前不久，在央视《机智过人》录制现场，有一台阅片机器能在30套患者肝部CT图像中准确判断出有病灶的图像。这台神奇的阅片机器就是由中国科学技术大学安虹教授团队与中科曙光、健培科技联合研制的科技产品。

　　安虹告诉《瞭望》新闻周刊记者，在与医生团队的PK中，这台阅片机器表现惊艳。参与央视本次节目录制的人工团队是平均具有15年以上医学影像诊断经验的主任医师。“人工团队中有一位医师，他22年来总共看过20多万张片子，经验丰富。但这台看片机器只花了一个多月的时间，在后台做了一万多套CT数据源的训练。”

　　人工智能除了应用到医学影像处理领域，还将怎样改变医疗行业？近日，科大讯飞与清华大学联合研发的人工智能“智医助理”机器人参加了2017年临床执业医师综合笔试测试，“智医助理”机器人取得了456分的成绩，超过临床执业医师360分的合格线，属于考生中的中高级水平。此外，前不久阿里健康与浙江大学医学院附属第一医院等三家医院签约，也是看中了智慧医疗市场的巨大潜力。

　　不过在被采访专家看来，由于人工智能目前发展的局限性，现在还主要用做辅助医疗，并不能替代医生的工作。

　　机器“看”片已媲美医生 

　　随着人工智能算法和硬件的逐渐成熟，基于深度学习的医学影像识别技术正蓬勃发展。在前不久上海交通大学闫维新团队和某医院影像科医师团队的切磋中，人工智能系统在直肠癌影像识别率上已略高于医生团队，在识别速度上则远高于医生。

　　闫维新认为，机器看片系统，有其现实需要的紧迫性。一方面，它能高效率处理医疗影像图片。目前各大医院每天产生海量的数据，其中85%～90%的数据是CT、核磁共振、B超的医学影像数据，这些都需要人工阅片。“以上海胸科医院为例，2016年胸外科患者12000例左右，肺癌患者8000例左右，这些都需要医师对每个患者的CT片进行读取和识别，而影像科医生仅20人左右，工作量大且繁复。”闫维新介绍。

　　从事胶囊内镜机器人研发的安翰医疗副总经理郇丹丹告诉记者，胶囊内镜机器人在胃部、小肠内拍的照片大概有两万多张，医生需要看大量的照片判断病灶，现在通过与IBM的医疗影像认知分析技术结合，能够帮助消化科医生更准确快速地作出判断，降低了医生的阅片量。

　　另一方面，机器看片系统可以辅助医生提高阅片的准确率。医师通过经验判断病灶的位置，但由于技术水平、从业经验差异，医生看片的准确率和效率并不稳定。“保守来说，一个医生一天可能要看80套片子，一套里面有几百张图片，在512×512像素图片中，要人工找出四五个像素的小毛病非常困难。”安虹说。

　　机器却很容易做到。在国际医学影像领域的权威评测LUNA肺结节检测任务中，一例1.25mm层厚的CT一般包含200多张影像，每张影像大小一般为512×512像素，而小的肺结节直径仅有4个像素。

　　今年8月，科大讯飞医学影像辅助诊断系统在LUNA检测任务中获得平均召回率94.1%的检测效果。科大讯飞智慧医疗事业部总经理陶晓东介绍说，LUNA检测任务中的平均召回率可以理解为系统在识别结节时候的准确率，召回率低意味着系统会漏掉患者的关键病灶信息，对患者的健康造成很大隐患。

　　机器通过已有的大量医学图像快速学习，可以达到对医疗图片的自动判断。那么这一过程是如何实现的？

　　“设计好机器看片的人工神经网络后，将其放到Caffe等深度学习框架里面，通过大量的数据进行训练，训练完成后机器就能够判断新患者的数据。”中科曙光智能计算技术总监许涛告诉记者。

　　安虹认为，医生跟机器PK，其实是医生跟更多一流医生在PK，在《机智过人》中的看片机器，就是用一万多套CT数据源去做训练，而这些数据是经过专业医生筛选的具有明显特征的病灶图片。

　　“这一万多套CT数据源，由人工圈画出病灶后放到机器里面，机器会自动训练，长时间训练后机器会判断出哪些照片是有病灶的，哪些照片是正常的，这是一个正反馈的过程，随着有用数据量的增加，训练结果会持续改进，机器将变得越来越智能。”许涛说。

　　“超级医生”或成为可能 

　　斯坦福大学人工智能与伦理学教授杰瑞·卡普兰（Jerry Kaplan）在《人工智能时代》一书中这样写到，“从患者的角度出发，其心中的理想医生一定是一位精通所有专科领域的超级医生，他掌握着所有最新的医疗信息以及最佳的实践经验及方案。”但“这样的人并不存在”。

　　在人工智能助力下，“超级医生”或许会变为现实。“人工智能前沿应用之一就是智能诊疗。”中科院自动化研究所所长徐波告诉记者，人体是自然界最复杂的系统之一，影响健康的因素非常多，有遗传基因以及环境因素等，用人的智慧经验，有时候很难准确判断导致疾病的主要病因。应用人工智能，却可能突破人类认知的极限。

　　在2017年云栖大会智慧医疗论坛（下称“云栖大会”）中，美国医学与生物工程院院士、中国科学院健康信息学重点实验室主任张元亭介绍，遗传学和基因组学将受到人工智能的重要影响，它可以基于患者自身具体条件，给出特定治疗方案。

　　基因测序可以用于肿瘤或罕见病的治疗，随着全基因组的测序成本不断下降，基因测序将得到广泛应用。单个人基因测序数据大概是100GB，如果针对人群大队列的数据分析，则是非常海量的数据。“我们现在做的工作主要是对基因测序等生物医学信息进行处理，将来可以实现人工智能对快速基因测序的支持。”许涛介绍。

　　人工智能在疾病评估及预警方面也将发挥重要作用。以心脑血管疾病为例，虽然发达国家经过近半个世纪的努力，使心脑血管发病率下降30%～50%，但急性心脑血管事件造成的死亡事件并没有改观，有66%冠心病发作的患者在到达医院之前死亡。

　　“70%的心肌梗死、中风等重大心脑血管急性事件是由易损斑块破裂、血栓形成所导致。利用可穿戴智能技术与生物传感技术，可以实现斑块破裂诱导因子无创实时监测、斑块破裂定量风险评估，在智能机器帮助下达到斑块破裂实时预警效果。”张元亭介绍。

　　人工智能在药物研发领域亦有广阔的应用前景。“药品研发费用投入非常大，世界上研发支出前十名的公司里，有7家是医药公司，辉瑞大概一年投入70亿美元的研发费用，几千人去做，可能几年都做不出一个新药，现在可以通过人工智能模拟实验室化学反应，大大降低了研发成本。”云栖大会上，辉瑞生物制药大中华区副总裁谷成明提到。

　　清华大学国家实验室生物信息学部研究员谢震同样认为，人工智能的算法可以帮助人们寻找合适的药物靶点，原理设计药物小分子、蛋白、抗体，减少药物研发过程中大规模筛选的成本。

　　人工智能用于临床还需跨过几道坎 

　　我国基层医疗条件不足，而人工智能可以弥补这一短板。在云栖大会上，浙江大学医学院附属第一医院院长王伟林表示，浙江省70%的三甲医院集中在杭州，浙大一院每年接诊患者近70%来自外地。医学人工智能技术是解决基层医疗服务能力不足、提高高危疾病早期筛查能力的有效手段。

　　“在智慧医疗方面，阿里健康希望利用AI技术，把专家知识变成普惠的AI能力，帮助基层医生更好地诊疗疾病。”阿里健康CEO王磊告诉记者。

　　许涛认为，机器看片完全可以应用到现实的临床医学，患者可以把影像信息通过网络发送到机器端，机器判断以后把结果再发送回去，这对偏远山区或是医疗条件不太好的地方非常有利。

　　机器看片等人工智能应用于医疗，其中很多诊断算法已经超过普通医生水平。但为什么还没应用到临床？受访专家普遍认为，由于存在诸多挑战，人工智能现在能做的还仅是辅助医疗方面。

　　首先，目前高质量数据共享难题亟待突破。“医生水平如何，第一看知识，第二看经验，人工智能辅助医疗也是看这两点，通过机器学习各种文献、诊治指南和临床路径，机器在知识量的积累方面不存在问题，问题在于机器能获得多少经验。学习各种临床医疗数据能够产生经验，我们给机器什么样的数据，机器就产生什么样的经验，但是现在掌握高质量数据的机构并不都愿意共享数据。”谷成明说。

　　其次，“黑盒模型”难题有待破解。“医生看片是凭借片子中很多明显的特征来做判断，知其然也知其所以然。人工智能神经网络是用另外一种方法，人类还不知道其中是怎样运作得出判断结果的，这就是黑盒模型。”徐波介绍说。

　　“机器看片能诊断是否患有癌症，但不能给出解释性的诊断。人工智能知其然但不知其所以然。”徐波认为，作为物理世界的关键应用，人工智能在临床医疗中是有心用不敢用。“出错了谁来负责？必须要把黑盒模型这一问题解决掉。”

　　再者，目前人工智能辅助诊疗系统进入医院还面临很大门槛。闫维新提到，国家食品药品监督管理总局发布的《医疗器械分类目录》中，人工智能医学影像分析系统不在医疗器械名录内，这就意味着很难获得医疗器械注册证，也难以上市销售。

　　闫维新告诉记者，机器看片等要在医院为患者提供服务，必须有相关部门核定的收费标准，但由于人工智能辅助医疗的收费标准不在公立医院诊疗收费项目名录内，导致人工智能诊疗系统开发公司或机构无法收取费用。

　　谈到人工智能会在多大程度上替代医生时，陶晓东等受访专家认为，人工智能应当作为一种工具为人所用，在医疗领域真正地辅助医生、患者及管理人员，而不是取代行业从业者。

　　虽然人工智能不能完全独立执业，但在它的配合下，医生的诊疗效率将极大提高。徐波告诉记者，机器可以辅助医生看片，当人与机器的观点不一致时，还可以请第三个水平更高的专家来诊断。□