關于醫療+AI，人人都能評論幾句。
但事實上絕大多數人并不清楚AI在醫療領域能做什麼，更别說怎麼做，面臨哪些挑戰。
在日前結束的圖像計算與數字醫學國際研讨會（ISICDM2017）上，430多位來自資訊科學（含計算機與電子工程等學科）、數學與醫學等領域的專家學者與臨床醫生聚首成都，圍繞人工智能+醫療、醫學圖像分析等話題展開了深入的交流與探讨。
作為本次大會的獨家媒體，雷鋒網對多位專家進行專訪，并全程記錄了各個精彩報告。
大會首位演講嘉賓中國藥科大學校長、德國國家科學院院士來茂德教授，發表了題為“醫學+AI”的報告演講，奠定了大會基調。
随後，南方醫科大學教授、科技部國家“973”計劃首席科學家陳武凡；北京理工大學教授王湧天；清華大學教授、中組部千人計劃特聘教授廖洪恩；微軟亞洲研究院副院長張益肇分别就“基于統一疊代模組化與多源先驗限制的高分辨醫學成像研究”、“混合現實引導精準診療研究”、“醫學三維成像與數字精準診療”、“弱監督學習在醫療影像中的探索”四大議題做了深度報告。
來茂德校長首先肯定了人工智能技術在醫學領域的應用前景，但他同時也指出，人工智能不能代替醫生。未來人工智能在醫療領域将主要起到輔助診斷的作用。來茂德教授認為，醫學+AI的基本前提是有真實、完整的資料，目前國内在這方面還有所欠缺。
他一再強調，人工智能應用于醫學領域需要多學科交叉合作。沒有高水準的專業化的醫生深度參與，人工智能不可能進入醫院落地應用。
最後來茂德教授提議，國家應該啟動人工智能方面的重大研發計劃，組織各領域有基礎的學科強者，組建一支真正的研發團隊。他認為，隻有這樣才能真正實作人工智能醫療技術上的突破。
以下是來茂德教授的報告内容，雷鋒網(公衆号：雷鋒網)做了不改變原意的編輯，并由來茂德教授親自審文确認：
科學界有個規矩，跨界的話不能亂說。
作為學醫的，盡管與人工智能方面的學者有7年的工作合作，但嚴格說我不懂人工智能，是以我接下來盡量講一些人工智能和醫學相結合的東西。我分享的題目是“醫學+AI”，下面我将以一個病理科醫生的視角談談這個問題。
人工智能概念是1956年提出來的，到去年正好60年。中國人稱60年為一個甲子，一個甲子就是一個輪回。
我覺得，人工智能最火熱的時候我們反而要理性對待，認真思考人工智能到底能做些什麼。但今天我隻能談談人工智能在醫學方面的應用，其他領域不敢亂講。
據報道，張首晟先生有一個觀點，說人工智能有三大核心——晶片、資料和算法。他認為人工智能要進一步發展，就必須三方面緊密結合。算法由大學裡的教授負責，企業負責收集資料，至于晶片，現有的技術已經夠了。
對于緊密合作這個觀點，我深表認同。
那麼，我們又該如何看待人工智能在醫學專業的應用呢？人工智能應用于醫學領域，到底是AI+醫療，還是醫療+AI？我認為，一定是醫療+AI。
前幾年流行網際網路+，國内辦了很多網際網路醫院，但迄今為止有成功的嗎？現在包括香港媒體在内的很多國内媒體又在宣傳，說人工智能來了很多崗位都要失業；說未來人類不用幹活，隻需要“enjoy your life”。
有一則新聞說人工智能即将取代醫生，這則新聞裡寫道“病理學家的診斷準确率為73%，而人工智能的準确率卻達到了89%”。很多媒體和院士專家都這樣講。讀者閱讀時也不看上下文，不去思考73%和89%到底代表什麼？其實這則新聞後面還有一段話，“人工智能的假陽性誤判也比較多，平均每個切片有8處，而人類專家完全沒有假陽性誤判”。這則新聞說的是乳腺癌腋窩淋巴結轉移的診斷，淋巴結轉移說明癌症已經不是早期，而是到了進展期（晚期），需要做化療。乳腺癌早期是不需要做化療的，假如因為機器誤判對病人做了化療，導緻病人去世，該由誰來負責？我們必須用科學的态度看待這個問題。
人工智能到底能不能取代醫生？部分取代是可能的，但涉及人與人之間感情交流的部分無法取代。簡單來說，人工智能是利用機器模拟人類智能的技術，可以實作替代人類完成部分體力勞動。但醫學是一門人學，涉及人與人之間的交流。我相信在座各位沒一個敢讓機器給自己看病。
我看過很多醫療+AI方面的報道，其中有篇介紹了經綸世紀CEO的一個演講，我認為他的觀點是比較客觀的。他提到，人工智能在醫學領域的應用分深、淺兩個層次。淺層次的應用就是，用計算機通過深度學習算法對高品質的資料進行挖掘和計算，最終解決實際問題。深層次的應用則要建立規則，通過專家系統，實作輔助診斷和治療。
國外有一個很好的例子。有一個研究團隊在《Nature》發表了一篇論文，受到人工智能和醫學界的雙重關注。這篇論文中的研究基于差不多13萬張圖檔，涉及2000餘個病種，而且每一個病種都有病理活檢診斷。21名執業皮膚科醫生參與了這項研究，此外還有工程人員和病理科的醫生，也就是說進行這項研究的是一個非常多元化的團隊。在這個團隊裡，病理科醫生負責解決病理方面的問題，臨床醫生解決臨床方面的問題，工程人員則負責解釋算法；大家各司其職，隻有這樣才能取得比較理想的成果。
十年後人工智能可以發展到什麼程度誰也說不定。是以我們對人工智能在醫學領域應用的探讨必須限定在目前階段。我認為，現階段人工智能在醫療領域的主要作用是輔助診斷，幫助醫生減去部分工作量。要知道，國内的醫生——尤其是三甲醫院的醫生，工作強度非常大。
很多人說，人工智能技術發展成熟後，醫生都要失業。我認為，有了成熟的輔助診斷系統後，可能有一部分醫生的确會失業。但初級醫生不會失業，因為他要負責很多雜七雜八的事情，這些事情必須要有人做，而且技術含量不是很高；進階醫生也不會失業，因為他需要做最終的确診。真正可能失業的是那些不努力幹活的中級醫生。
人工智能應用于醫療領域的兩大前提
那麼，如何将人工智能應用于醫療領域打造成熟的輔助診療系統呢？我認為有兩個前提：
一、提升醫療資料的可靠性。
AI輔助診斷首先要通過多個學科合作，針對每一種疾病建立規範的診療流程，産生合格的資料。為什麼現在有很多AI輔助診斷産品，但效果都不理想，原因就在資料。
我國的計算機語音識别系統水準很高，比如科大訊飛的語音識别系統。有了成熟的語音技術之後，我們可以在醫生口袋裡放一個語音轉錄裝置，邊走邊将醫生和病人的對話記錄下來，生成電子病曆，大幅減少醫生的工作量。
我印象很深刻，我89年去德國的時候，他們病理科醫生就不需要自己寫病變描述和病理診斷。醫生的辦公室裡有一個裝置，用腳踩下去之後錄音機就開始錄音，錄好音後再交給秘書，讓她們将錄下的内容打出來，醫生再校對。我覺得，未來人工智能在這方面有很大的發展空間。
此外，還需要多個學科通力合作，打造高水準的專家系統。參與系統打造的一定要是經驗豐富的高水準醫生。年輕醫生還有很多東西沒有搞清楚，無法勝任。
二、完善醫療應用平台。
有人認為，人工智能在醫療領域的應用可以分為三個層次。
最底層的是醫療資料和計算能力，計算能力方面，目前工程類的計算機教授已經可以勝任；但醫療資料還存在很大的問題。
第二層是技術層，包括算法架構和通用技術，國内的專家也能搞定。
第三層是應用層，目前我們已經能夠設計出比較好的醫療解決方案，但還缺少一個完善的醫療應用平台。
我認為，人工智能技術應用于醫療領域，既要有科學家和醫生參與，也要有來自政府的幹預。我們知道，香港特區的所有公立醫院使用的是統一的資訊系統，但大陸醫院還是各幹各的。沒有統一的系統，資訊和資料就無法共享。
現在的人工智能熱潮，和八十年代末人們熱炒人類基因組計劃類似。所謂人類基因組計劃，就是把人類DNA中的30億個核苷酸一個個排列出來。當時人類基因組計劃分為兩大陣營，其中一方的代表是現任NIH主任Francis Collins上司的國際大合作，另一方的代表是塞雷拉基因組公司創始人Craig Venter。兩大陣營争持不下，直到當時的美國總統克林頓出來“當娘舅”。雙方這才為了全人類的共同利益聯手，人類基因組的架構得以搭建。
關于人類基因組計劃，當時有兩句著名的評價——“decoding the code of life”和“a milestone for humanity”。今天再回頭去看，發現第一句評價是錯的，至少是僅說對了一小部分。當時，我們以為将人類基因組核苷酸一個個排列出來之後，就了解了關于人類生命的所有事情，但事實上我們才剛剛邁出第一步。大家都說現在是人工智能時代，但我們仍然應該常常回顧曆史。隻有這樣才能夠更好地認識現在，正确地看待人工智能，了解人工智能到底是在怎樣的階段。
下面談談人工智能具體可以應用到醫學的哪些方面。我認為人工智能在醫學領域的應用可以分為以下四個方向：
第一，醫療圖像，包括X光、CT、病理切片等等。我認為，所有需要用到圖像的學科都可以聯合起來共同做研究。現在大家都在熱炒，通過眼底圖像對糖尿病進行早期篩查。中國人口基數大，醫療影像資源非常豐富，假如能把圖像的采集工作做好，前景十分看好。
另外，人工智能在心電圖、内窺鏡和皮膚病等領域也有很好的應用前景。現在病人去皮膚科看醫生，大部分診斷結果都模棱兩可。因為很多皮膚科疾病特異性不大，即使病理科醫生做組織活檢也看不清楚，難下診斷。如果能用人工智能技術對皮膚病變做定量化分析，意義将十分重大。
第二，用人工智能進行組學資料分析。通過可穿戴裝置和移動互聯實作健康管理。基于發病資訊等，用大資料預測流行病的發展趨勢。
第三，用人工智能幫助手術機器人尋找最優的手術方案。
第四，新藥研發，特别是确定藥物先導化合物的結構。人工智能用于新藥研發，大緻分兩個方面：一是通過學習已知藥物，對藥物結構進行改進，開發新藥。已知藥物的資料庫越大，學習出來的效果就越好。二是基于已知藥物與大分子的結構，分析藥物除了作用于已知蛋白質外還作用于哪些靶點。
去年下半年，有人想引進一項新技術來咨詢我，宣稱這項新技術可以将新藥研發時間縮短三分之二。我認為這是不可能的，除非人人都願意做小白鼠。新藥研發除了前期的研發工作，還要做臨床試驗。即使進入I期臨床試驗的新藥，也有85%以失敗告終。人工智能理論上可以促進新藥研發，但實際效果還存在疑問。不過可以明确一點，并非使用了人工智能技術，新藥自然而然就出來了。
人工智能應用于醫學領域，缺少真實完整的資料
人工智能技術很好，讓大家看到了很多希望。但人工智能應用于醫學領域，還需要解決基礎資料的問題。醫療資料要真正發揮作用，必須真實完整。沒有可靠的資料，一切都是零。
可能很多人不知道，國内的醫療資料是最不齊全的。另外，醫院的資料也并不可靠。由于各個醫院的水準、标準和裝置等存在差異，同一個病人做兩次化驗，結果很可能不一樣。不同實驗室做出來的化驗結果也可能是不同的。
醫生是否認真記錄，也會對資料的完整性和可靠性造成巨大影響。國内醫院——尤其是比較好的醫院，醫生都很忙，不可能詳細記錄所有資料。未來，語音識别技術成熟後，将為醫生收集資料帶來極大的便利。
最後，跟大家探讨一下，如何将AI技術應用于病理學。
我認為，未來的病理學一定是整合病理學。病理學創立之初，醫生根據器官的變化來診斷疾病；顯微鏡發明之後，病理學進化成了組織病理學；随着電子顯微鏡問世，組織病理學又進化成了亞細胞病理學。70年代，免疫組織學發明和應用以後，推動了惡性良性腫瘤的分類和分型；如今分子生物學也得到了廣泛的應用。二代測序應用後，分子病理學得到了極大的發展。由于高清晰的掃描器的應用，使掃描病理切片用于診斷和研究成為可能。
接下來，病理學将進入人工智能時代。近幾年誕生了很多新名詞，但這些名詞還沒有清楚的定義。什麼叫數字病理，什麼叫病理的人工智能，二者之間并沒有明确的區分。我們首先要把這些名詞定義清楚。
近幾年，免疫治療發展迅速，我認為對惡性良性腫瘤免疫特征的分析将成為未來的重要發展方向。如今網絡速度非常快，數字切片掃描完後可以輕松地将影像分享出去。通過數學模組化，我們可以對影像中的癌細胞及其分布進行分析，探究這些數字名額與病人預後之間的關系。但這些工作需要病理科醫生的協助，假如病理科醫生不願意花時間做這些事，人工智能在病理學的應用就無法推進。
病理學系統非常複雜，機器人不可能代替所有病理科醫生。現階段，我們應該重點推進以下領域的多學科共同發展，并最終将結束落地，應用到病理診斷上去。
首先是病種診斷的規範化。每一個病種應該怎麼診斷，都要建立明确的規範，如乳腺癌，肺癌，大腸癌等。其次是細胞學診斷，比如宮頸癌的脫落細胞學篩查。實際上，醫生沒有那麼多時間仔細看每一張圖像，那麼能不能把很明确的圖像剔除，隻讓醫生看有疑問的部分，減輕醫生的工作量呢？要實作這一目的，就要提高系統的敏感性，同時降低其特異性。我們可以多冤枉幾個“好人”，但決不能放過一個“壞人”。因為如果漏讀了癌症患者，病人很可能會錯失最佳治療機會最終殒命。
另外，有絲分裂計數，Ki67陽性細胞的計數，惡性良性腫瘤的分級等也應該近期能開發，并應用于病理診斷工作的項目。
我們還可以用人工智能對惡性良性腫瘤進行預後分析。比如剛才講的Nature上的這篇論文的研究，用到了兩種資料——TCGA網絡資料和斯坦福的組織切片資料，這些資料中标記了9879個圖像特征資料。根據這些圖像的特征資料，可以對病人分類，分成預後好的和預後壞的。
最後，我要再次強調醫生參與的重要性。沒有醫生的認真和深度參與，人工智能很難在醫學領域落地應用。要知道，AlphaGo用了1200多個CPU和176個GPU，學習了15萬名職業棋手和百萬餘業餘棋手的棋譜，才有了今天的成就。大家都知道ImageNet，裡面有1500萬張來自160多個國家的經過标記的圖檔。這些圖檔是近5萬名工作者花了兩年時間從10億張圖檔中挑選出來的。沒有這些基礎工作，人工智能不可能達到今天這樣的高度。
簡單概括一下：
一、人工智能在醫學領域有廣泛的應用前景，但人工智能不能代替醫生。因為醫學是人學，醫生需要跟患者交流才能下診斷結論。
二、人工智能應用于醫學領域需要多學科交叉合作。沒有高水準的專業化的醫生深度參與，人工智能不可能進入醫院落地應用。醫院裡有些醫生精通淋巴系統，有些專攻消化系統或呼吸系統疾病，他們都不是全能的。打造人工智能醫療系統一定要和專科醫生合作，隻有這樣才能真正做好。現階段的工作重點是建立高品質的資料集，在此基礎上落地一些對老百姓真正有用的産品。
三、國家需要啟動人工智能方面的重大研發計劃，組織各領域有基礎的學科強者，組建一支真正的研發團隊，隻有這樣才能真正實作技術上的突破。這個應該是國家相關部門有計劃的組織，而不是“自由”申請。
本文作者：劉偉