事。而沃森“醫(yī)生”則能給患者更加全面的方案，在它給出的診斷報告中，用綠色、黃色、紅色分別標明了推薦、可考慮、不推薦的方案，而且每個方案都清晰地標明了來歷、出處、所引用的指南或者是臨床研究的證據，而且它所引用的方案有的還是美國頂級醫(yī)院開出的方案，患者不出國門就能得到美國醫(yī)生的建議，從而幫助患者做出選擇，減少因猶豫徘徊而浪費的時間。在國內，已經有超過200家醫(yī)療機構“聘用”了這位沃森醫(yī)生，23個省45座城市的醫(yī)療機構都已與它簽約，這位機器人醫(yī)生正在慢慢展現著它的實力。

當然，對于這位“沃森”醫(yī)生是否真的可靠，也是眾說紛紜。雖然它有出色的實驗結果，但要真正實現技術落地也還有一段路要走。據稱，沃森健康曾經歷過一次大規(guī)模裁員，證明IBM在醫(yī)療領域遇到了不小的難題。而“沃森”醫(yī)生推薦的癌癥治療方案也并非百分百可靠，沃森應用于臨床的時機尚未成熟。根據美國醫(yī)療健康信息網站STAT的一份報告稱，IBM沃森健康公司的一些產品，比如沃森腫瘤（Watson for Oncology），并沒有達到預期的效果。在沃森腫瘤在投入使用近3年后，一些醫(yī)院發(fā)現沃森偏重于美國的治療方法，并不符合當地的實際情況。而且它在學習不同類型的癌癥方面遇到了困難。也正是因為“沃森”醫(yī)生的種種負面消息，使醫(yī)生們在使用“沃森”時產生了不小的猶豫，甚至它被視作醫(yī)療界的一個“笑話”。但是，新事物的誕生總要經歷不小的磨難，沃森腫瘤還在初級階段，人們不應放棄或是嘲笑它，應該多給一些時間與耐心，以待它未來的成熟。

機器人診病離我們還遠嗎？2017年，人工智能在滿分600分的情況下，以456分的優(yōu)異成績，通過了國家職業(yè)醫(yī)師資格考試。這一成績高出合格線96分，在所有考生中名列前5%！這意味著什么呢？這意味著人工智能已經具備了當優(yōu)秀全科醫(yī)生的潛質。如今打著“輔助診斷”旗號的人工智能，未來是否將超越診室醫(yī)生，取而代之？這一切都還是未知數。