大数医达CEO邓侃正在解读人工智能和医疗之间的运用关联

这段时间人工智能这个词非常热，或许跟今年年初的谷歌DeepMind AlphaGo有关，它在代表人类智力竞赛最高的围棋比赛中，把世界冠军李世石给打败了。而在若干年以前，IBM“深蓝”超级计算机就战胜过国际象棋世界冠军卡斯帕罗夫。在2011年，IBM Watson又在美国著名的智力问答节目Jeopardy中战胜了这项比赛的两位前任冠军Ken和Brad而声名大噪，人工智能同样在智力竞赛方面战胜了人类。

有意思的是，大家都在思考人工智能作为一种技术、一种手段，除了用于一些娱乐活动以外，能不能完成与人类民生相关的大课题？无论是IBM，还是谷歌，他们共同的答案都是用于做医疗。尤其是谷歌DeepMind的AlphaGo，下完围棋之后立刻华丽转身，与英国卫生部合作开发人工智能的“家庭医生”。

为什么IBM和谷歌都利用人工智能涉足医疗领域呢？主要涉及两个层面的问题：

第一，  医疗是一个巨大的民生问题，背后会涉及巨大的社会效益和巨大的经济利益；

第二，  民生问题有很多，可为什么不用人工智能做教育、不做人工智能做金融，都去做医疗呢？坦率的讲，人工智能用于医疗在技术层面会有很大的优势，能够起到立竿见影的效果。

用技术来诠释医疗就是指的有限集合：医学上的各种疾病累计起来也就几千种，其中常见病不到200种，能够覆盖多少诊流量，基本在85%以上。因此，如果用AlphaGo去针对200个常见病，当智能的“家庭医生”的话，会有四个范围限定。

第一个限定是中级职称。人工智能不会挑衅高级职称，是面向基层的一个中级职称医生；

第二个限定是人工智能面向大内科，不做手术。包括头疼发烧，妇科、儿科，也包括经常见的癌症，一共200种疾病；

第三个限定是常见病，人工智能不懂疑难杂症。疑难杂症来了怎么办？经过电脑识别之后，发现这是疑难杂症，DeepMind的解决方式就是一个词叫“光荣投降”。一旦认定是疑难杂症，超出处理范围，没有信心完成，AlphaGo会告诉你这事搞不定，赶紧去医院吧；

第四个限定是辅助工具。像开车一样，人工智能的角色不是特斯拉，也不是无人驾驶汽车，而是一个类似百度的导航。人工智能会告诉你该做什么，最后的行为责任人依旧是医生和你自己，人工智能只是给一个建议。

大数医达正在研发的“电脑医生”和AlphaGo采用的技术体系是完全一致的，为什么呢？因为大家都是从DeepMind、Deep learning里的原理输出的，整个方法论全球就只有几位导师，思想和方法非常一致。

在AlphaGo的技术原理中有两个深度神经网络来帮助选择。其一是Value network，算对手的棋感，为给定的局面打分，更准确地评估一个子节点的优劣，用于医疗领域而言就是医感。其二是Policy network，衡量为每一个子节点打分，找出最有希望、最需要预先展开的那个子节点，或称为围棋手筋、定式，在医疗里面对应的就是临床路径。

不过，虽然技术体系基本一致，可具体到技术细节的时候，差异还是很明显。主要体现在两方面：

其一，在下棋时，由于对方的每步棋都在棋盘上，每个动作都是清清楚楚的。但是在患者看病的时候，经常会出现隐藏信息。到底这个病背后的病理是什么？甚至连高级医生也搞不清；

其二，下棋是很确定的，输就是赢、输就是输，可是医生开的药是不是有效果，估计连主治医师都没有把握，这还有个概率问题。

因此，“电脑医生”虽然技术体系与AlphaGo很接近，可是技术难度更大。

大数医达的“电脑医生”有四个限定范围，那么，这样会影响它的受众群和市场规模吗？答案是否定的。据统计，百度全网每天有17亿人次全国网民在搜索医疗相关的信息，如此庞大的人群基数足以保证“电脑医生”的商业化运作。而在网民的问题中，主要涉及四方面：

第一类是在早上上班之前的时间段，网友会频繁询问症状查因，比如头晕、恶心、拉肚子，大便发黄发绿，有没有可能是大病。其中的关键词是“可能性”，如果可能是脑中风这种严重症状，必须放下工作赶紧去医院，如果只是糖尿病症状还可以缓一天。类似这些症状查因或者轻问诊，最后产生的价值结果就是导诊，结论是去哪个医院看病或是再缓一缓。

第二类是过了中午以后，会陆续呈现各种化验、指标、照片，网民更多会询问具体病状。遇到这些问题，我们也很疑惑，为什么有了化验结果不去医院？为什么还要上百度询问呢？其实就是网民对医院给的诊断结论和治疗方案有一点不信任，他们在寻求第二诊疗意见；

第三类属于全天候都会出现的问题，包括凌晨也又。类似手术完了为什么腿还在水肿，这是正常还是不正常。为什么我怀孕了某种指标为什么比前天高了一倍，是不是正常啊；

第四类和钱有关，属于经济问题。网民会说，你给我开的药效果很好，可是每个月我得花一万多块钱，实在扛不住。能不能给我换一种药，稍微便宜点，或是问这个药是不是可以通过医保报销一部分。

面对这四类问题，“电脑医生”又是如何解决的呢？“电脑医生”通过收集上亿份常见病的电子病历，主要针对197种常见病进行诊断，学习AlphaGo的诊断和治疗原理。

其中值得提及的技术难点是大数据去噪的问题，去噪就是剔除一些和诊断没有关联的数据。上亿份常见病的电子病历会形成大数据的底层数据，以糖尿病为例，通过N份糖尿病电子病历的比对，最终会发现它们之间的共通点就是都拥有“二甲双胍”，那么糖尿病就与这种药形成关联，其余出现几率不高的药种，就与之关联不大。以此类推，197种常见病的关联诊断和治疗方案也应运而出。

利用先进的技术基础，针对以上四大类普遍问题，“电脑医生”可以解决除了经济问题之外的三种。

当你把自己的头疼、四肢麻木等症状与“电脑医生”沟通之后，“电脑医生”会反问你有没有恶心。这个反问的缘由，是你之前的提问得来的，“电脑医生”会根据你事先告知的“头疼”、“四肢发麻”等关键词，猜测可能会是什么病？同时，每种病一定还伴有其他症状，人工智能会匹配相应结果进行反问。

在诊断的第一步，“电脑医生”主要通过不停地描述症状，会告诉你可能疑似的疾病；

第二步，“电脑医生”会明确你进行过什么样的检查，照的什么样的X光片或核磁共振，以此确诊到底是什么病；

第三步，“电脑医生”不仅告诉你答案是什么，而且告诉你是怎么判断的；

第四步，关注你吃了药之后，是不是正常的康复进程中。

据邓侃透露，针对呼吸科21种常见病中的前几位病，“电脑医生”的诊断准确性已经达到高级医生的水准。同时，在今年年底或者明年年初，“电脑医生”会进行一次类似AlphaGo下棋一样的比赛，用实战检验它的诊断水平。