在科幻电影《星际迷航》中，大副史巴克对敌受伤后回到飞船上，医疗官连纳立即使用一种智能设备扫描他的身体，并通过科学分析仪上的读数来了解他的关键生命体征，这种令人叹为观止的先进科技让很多人都停留在科幻制作中。如今，这样的智能技术已在现实中得到很好的应用。

做医生做不到的事情

2016年8月IBM人工智能机器人Watson仅用十分钟就为一名66岁的女性患者诊断出一种罕见的白血病，而在几个月前，该患者还曾被医院误诊。在经过多次的化验和体检后，日本东京大学医学研究院的医生诊断她患上了急性骨髓性白血病，但在经历各种治疗后，效果并不明显，病人的情况出现了恶化并逐渐开始丧失意识，这让主治医生得出不可治愈的结论，打算对病人放弃治疗，无奈之下他们请来了Watson帮忙。

东京大学医学院研究人员Arinobu Tojo表示，Watson通过分析患者病例资料与2000万份癌症研究报告和论文进行比对，最后给出结论：患者确实患上了白血病，但不是急性骨髓性白血病，而是一种罕见的白血病。同时Watson还给出了有针对性的会诊建议和治疗方案，最终66岁的高龄患者获得了救治，弥补了医生对罕见病及疑难杂症思虑不周的过失。

据了解，Watson是IBM旗下的一款认知型人工智能，与其他计算机不同的是它可以通过自然语言理解技术和处理结构化与非结构化数据的能力理解人们的正常语言交流，掌握海量的非结构化信息，并用与人类极其相似的方式来回答问题。例如，它能够自主学习医学专著、影像等大数据资料，进而对医学影像深度解读，然后给出诊断和用药方案。这是像血糖仪、CT、核磁共振等计算机辅助医疗设施所不能比拟的，一台核磁共振只是机械的将人体机能信号转化为可视化的影片供医生诊断参考，并不具备自主学习的能力，检测100个患者和检测10个患者对它来说并不能获得“智力”上的增长。

人工智能则不同，它可以用模拟人类大脑神经元的方式进行“深度学习”，从大数据中发现规律，归纳总结出带有规律性的差异，从而像人类一样掌握思考和判断的能力。和人类相比，人工智能可以快速、高效处理海量数据信息，并迅速给出诊断结论。Watson可以在17秒内阅读3469本医学专着、24.8万篇论文，69种治疗方案、61540次试验数据、10.6万份临床报告，并最终给出优选的治疗方案。最典型的例子是，美国斯坦福兼职教授Thrun 从皮肤癌入手，使用经皮肤病专家诊断的 14000 张图像，来看这个“深度学习”系统是否能够准确地将图像分为 3 个诊断类别：良性病变、恶性病变和非癌生长，结果这个系统的正确率为 70%，而两位皮肤病学家的正确率为 66%，人工智能诊断的准确率已超传统诊断方法。

通过汲取海量医学数据（知识）Watson可以在短时间内可以迅速成为肿瘤专家，拥有更强大脑的癌症专家。“而培养一名普通医生在中国则需要5年本科学习，3年的住院医师规范化培训，结业考核合格后，即具有医生的从业资格，如全科医师。这样算下来最短年限也要8年，而培养一名优秀的医生最短则要16—18年。”中国医师协会会长张雁灵说。

然而一个中国家庭培养一名医生需要花多少钱呢，笔者粗略地算了一下，从进入幼儿园之前到临床医学本硕博八年连读约30—36年平均需要花费830，200元。在日本，培养医学生的花费则是普通学生的两倍。显然，培养一个人工智能所花费的成本要远低于培养一名人类医生。

据IBM判断，在2020年，医疗数据每73天就会翻一番。医生若想学习最新的医疗知识，每周需花160小时，而Watson在15秒内就可以读取4000万个文件，学习速度之快极大的帮助了人类提高医疗效率。

与人类协同发展改善医疗环境

面对医疗人工智能的优秀表现，多伦多大学计算机科学家Hinton说：“医院无需继续训练放射科医生了”。李开复认为10年内50%的工作将被人工智能做取代，其中就包括放射科医生，因为他们的看片能力不如机器人。不过，IBM并不打算用Watson取代人类医生，它只负责给出建议，最终的决策，仍需要医生负责。

IBM大中华区董事长陈黎明表示，人工智能可以增强和扩充人类在专业知识方面的学习能力，与人类合作解决人类和机器无法单独解决的问题。

前百度自然语言处理部资深研发工程师张超认为：“在记忆维度，机器要比人厉害；只要灌输给机器足够多的知识，机器可以代替人们来搜索各种可能，最后辅助医生。”以往医生都是凭借“肉眼”和经验去观察病理影像并判断病情，现在凭借人工智能可以发现人眼不易察觉的小细节。

66岁的帕姆患转移性膀胱癌8年，尝试过许多不同的疗法，一直没有痊愈。医生提出用Watson试图去发现诊断中的一些医生可能会忽略的东西。在看了来自不同患者的上万张肿瘤扫描的图像后，Watson在帕姆的肿瘤扫描片中标出了一段突变基因，这是医生之前没有发现的，随后医生根据这个发现制订了新的诊疗方案。

如今，这套系统已经引进中国，将用认知计算技术助力中国医疗事业发展。据统计，目前中国有约3.3亿的高血压患者，近1亿糖尿病患者，近1亿慢性呼吸病患者，每年有400万左右新发的肿瘤患者。尽管这些疑难病症由顶级医生和研究人员组成的团队也能诊断和治疗，但他们确诊的速度会比较慢，不可忽视的是这些患者每年要去医院接近70亿次，而接近70亿次的就诊背后意味着没有足够的专家资源来帮助每个病人。

目前，由于中国面临优质健康医疗资源配置不均衡，专家医生主要集中在一线城市的三甲医院，而三线城市及老少边穷地区却无人问津，不管大病小情人们都喜欢去大医院挂专家号，严重侵占了有限的医疗资源。虽然中国在试图用远程医疗来解决问题，但是远距离诊断、治疗和咨询同样会受到资源不足的限制，一个医生一次只能面对一个病人。陈黎明表示，Watson的出现将有可能改变这种局限，促进分级诊断的发展。将来不管是在基层社区医院还是边远山区都可以享受到一流的“专家”服务。试想一下，计算机可以看得懂所有化验报告等，那么医院就可以获得等同于三甲医院的服务，还可以同时服务几百上千名患者。

据悉，中国已有21家医院计划使用经由纪念斯隆-凯特琳癌症中心训练的IBM Watson肿瘤解决方案，以期基于此认知计算平台助力中国医生获得个性化的循证癌症治疗方案。最初参与使用的21家医院将作为业界示范，更好地将Watson肿瘤解决方案在中国各地医院中进行推广。

例如，广州市妇女儿童医疗中心，自主开发了一款儿科发热相关的疾病智能诊疗助手。利用大量高质量病历数据的优势，以真实的海量临床电子病历大数据为基础，融合临床指南、专家共识和医学文献，结合分析和深度学习技术建立多维度诊疗模型，对病历进行大量标注工作，通过人工智能提供初步的诊断提示，提高患者和医生的寻医问诊效率。项目自去年8月份上线以来，随着逐渐融入医生的工作流程，其准确率也在逐渐提高。对200份病历的数据分析显示，这个系统目前大约可以达到中级医生的水平。

作者简介：

Judge，科学学特约记者。

编辑 / 张洪瑞

美编 / 九夏