您现在的位置:首页 > 愈大夫医疗 > 医学进展
为什么说 AI 现在无法取代医生的存在?
作者:未知   来源:未知   2017-02-27 14:01   分享道

如果你是一名肿瘤方向的医生或者医学生,不知道德州大学安德森癌症中心(MD Anderson cancer center,简称 MD 安德森)的话,你确实需要补补课了。它是全美也是全世界最著名的专科肿瘤中心。

 

在 US News 评出的 2017 全美最佳(也可以认为全球最佳)肿瘤学中心上,MD 安德森仍排名全美第一,综合排名满分,在专科手术(结肠癌与肺癌手术)领域也名列前茅。

 

而 IBM Dr.Waston 是 IBM 公司在认知计算领域最核心的产品。他一战成名于2011 年 2 月的美国问答节目《Jeopardy!》。在这次人机对决中,Watson 战胜了这一节目的两位冠军选手,这被和 1996 年同样来自 IBM 的「深蓝」战胜国际象棋大师卡斯帕罗夫相提并论,被认为是人工智能历史上的一个里程碑。

 

 

消灭癌症计划?

于是会产生一个很自然的联想,如果在全美第一的肿瘤医院,利用世界上最先进的认知核心产品,是否能起到「1 + 1 > 2」的效果。

 

于是,在这种想法的构思下,同时也在当时在任的奥巴马总统推进的「肿瘤登月计划」大背景下,这一项目迅速推动起来。

 

2013 年,MD 安德森和 IBM Watson 开始就医学大数据领域进行深度合作,主题是「大数据人工智能应用将加速对癌症疾病的认知和完善癌症临床治疗」,该项目由MD 安德森 Ronald DePinho 院长夫人 Lynda Chin(知名肿瘤专家)负责的。

 

当时不管是医疗肿瘤界,还是 AI 领域,都对此信心满满,认为找到了一条治愈消灭肿瘤的正确路线,而安德森和 IBM 的强强联合,将会给双方带来巨大的经济效益和声望。

 

 

5 年过去了,效果如何?

据福布斯杂志报道,IBM 与世界顶级癌症研究机构 MD 安德森自 2013 年起合作的项目「使用 IBM Watson 认知计算系统消灭癌症」已经暂停。

 

MD 安德森方面也证实了该消息。并证实这一合作项目在 5 年中花费了超过 6,200 万美元,但仍未达到其目标。MD 安德森正在积极寻找其他承包商来投标,使其在未来的工作中取代 IBM。

 

而 2 月 20 日,IBM 公司的首席执行官 Ginni Rometty 在一个健康信息技术会议上做演讲,也详细介绍了 Watson 在医疗保健领域取得的进展,并宣布推出用于管理医学图像的新产品,以确保医院的投资物有所值,同时与医疗保健系统建立新合作伙伴关系。

 

为什么一对合作伙伴会成为了「夫妻反目」的冤家,为什么这一项目会失败?

 

 

合作失败的原因分析

1. 医学-工业合作的失败

造成这场合作失败的最关键原因,是 MD 安德森对「医学-工业」领域合作管理的失败。

 

如《Science》杂志和《福布斯》所言,在未明确 Watson 人工智能深度学习能力的前提下,MD 安德森肿瘤中心全额支付了 IBM 6,210 万美元研发费用。

 

这一行为并不符合行业规范,一般来说,医疗机构是合作主要方向。而且业内人士分析,诸如此类的合作开发项目,MD 安德森肿瘤中心完全占据优势,可以依靠其雄厚的临床研究资源和国际品牌效应,事先支付相关研发费用或知识产权费用有悖常理。

 

而在这项合作中,Lynda Chin 显然是焦点,因为许多资金和费用安排都由其协调。而该项目资金的投入,其中 5,000 万美元来自被认为非常喜欢炫耀的马来西亚投资大亨 Low Taek Jho(资金至今未到位),由此引起了美国司法部对该项目资金的来龙去脉的关注和审计。

 

2. 医学的不确定因素

IBM 挑选的领域,也并不是其擅长的数据分析和深度学习,而是一个充满不确定因素的黑盒子。

 

不管是 IBM 研发的 Dr.Waston,还是最新打败所有围棋棋手的 Google AlphaGo,其获得信息的方式,都是可以准确获得的准确的的信息。

 

Dr Waston 里存贮了有史以来的《Jeopardy!》问题及题库,以及《大不列颠百科全书》所有内容;AlphaGo 内不但存有所有当年知名棋手的棋谱,更可以通过在线方式,随时在网上围棋社区进行 24 h 不间断的对弈。

 

而医学领域,目前尽管有了长足的发展,但是对于大多数疾病的发展病因,仍没有一个公认的原因。而病情的各种转归发展,更是与各种偶然因素相关,这些因素联合到一起,使得精确进行分析很难进行。

 

3. AI 无法判断收集的信息

还有一个更难于逾越的难题,在于 AI 是否能够判断收集的信息。

 

「著名」医疗剧医生豪斯曾经说过,「Every patient lies」,我们也都有这样的经验,不管是你作为一名医生还是面对患者;还是作为一名患者去就医,我们都会有意/无意的隐瞒一些信息,甚至对个人利益相关之时,都会有意无意的撒谎。而这也是目前人工智能最难于逾越之处。从数据采集开始,Waston 就走了一条歪路,他越努力,可能离事实真相就越远。

 

如一位读者的评论:

 

围棋的棋谱不会骗人,这种大数据多干净,训练出来的 AI 也牛逼。可是把原理运用到医疗行业,业内人士只要想想现在科研界的情况就能想到,它采集的原始数据和论文知识有多少纰漏的地方,而这样的大数据训练出来的 AI 越厉害,可能偏差越大。从真实数据采集到模型调整,医疗 AI 的路还很长很长很长很长....

 

当合作的两方面都如此的不靠谱之时,失败就难以避免。

 

 

AI 在医学领域的未来

MD Anderson 和 Waston 的合作失败了,但这并不意味着 AI 在医疗领域没有未来。

 

也许目前计算机还不能像人类医生那样,通过问诊、查体、辅助检查等方式,最后得出综合的临床诊断,并且给出相关的诊疗。

 

但是如果不刻意追求完全取代人类医生这一桎梏,而是作为人类治疗的辅助进行时,我们发现,AI 能够做到的事情还有很多,而且现在很快能够实现。

 

2016 年,日本东京大学附属医院一名白血病患者反复治疗无效,甚至还出现了败血症等危险症状。医生及研究人员通过 AI 输入了该患者与癌症有关的基因信息,得出分析结论,她罹患的是急性骨髓性白血病中的继发性白血病。

 

医生通过 AI 辅助分析其基因型,并结合以往病史 提示医生更换一种新型靶向药物进行治疗,患者病情明显好转。随后,还建议该患者转而使用其他抗癌药物。患者数月后康复出院,并继续定期前往医院接受治疗。

 

同样的 AI 同时运用在皮肤科领域,以往各种皮疹的确定和诊疗需要高级医生的临床经验,而这一经验又是通过几十年的临床积累才能达到,而 AI 正好能够解决这一数据分析积累问题。

 

也是去年,《Nature》杂志在封面发表了一篇关于利用深度学习识别皮肤癌的论文。研究人员训练系统观看了将近 13 万张痣、皮疹和其他皮肤病变的图像,然后让系统与 21 位皮肤科医生的诊断进行对比,结果系统的精准率达到 91% 左右,这一精度远远高于一般医生。

 

而在心电图(肌电图、脑电图)等读图领域,AI 也已经可以做到替代了人类的一部分工作。

 

AI 与医生的结合,也许比完全取代医生更有效更现实。也许不在今天,但,应该就在不远的将来。

文章来源:丁香园  http://mp.weixin.qq.com/s/JguLifiztJf_VHMpR8beAQ