蔡江南：人工智慧能否代替醫生

最近一段時間，醫療大數據和人工智慧成為非常熱門的話題和領域。人類基因組、微生物組、互聯網、物聯網、IBM的人工智慧等新的科技進展，都推動了醫療領域圍繞信息化的技術創新熱潮。

信息數據一直是醫療領域的最重要的短板和核心。信息難以獲得、信息不確定、信息不對稱，都給醫療領域帶來了很大的影響。醫學從一個主要依靠直覺、經驗、癥狀來治療的領域，隨著數據的積累、擴大，慢慢發現了一些模式，從直覺醫學轉化為實證醫學。當大數據開始出現后，當我們可以精確診斷疾病的原因，從而真正做到對症下藥后，我們便達到了精準醫學的階段。因此，信息化和數據的規模和質量，是推動醫學進步的重要力量。

大數據首先是指數據的數量巨大，而且甚至是研究某個問題所涉及到的整個數據集群，而不只是其中的一個樣本。我們知道，當數據樣本足夠大時，數據本身的一些誤差變得不那麼重要。當然，這並不意味著數據本身的質量不再重要。如果數據本身的質量很差，大數據同樣無法讓我們接近事實的真相。

醫療信息的電子化有助於將不規範、非結構化的數據，轉為規範和結構化的數據，從而提高醫療數據的質量。由於醫生工作繁忙，醫療數據編碼應用的不普及，缺乏醫療數據統一的標準和規範，這些問題對於提高醫療數據的質量都是很大的挑戰。

推動醫療數據在各個部門和機構之間的連通，是提高醫療數據質量的突破點。連通需要數據標準的統一、數據的公開、以及保證數據的安全，這些都需要政府、行業協會、社會第三方機構的參與。

人工智慧在輔助診斷上大有用武之地

診斷和治療是醫學的兩個重要環節，而診斷又是治療的基礎和前提。診斷的本質就是區分，區別不同的疾病是認識疾病原因的基礎。當我們擁有足夠有質量的醫療數據后，就具備了做出正確診斷的條件，而人工智慧的深度學習就可以發揮作用。所謂深度學習就是從大數據中發現規律，歸納總結出帶有規律性的差異，從而進行診斷。

人工智慧與人腦相比的優越性在於，可以更高效地處理海量數據，迅速找到一些特徵和規律。在圖像識別上，人工智慧的優越性表現的特別突出。

最典型的例子是，美國斯坦福兼職教授Thrun 從皮膚癌入手，用一個龐大的圖像庫來訓練機器識別惡性腫瘤。2015 年 6 月開始測試這個深度學習系統。使用經皮膚病專家診斷的 14000 張圖像，來看這個深度學習系統是否能夠準確地將圖像分為 3 個診斷類別：良性病變、惡性病變和非癌生長。結果這個系統的正確率為 70%，而兩位皮膚病學家的正確率為 66%。人工智慧在影像、病理的診斷上將有很大的用武之地。

人工智慧還可以利用龐大的醫學知識庫和資料庫，建立醫生的臨床輔助決策系統，幫助醫生進行診斷。

例如，廣州市婦女兒童醫療中心，自主開發了一款兒科發熱相關的疾病智能診療助手。利用大量高質量病曆數據的優勢，以真實的海量臨床電子病歷大數據為基礎，融合臨床指南、專家共識和醫學文獻，結合分析和深度學習技術建立多維度診療模型，對病歷進行大量標註工作，通過人工智慧提供初步的診斷提示，提高患者和醫生的尋醫問診效率。項目自去年8月份上線以來，隨著逐漸融入醫生的工作流程，其準確率也在逐漸提高。對200份病歷的數據分析顯示，這個系統目前大約可以達到中級醫生的水平。

分級診療是一種「攪局式創新」

哈佛商學院著名的創新理論教授克里斯坦，建立了一套醫療創新的理論，我們通常將Disruptive Innovation翻譯成「顛覆式創新」。但是這與作者的原意不盡相同，在中文裡「顛覆」有兩層含義，一是「取代」和「推翻」的意思，二是「突破性」或「天翻地覆」的變化。

其實，英文中的Disruptive並沒有這兩層含義。不是推翻或取代，而是一種「並存」和「共生」，只是用一種更加「簡單」和「便宜」的創新，與原來複雜和昂貴的技術或商業模式來較量。這種創新不一定是一種突破性的改變，只要更簡單更便宜即可。這種創新是用簡易的技術和商業模式，來挑戰原來高大上的技術和商業模式。因此，我覺得使用「攪局」這個詞更接近英文的意思。對於原來持有高大上的那一方來說，不那麼高大上的創新就是一種攪局。

大家會顧慮「攪局」這個詞的貶義。與英文相比，中文的用詞往往有褒義和貶義的區分，英文用詞比較中性。但是，一個詞的意義也會隨著時代和環境發生變化，一些原來貶義的詞可以變得褒義。例如，「顛覆」這個詞在政治語境里往往是貶義的，用於敵對勢力的活動。「革命」這個詞，也曾經有殺頭、推翻政權的貶義。這兩個詞都變成了褒義用詞。所以，攪局這個詞，如果我們在一定場合下使用，只要定義清楚，也可以避免誤解。

分級診斷就是將大量常見病、多發病、慢性病的病人，從三級醫療機構中、從專家手中，轉移到基層醫療機構的全科醫生手中。相對於大醫院和專家來說，基層全科醫療就是一種更為簡單和便宜的「攪局式創新」，分級診療就是鼓勵攪局式創新。

而大數據和人工智慧的推廣和普及，本身就是一種攪局式創新，這些技術創新將有助於推動原來需要專家才能做到的診斷，讓基層醫生藉助於智能輔助系統，就能進行初步的診斷工作。因此，大數據和人工智慧將會推動分級診療的進行。

分級診斷的推進主要還需要依靠基層醫生水平的提高，以及醫生收入、就業制度的改革。但是，新的醫療技術創新可以在一定程度上促進分級診療的進行。因此，在醫改深化的過程中，創新和政策的變化可以互相促進。