人工智能在醫(yī)療領(lǐng)域的應(yīng)用前景和現(xiàn)狀

在過去幾年里，一些基于深度學(xué)習(xí)的研究成果已經(jīng)在前沿的同行評審醫(yī)學(xué)雜志上發(fā)表。許多醫(yī)學(xué)界人士坦言，深度學(xué)習(xí)在醫(yī)療領(lǐng)域應(yīng)用的效果令他們感到驚訝：人工智能已被證明能夠診斷某些類型的皮膚癌，甚至可能比專業(yè)的皮膚科醫(yī)生做得更好；能夠像心臟病專家一樣識別特定的心律失常；能夠像資深的放射科醫(yī)生和病理科醫(yī)生一樣，解釋醫(yī)學(xué)掃描結(jié)果或病理片子；能夠像眼科醫(yī)生一樣診斷各種眼科疾病；還能夠比心理醫(yī)生更好地預(yù)測自殺。這些技能主要用于模式識別，機(jī)器通過在數(shù)十萬乃至數(shù)百萬樣本中進(jìn)行訓(xùn)練后，能夠?qū)W習(xí)這些模式。基于文本、語音和圖像數(shù)據(jù)的學(xué)習(xí)使得這些系統(tǒng)越變越好，其錯誤率遠(yuǎn)低于5%，超過了人類的閾值（見圖1-3）。盡管深度學(xué)習(xí)必然會有局限，但我們目前尚未觸及。人類會疲倦，會有不順的時候，會受情緒波動、睡眠不足或心煩意亂的影響；但機(jī)器不會，它們很穩(wěn)定，可以夜以繼日、毫不間斷地工作，而且從不抱怨。因此，這也會引發(fā)我們對未來醫(yī)生角色的思考，以及對人工智能可能會帶來的不可預(yù)見的影響的思考。

圖1-3　人工智能與人類在圖像（左圖）和語音（右圖）解釋方面的對比

資料來源：左圖改編自V.Sze et al.,“Efficient Processing of Deep Neural Networks: A Tutorial and Survey,”Proceedings of the IEEE (2017)：105(12) 2295-2329；右圖改編自“Performance Trends in AI,”Word Press Blog (2018)。

我認(rèn)為，基于深度學(xué)習(xí)的人工智能不能解決當(dāng)前醫(yī)療健康領(lǐng)域的所有問題，但表1-1所呈現(xiàn)的人工智能的廣泛應(yīng)用著實(shí)讓人期待。隨著時間的推移，人工智能將幫助我們實(shí)現(xiàn)這些目標(biāo)，但這必將是一場沒有終點(diǎn)的馬拉松。

表1-1　醫(yī)療行業(yè)對人工智能的大膽期望（部分）

目前，深度學(xué)習(xí)的應(yīng)用范圍還非常狹窄，如抑郁癥的預(yù)測模型并不適用于皮膚病的診斷。通過訓(xùn)練，神經(jīng)網(wǎng)絡(luò)算法能夠識別模式，這非常適合那類十分依賴圖像分析的醫(yī)生，如看掃描影像的放射科醫(yī)生和分析病理片子的病理科醫(yī)生，我將這類醫(yī)生稱為“有模式”的醫(yī)生。從某種意義上說，所有臨床醫(yī)生的工作中都會涉及一些圖像化的任務(wù)，這些工作在未來都有可能靠人工智能算法來實(shí)現(xiàn)。

大多數(shù)已發(fā)表的深度學(xué)習(xí)應(yīng)用案例，只是計算機(jī)模擬的結(jié)果或基于計算機(jī)的驗(yàn)證，這與基于人群的前瞻性臨床研究截然不同。其中，最顯著的不同之處在于：分析現(xiàn)有數(shù)據(jù)集與在真實(shí)臨床環(huán)境中收集數(shù)據(jù)完全不同。計算機(jī)模擬的回顧性研究結(jié)果通常代表的是最好、最樂觀的情況，而并非真正意義上的前瞻性試驗(yàn)。回顧性研究的數(shù)據(jù)非常適合提出假設(shè)，再通過開展前瞻性試驗(yàn)來驗(yàn)證，尤其是當(dāng)假設(shè)能夠獨(dú)立重復(fù)得到驗(yàn)證時。

我們剛步入智能醫(yī)學(xué)時代，人工智能尚未滲透到常規(guī)的醫(yī)療實(shí)踐中，有人將計算機(jī)技術(shù)人員進(jìn)入醫(yī)學(xué)領(lǐng)域這一現(xiàn)象稱為“硅谷化”（Silicon Valleydation）。醫(yī)學(xué)界對人工智能醫(yī)學(xué)的不屑態(tài)度依然很常見，這也是導(dǎo)致該領(lǐng)域發(fā)展緩慢的原因之一。因此，當(dāng)世界上大多數(shù)領(lǐng)域都進(jìn)入了以應(yīng)用人工智能為中心的第四次工業(yè)革命，醫(yī)學(xué)仍處于第三階段早期，即首次普及計算機(jī)和電子產(chǎn)品的使用時期（見圖1-4）。如今，MP3格式的文件已經(jīng)與所有品牌的音樂播放器兼容，但在醫(yī)學(xué)領(lǐng)域，能廣泛兼容且好用的電子健康檔案的普遍應(yīng)用卻遙遙無期，這一領(lǐng)域仍需進(jìn)一步變革。

圖1-4　人類的四次工業(yè)革命

資料來源：改編自A. Murray,“CEOs: The Revolution Is Coming,”Fortune (2016)。