戰勝人類冠軍後，它們轉行關注人類生命：機器神醫創造的精準醫學奇蹟

本文是《環球科學》總編、社長陳宗周先生撰寫的系列專欄「AI傳奇」的第九回。在這一回中，陳宗周先生將為我們講解AI在醫療健康行業的應用。從疾病診斷、手術機器人、藥物研製再到遠程醫療，AI正以超乎我們想像的速度改變著人類看病就醫的方式。這道由AI構築的屏障，將牢牢守護著我們的健康。

陳宗周是《環球科學》雜誌社社長，《電腦報》創始人。

2017年1月25日，一篇有影響的文章發表在權威科學刊物《自然》（nature）網站上，文章題目是《用深度神經網路對皮膚癌進行皮膚病專家水平的分類》（Dermatologist level classification of skin cancer with deep neural networks）。

這篇文章引起廣泛關注，是因為它披露出一個事實——依靠AI的深度學習（深度神經網路）技術，機器現在已經能夠達到人類皮膚病專家的水平。

《自然》報道的，實際上是一場皮膚病診斷的人機大戰。科學家先讓一個深度神經網路分析學習了近13萬張皮膚病臨床圖片，涵蓋了2023種皮膚疾病。然後，21位醫生受邀，與機器展開了兩場皮膚癌診斷能力的比賽。第一場是區分角質細胞癌和良性脂溢性角化病；第二場區分惡性黑色素瘤和良性痣。結果，AI正確識別良性和惡性病變的綜合靈敏度達到91％，打敗了多名皮膚科醫生。

消息一出，大家紛紛議論：以後，皮膚病患者用手機拍一張照片，直接轉給電腦醫生，不就行了嗎？現在的皮膚科醫生，會不會失業？

AI與醫學影像

這不是AI醫生的第一次出場。2016年11月，谷歌的研究者在《美國醫學協會雜誌》（Journal of the American Medical Association）上發表文章，介紹他們採用深度學習演算法的軟體精確分析視網膜照片，對糖尿病性視網膜病變的診斷，已經達到眼科醫生的水平。

谷歌邀請印度和美國的醫生，共同創建了一個包含12.8萬張圖片的開發數據集，對演算法進行訓練。然後，用9963張圖片作為驗證集，請來8位醫生和機器進行診斷比賽。

這場競賽人類醫生也敗下陣來。機器得到的F-Score值（F-Score即F分數，可衡量識別、分類的準確性，最高值為1）為0.95，而8位眼科醫生獲得的F-Score值，中位數值為0.91。

中國的醫療服務公司Airdoc也開發出類似的糖尿病性視網膜病變診斷系統。他們從國內外醫院收集了數十萬張眼底照片，構建超過100層的卷積神經網路，持續訓練超過120小時，生成診斷模型，在糖尿病性視網膜病變輔助診斷中，靈敏性和特異性等主要指標都達到了和人類醫生相當的結果，診斷準確性與三甲醫院資深眼科醫生持平。

受AI影響的，當然不止於皮膚科、眼科。AI全面應用於醫療服務，已經有很長一段時間。機器醫生的上述表現看起來神奇，但在AI專家眼裡，這些醫療應用都屬於計算機視覺中的圖像識別範疇，而大數據支持的圖像識別技術，機器的表現已經在很多方面超過了人類，在醫學影像領域展現實力，屬於正常發揮。

醫學影像處理，是醫療中關鍵而繁重的工作。隨著X光、CT、B超、核磁共振等醫學檢測手段越來越頻繁應用於臨床檢查，醫學影像數據爆炸性增長。目前的醫學數據中，有90%是醫學影像數據，而每年醫學影像數據的增加速度，遠遠超過放射科醫生的增加速度。在中國，醫學影像數據的年增長率約為30%，放射科醫師數量的年增長率約為4.1%，兩者的差距是25.9%；而在美國，上述數據分別為63.1%和2.2%，兩者差距高達60.9%。放射科醫師數量增長遠不及影像數據增長，這意味著未來影像數據處理的壓力會越來越大，甚至遠遠超過負荷。

醫學數據依賴人工分析，還導致了明顯的缺陷：醫生憑藉經驗去判斷，而經驗總是有限的，這樣，常常難以做到準確分析，甚至造成誤判。中國醫學會的資料顯示，中國臨床醫療每年的誤診人數約為5700萬人，美國為1200萬，考慮人口因素，兩國的誤診水平相當。美國初診誤診率為30%，中國臨床醫療總誤診率為27.8%，惡性腫瘤平均誤診率為40%，如鼻咽癌、白血病、胰腺癌等的平均誤診率都在40%以上。

在這樣的背景下，臨床醫療迫切需要改變現狀，AI進入醫學影像領域，恰逢其時。成立於2014年1月的Enlitic醫學影像公司，用深度學習演算法對X光、CT、超聲波、MRI（核磁共振）等醫學影像資料進行處理，輔助醫療診斷。2016年6月，Enlitic被《麻省理工科技評論》評為了「全球50家最智能的公司」之一。在臨床試驗中，公司的惡性腫瘤檢測系統的肺癌診斷準確率比放射科專家高出50%，而所用時間只有醫生的1/50000。乳腺癌淋巴結轉移診斷中，AI演算法的誤診率為7.5％，當病理學家用該演算法做輔助診斷時，誤診率被進一步降至0.5％。

國內的AI影像公司DeepCare也做過類似工作。他們請了4位分別來自北京的特級三甲、普通三甲和地方三甲醫院的醫生看70張疑似乳腺癌轉移的醫學影像片。4名醫生的年資分別是40、30、20和10年，與智能機器人同時讀片。結果是，40年經驗醫生診斷準確率98％以上，而其他3名醫生診斷的平均準確率在70％。而智能機器人診斷準確率達到了93％，兩個月後提升到了95％。

專註於心血管影像的Arterys公司，提供的AI技術不僅能使MRI影像從任意角度顯示心臟3D結構，還使血液流動隨時間變化情況也可準確呈現。這項技術2016年11月通過FDA（美國食品與藥品管理局）審批，給心血管疾病的核磁圖像處理帶來突破性的進展。

世界著名的AI公司高度重視醫療領域的應用，紛紛加快了進軍的步伐。打敗李世石的AlphaGO，出自谷歌的DeepMind，而這家全球頂尖的AI公司在2016年7月宣布進入醫療領域，與英國國家醫療服務體系NHS（ National Health Service）、摩爾菲爾茲（Moorfields）眼科醫院合作，開發眼科疾病機器診斷系統。通過合作，DeepMind分享了約一百萬幅眼部掃描圖，對視網膜的精細掃描數據，精細程度超過身體任何部位，甚至能看到細胞。DeepMind的深度學習演算法，可快速準確識別眼老年黃斑變性、糖尿病視網膜病變等疾病的早期徵兆，從而達到提前預防和治療的目的。他們合作的初步結果，我們在前面已經看到了。

IBM更走在了前面。1997年用深藍電腦打敗國際象棋世界冠軍卡斯帕羅夫的IBM，後來進一步開發出超級電腦沃森（Watson），2011年，在美國最受歡迎的智力競賽電視節目《危險邊緣》中，擊敗該節目歷史上兩位最成功的選手肯·詹寧斯和布拉德·魯特。IBM沃森這一強大的AI系統，早已在醫療領域深耕多年，其中醫學影像處理是重點。IBM沃森先後於2015年10月和2016年2月收購醫療影像分析公司Merge Healthcare和醫療數據公司Truven Health Analytics，使其在醫學影像方面有很大的優勢。2016年8月，IBM沃森的癌症診斷機器人登陸中國，開始為癌症患者提供精準的個性化服務。

DeepMind與NHS已經達成合作協議

手術機器人

AI在醫療領域的應用非常廣闊。外科手術治療中，早已出現機器人的身影。有名的手術機器人達芬奇，上世紀90年代就開始上崗。達芬奇手術機器人的正式名稱是「內窺鏡手術器械控制系統」，是美國直覺手術機器人公司（Intuitive Surgical）的產品，這家公司1995年就成立，技術源於斯坦福研究所（SRI），20世紀80年代末，手術機器人的研發就從那裡開始。

達芬奇機器人1996年推出第一代，2006年推出的第二代，不但機械手臂活動範圍更大了，還允許醫生在不離開控制台的情況下進行多圖觀察。2009年推出了第三代，增加了雙控制台、模擬控制器、術中熒光顯影技術等功能。第四代於2014年推出，靈活度、精準度、成像清晰度等方面有了質的提高，還支持遠程觀察和指導系統。

達芬奇手術機器人是目前全球最成功及應用最廣泛的手術機器人，廣泛適用於普外科、泌尿科、心血管外科、胸外科、婦科、五官科、小兒外科等。達芬奇手術機器人在前列腺切除手術上應用最多，現在已越來越多地應用於心臟瓣膜修復和婦科手術中。也開始進入中國的協和醫院等醫療機構。

達芬奇手術機器人主要由3個部分組成：1、醫生控制系統；2、三維成像視頻影像平台；3、機械臂，攝像臂和手術器械組成移動平台。實施手術時主刀醫師不與病人直接接觸，而是通過三維視覺系統和動作定標系統操作控制，由機械臂以及手術器械模擬完成醫生的技術動作。手術時，主刀醫生坐在無菌區外的控制台中，使用雙手及腳來控制器械和一個三維高清內窺鏡，機器人隨著醫生的控制同步動作。

達芬奇手術機器人

達芬奇雖然是目前世界上最先進的機器人手術系統，但還是需要醫生主刀，實際上只是延長了醫生的手臂，沒有解放雙手，這就使得手術精確度還有提升的空間。美國國家兒童醫療系統（Children s National Health System）的研究人員認為需要對這一現狀進行改進，開發出解放醫生雙手的自主手術機器人，提高手術的效率和安全性。2015年5月，他們研發的自主手術機器人STAR公之於眾，研究成果刊登在著名期刊《科學》的「轉化醫學」子刊上。

為了顯示STAR的效率和安全性，研究團隊將STAR與熟練的外科醫生、達芬奇機器人三者做了比較，各自完成複雜性比較高的腸吻合手術。選擇在這個手術上一較高低，是因為每年美國有100多萬患者需要做這個手術。從研究論文看，STAR明顯勝出。於是，機器人手術超過醫生這樣的報道就出現在媒體上。按計劃，STAR將會在2018年進入臨床，首先會應用於膽囊和闌尾的切除手術。

隨著AI發展，千姿百態的手術機器人將會出現在醫療服務中。

精準醫學與新葯研製

AI的重要作用，同樣表現在推動精準醫學的發展。早在2011年，美國科學院、美國工程院、美國國立衛生研究院及美國科學委員會共同發出「邁向精準醫學」的倡議。著名基因組學家梅納德·奧爾森（Maynard V.Olson）參與起草的美國國家智庫報告《走向精準醫學》正式發表。報告提出遺傳關聯研究和與臨床醫學緊密結合，實現人類疾病精準治療和有效預警。2015年1月20日，奧巴馬在國情咨文演講中提出了「精準醫學」（Precision Medicine）計劃，1月30日又決定在2016財年向該計劃投入2.15億美元，推動個性化醫療的發展。

奧巴馬提出「精準醫學」計劃

精準醫學有明確的目標。短期目標是癌症治療，長期目標是健康管理。這些目標的達成，需要AI扮演重要角色。

簡單地說，「精準醫學」是指根據每個病人的個人特徵，量體裁衣式地制定個性化治療方案。而要做到這一點，需要大數據的支持。現在醫學大數據涵蓋的個人信息越來越廣泛，包括電子健康檔案、醫療保險信息、個人藥品與疾病信息、個人保健活動信息、可穿戴設備健康信息、遺傳檢測信息、健康管理報告等等，甚至社交媒體上的個人相關信息，都有可能納入大數據管理。這樣詳細的個人大數據的採集、管理、挖掘、利用，必須通過AI技術來實現。

癌症治療被選擇成為精準醫學的短期目標，因為這是常見而引起恐懼的疾病。隨著人口老齡化進程加快，癌症已是全球主要死亡原因。精準醫學對癌症的治療，已經顯示出可喜的初步成果。被稱為精準醫學先鋒的美國腫瘤醫生內德·賈瓦迪（Nader Javadi）做了很好的示範。他利用「未來基因測序」（The Next Generation Gene Sequencing）技術，詳細分析腫瘤標本中逾100種的癌症相關基因，並通過腫瘤中的基因突變信息，結合患者癌細胞獨特的基因特徵進行確診。選定對患者最有效的用藥方案，並首先將免疫治療、化療、靶向治療、生物治療等綜合應用，收到了很好的效果。他的患者中，有一部分是已經被知名癌症中心，如安德森癌症中心（MD Anderson）、西達-賽奈醫療中心（Cedars-Sina）都放棄治療的四期（晚期）癌症患者。2014年，他接受了25個這樣的患者，在採用精準醫學治療三個月之後，所有患者的生存時間都比預期加長了，大部分患者的癌細胞消失40％到60％，個別患者的癌細胞消失了90％。賈瓦迪等醫生的實踐，讓精確醫學在癌症治療中燃起希望之光。

新葯研製，也是AI正在發力的重要醫學領域。迄今為止，開發新葯是漫長而且低效率的工作。數據表明，進入臨床試驗階段的藥物，只有不到12%的藥品最終能上市銷售，而一款新葯的平均研發成本高達26億美元。 新葯研製中，研發人員需要對種類繁多的化合物進行非常複雜的實驗。選定了可能的化合物，還要通過細胞、動物、人體臨床試驗這一道道關口，每道關口都會可能發現大小錯誤，往往不得不回到研究的原點。由於不斷試錯的高成本和低效率，迫使越來越多的藥物開發廠商不得不轉向AI求助，希望利用新技術來改變新葯研製現狀。

研究人員估計，大約15%~20%的新葯研發成本都耗費在探索階段。通常情況下，這意味著高達幾億美元的支出，以及3-6年的研發時間。如今，有人希望通過AI將這一過程縮短至幾個月，並大幅降低研發成本。雖然目前市場上還沒有一款藥物是AI挑選出來的，但是研究人員正在走上正軌。

BenevolentAI是一家英國AI公司，2017年與強生製藥公司（Janssen）簽署了開發協議。強生公司提供公司開發的臨床階段候選藥物，AI進行臨床二期b階段的試驗（新葯臨床試驗中，臨床二期a階段會先入組少量受試者，確立合適的治療劑量；b階段則是在a階段有效組的基礎上擴大樣本量，明確有效性、安全性等）。

2017年2月，日本眼科學巨頭桑登（Santen）與美國矽谷帕洛阿爾托的兩眼醫院簽署了協議，利用AI驅動的技術來確定青光眼候選藥物。兩家歐洲公司Pharnext和Galapagos合作，也把AI演算法模型用於尋找神經變性疾病的新葯。

好消息開始傳來。2016年秋天，TwoXAR公司與斯坦福大學亞洲肝臟中心（Asian Liver Center）合作，篩選了25000名潛在的成人肝癌候選人。研究人員通過遺傳、蛋白質組學、藥物和臨床資料庫，用AI篩選出10種可能的治療方法。亞洲肝臟中心的主任塞繆爾·蘇（Samuel So）對他們的篩選名單感到非常驚訝，因為它包括了中心研究人員的幾項預選方案。其中最有希望的方案，可以殺死5種不同的肝癌細胞系而不傷害健康細胞。這種新葯現在正準備進入人體試驗階段。目前，針對同一癌症的唯一藥物花費了5年時間才獲得了FDA批准，而TwoXAR和斯坦福大學合作，才短短四個月就可進入人體試驗階段。

對於新葯研製這樣的長周期和高失敗率的行業，即使小的成功也可能帶來數十億美元的收益，而且挽救無數人的生命。人們期待，AI在藥物研製方面發揮巨大作用。

遠程醫療

我們在家裡也能夠隨時得到電腦醫生的幫助嗎？在現在的醫學搜索引擎和各類醫學網站上的醫生問答服務之外，我們未來可能有新的選擇，加拿大的問醫生（Ask The Doctor）全球醫生平台，正準備逐步採用AI醫生來幫助我們解決所有的醫療健康求助。

Ask The Doctor平台2010年創立於加拿大多倫多，目的是讓患者迅速獲得全世界醫療專家的建議。在這個平台上上面不僅可以向醫生提問，還可以選擇匿名上傳完整的病例歷史，讓醫生提供更準確、成熟的建議。這一切都是免費的。

在Ask The Doctor回答問題的醫生目前來自全球各地，但是，AI醫生未來將取代人類醫生。Ask The Doctor創建者們認為，AI醫生與人類醫生相比，最大的好處就是能讓患者一氣呵成地詳細描述自己的病情。據統計，北美醫生在問診時平均每12~23秒鐘就會打斷患者一次，這不便於患者的完整表達和醫生的全面理解。AI醫生比人類醫生更善於傾聽，這就是Ask The Doctor選擇AI的重要原因。

而且，患者不直接面對人類醫生，加之允許匿名，會讓患者能更放心地把自己的敏感問題等隱私告訴AI醫生，醫患交流的環境也更加融洽。

現在網路醫生平台眾多，但Ask The Doctor一點兒也不擔心，因為正是AI加強了自己的優勢。他們正在訓練的AI醫生，其醫療見解均來自世界一流的專業醫生。一流的AI技術能把全球任何地方的優秀醫生的經驗吸納進來。而且，從2011年起，美國國家衛生研究院（NIH）的數據向他們開放，平台上獲取的全球患者的醫療需求和問題，也會反饋給對方，雙向交流的結果是，Ask The Doctor獲得越來越好的大數據支撐。反過來，這又進一步獲得了全球患者的信任。

目前，Ask The Doctor在加拿大多倫多的AI實驗室里，全世界最頂尖的AI專家正在努力工作，完善AI醫生自動回答問題的功能。

這個新型醫療服務平台的目標是未來3到5年替代谷歌醫療搜索和其他網上醫療信息服務；而終極目標是讓全球70億人更容易獲得最好的醫療意見，有更充分的時間來治好病。現在人們使用網路醫療信息服務時，一般都是在把自己的健康狀況和上面的零碎知識和文章簡單對號入座。而這個平台，是把醫生的豐富經驗和AI的智能結合，避免人們自己去用少量信息以偏概全、胡思亂想，延誤醫療。Ask The Doctor的CEO普拉卡什·昌德（Prakash Chand）信心滿滿地說:「我們會成為全球的第一道醫療保護線，讓患者在令人眼花繚亂的醫療體系中找出正確方向。」

是的，AI在醫療健康領域的廣泛使用，會築起一道道堅強屏障，牢牢守護我們的健康。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！