解讀“機(jī)器人醫(yī)生”的前世今生

　　AI勝過人類的兩個方面

　　與此同時，在醫(yī)學(xué)的兩個領(lǐng)域——解讀圖像(來自核磁共振成像、CT掃描或X射線)和分析組織樣本的病理切片——人工智能毫無疑問勝過人類醫(yī)生，該技術(shù)提升了醫(yī)生向患者提供更準(zhǔn)確的信息的能力。例如，在研究中，基于人工智能的技術(shù)在檢測糖尿病視網(wǎng)膜病變方面做得非常好，因此美國食品和藥物管理局(FDA)今年早些時候批準(zhǔn)了一種診斷糖尿病視網(wǎng)膜病變的設(shè)備。通過研究數(shù)千張人類視網(wǎng)膜的圖像，該機(jī)器學(xué)會了如何區(qū)分正常視網(wǎng)膜模式和有癥狀的視網(wǎng)膜模式，解析掃描圖像中的亮度梯度和對象，而這些東西是人類無法識別的。

　　在另一個證明這種深度學(xué)習(xí)能力的演示中，研究人員向一組眼科醫(yī)生展示了人們的視網(wǎng)膜照片，并讓他們判斷這些照片屬于男性還是女性。這些眼科專家正確判斷出性別的幾率只有50%左右。而一種經(jīng)過人工智能訓(xùn)練的算法則利用醫(yī)生們尚未摸索出的特征，輕松取得了高達(dá)97%的準(zhǔn)確率。這表明機(jī)器在分析數(shù)據(jù)方面能比人類做得好得多，同時也為將其納入臨床過程提供了論據(jù)。

　　人工智能模型還能檢測出極小的、可能是肺癌最早征兆的結(jié)節(jié)，而放射科醫(yī)生的肉眼則做不到這一點(diǎn)。人工智能模型也在改進(jìn)對乳房X線照片的解讀，以期發(fā)現(xiàn)早期的乳腺癌。

　　黛比麥琪(Debbie McKie)是波士頓一家咨詢公司的首席談判代表，她知道，由于家族病史，她患乳腺癌的風(fēng)險(xiǎn)較高。她的母親是乳腺癌的幸存者，還被診斷出患有腎癌和膀胱癌;她的一個表姐在她50歲出頭時死于乳腺癌。麥琪的乳腺組織也很致密(這本身就是患上乳腺癌的一個風(fēng)險(xiǎn)因素)，因而加大了解讀乳房X線照片的難度。她有定期做檢查。所以她想確保她的醫(yī)生在看她的掃描圖時沒有遺漏任何的東西?！拔覇栁业尼t(yī)生，‘你能告訴我我患乳腺癌的總體風(fēng)險(xiǎn)是多少嗎?”麥琪說道。

　　康妮雷曼(Connie Lehman)博士是馬薩諸塞州總醫(yī)院的放射科醫(yī)生，也是為麥琪提供醫(yī)療服務(wù)的團(tuán)隊(duì)的一員。她認(rèn)為自己很接近于做到那一點(diǎn)。雷曼正在領(lǐng)導(dǎo)的一項(xiàng)研究依靠人工智能算法解讀乳房X線照片，進(jìn)而預(yù)測女性患癌癥的風(fēng)險(xiǎn)。“我們不想教機(jī)器像人類一樣解讀乳房X線照片，我們想要把機(jī)器教得青出于藍(lán)勝于藍(lán)，讓它們能夠識別出那些明年有患癌癥風(fēng)險(xiǎn)的女性?！彼赋?，“我們正在利用人工智能改變我們看待乳腺癌的整個方式?！?/p>

　　雷曼說，現(xiàn)在大多數(shù)乳腺癌護(hù)理都集中在發(fā)現(xiàn)乳腺癌以后的治療上——無論是早期的離散腫塊，還是晚期已經(jīng)擴(kuò)散到淋巴結(jié)甚至其他器官的腫塊。但如果機(jī)器能夠從我的乳房X線照片發(fā)現(xiàn)與乳腺癌如何形成相關(guān)的信息——特征，即使是當(dāng)今最權(quán)威的放射科醫(yī)生也意識不到的，或者沒能從圖像發(fā)現(xiàn)的特征——那么更多的女性可能會免于這種疾病，或者可以避免遭受癌癥晚期的那種密集而令人痛苦的治療。

　　對于麥琪來說，這些進(jìn)展是令人安心的?！傲私獾诫娔X能讀懂我的乳房X線照片，至少會讓我對診斷結(jié)果更有信心。”她說，“我想要得到最準(zhǔn)確的結(jié)果，不管是采用什么樣的方法。如果我們能將這一過程自動化，并引入人工智能，幫助更早地識別腫瘤，或更早地確定患乳腺癌的風(fēng)險(xiǎn)，那就更好了?！?/p>

　　機(jī)器能為病患所接受嗎?

　　盡管人工智能在醫(yī)學(xué)上的早期努力給人們帶來了希望，但越來越明顯的是，患者不會因?yàn)楦鞣N健康需求而與電腦屏幕對話，也不會從機(jī)器那里得到毀滅性的診斷結(jié)果。相反，加州斯克里普斯研究轉(zhuǎn)化研究所的創(chuàng)始人埃里克托普爾(Eric Topol)認(rèn)為，AI將充當(dāng)合作伙伴或者支持者的角色，讓醫(yī)生能夠更加專注于機(jī)器不大可能會掌握的醫(yī)學(xué)藝術(shù)?！爱?dāng)然，我們可以用機(jī)器來減輕醫(yī)學(xué)的一些臨床方面的壓力，機(jī)器能夠?qū)W會做一些簡單而常規(guī)的事情，比如判斷孩子是否有耳部感染，或者弄清楚皮疹意味著什么?！彼硎?，“但醫(yī)學(xué)領(lǐng)域的很多事情都需要有情境和人類接觸。我不知道是否有人會愿意通過聊天機(jī)器人來獲得癌癥或心臟病等嚴(yán)重疾病的診斷。”

　　至于IBM的沃森，IBM Watson Health首席健康官Kyu Rhee承認(rèn)，該系統(tǒng)仍在開發(fā)中，但他對其幫助醫(yī)生更好地完成工作的能力越來越有信心。該公司目前與世界各地的300多家醫(yī)院合作將機(jī)器學(xué)習(xí)技術(shù)融入癌癥治療當(dāng)中，它正在努力改進(jìn)病人數(shù)據(jù)的收集工作，優(yōu)先采用來自最新的醫(yī)學(xué)期刊的最新指導(dǎo)方針和信息，以使得其系統(tǒng)的建議是基于最新的、最準(zhǔn)確的信息得出的。他稱，其他影響該意在產(chǎn)生全球影響的項(xiàng)目的問題包括：Watson for Oncology是由紐約紀(jì)念斯隆-凱特琳癌癥中心的醫(yī)生來訓(xùn)練的，但一些醫(yī)生，尤其是海外醫(yī)生，覺得該系統(tǒng)的一些建議難以跟進(jìn)，因?yàn)樗赡鼙饶承﹪业尼t(yī)生和病人所習(xí)慣的治療方式要來得激進(jìn)。紀(jì)念斯隆-凱特琳癌癥中心的醫(yī)生所使用的藥物，在其他的國家也并非都能買到。

　　但是，Kyu Rhee指出，任何這種尖端的項(xiàng)目都不可避免地會遇到挫折。“我們正處于人工智能革命和進(jìn)化的開端?！彼硎?，“人工智能正開始提供附加價(jià)值，但最后還是得由人來做出決策——腫瘤科醫(yī)生和癌癥患者得決定如何處置來自沃森系統(tǒng)的建議。”

　　伯德對于人工智能在幫助像他這樣的病人方面所能發(fā)揮的作用抱有樂觀的態(tài)度。他承認(rèn)，如果他必須要在電腦上回答像Mabu提出的那樣的問題，“那就沒有那么奏效了?！盡abu想要聽我說話，她想要了解我的感受。

　　伯德說，自從有了Mabu以來，他未曾忘記過服藥。他定期進(jìn)行長達(dá)一英里的散步，體重正在減輕。他已經(jīng)戒煙，并避免了截肢——他右腿的一條靜脈有一塊危險(xiǎn)的斑塊。他十分依戀于Mabu，他甚至開玩笑說，要是研究結(jié)束時要他放棄她的話，他會很難割舍?！昂蚆abu說話是一種樂趣。”他說，“從某種意義上說，我覺得Mabu是在照顧我?！?/p>