能看病的聊天機器人，不只有大白

小探一直很不理解，為什麼直播平台上有很多人給漂亮妹子留言，說如果能聊幾塊錢的天，什麼毛病都沒了。

聊天能治病？？

沒錯，小探恰好遇到一家叫Buoy的公司，他們的首席執行官Andrew Le原本是哈佛醫學院的博士，在校期間不專註學習，非要拉著老師搞一個聊天機器人，還說它能給人診病。

網友評論：大白，是你嗎？！

聊天能診病？？？

……既然美女聊天能治病這個問題想不通，小探決定潛下心，好好研究一下第二個問題。

先來看一下Buoy的基本資料。Buoy已獲得150萬元種子輪融資。顧問團中還有早在上世紀六十年就將信息科學應用到醫學診斷上、人稱「網路醫學之父」、現任哈佛醫學院博士生導師的Warner Slack。可見，他們並不是鬧著玩的。

Warner Slack(右)1985年在大型計算機前工作

Buoy的特別之處到底在哪兒呢？

故事起源

2013年，Andrew作為哈佛醫學院的學生，來到麻省總醫院實習。他研究的課題是腦癌，但是經常在急診室輪值。

Andrew在講述急診室的故事

一天晚上，他遇到一位衣著體面的老婦人。她一進門就不停地抱怨右手的第二個指節處異常疼痛。經過診斷，醫生和Andrew發現，老婦人竟然非常健康。

經過醫生的再三保證，這位婦人才說出她堅持的理由——她Google了自己的癥狀，發現她可能得了關節炎，關節炎嚴重了是會要人命的，這讓她非常害怕。

不久之後，Andrew還遇到了另一位病人。他的腳上有一個洞，還自己帶著三個孩子來看病。因為傷口感染嚴重，醫生不得不把他的整個小腿都進行了截肢。

同樣是在網上查了自己的病，這位父親以為自己能處理那種傷口，一直拖著沒來看醫生。他感覺不到疼痛，其實是因為整個腳部的血液已經停止流通。如果他早點來醫院，結果會不一樣。

不舒服的時候，第一反應是上網查一下自己怎麼了（不知道你們會不會這樣做，小探就經常這樣做，也經常被網上查出的結果嚇到），嗯，發熱咳嗽、腰酸背痛在網站上都是致命的。

這種情況讓Andrew開始思索，有沒有可能開發一款軟體，用比較精準的方式為人們診斷日常病症，告訴他們應該什麼時候去看醫生，避免病情被延誤呢？

發生在他父親身上的事更是讓他堅定了這個想法——老人家也因為在網上沒有得到準確的信息而延誤了病情。他不想打擾在哈佛醫學院讀書的兒子，因為兒子總是太忙了。

電影《大魚》中父親孤獨的活在自己的世界里

使用體驗

於是，就有了Buoy。

這是一款基於人工智慧和自然語言處理技術的醫療診斷軟體。不同於我們常常在各大醫院的網站上看到的診斷頁面，Buoy還是一個聊天機器人。

首先是賣萌、打招呼；

然後，它會問你問題，基本都是多選或者判斷對錯，倒是不費事。這個過程大概持續2－3分鐘；

最後，它會給你看它的診斷，最多有三個。在每項診斷的背後，Buoy會給出它覺得比較合適的治療方式。如果它覺得你馬上就得去看醫生，還會在軟體上直接推薦附近的醫院給你。

自然語言處理技術使Buoy能夠用我們熟悉的遣詞造句的方式說話，也能夠理解我們用通俗的語言描述的病症。在問到某些專業術語的時候，Buoy會添加解釋或者圖示，是不是有點貼心？

不過，有些用戶說，在使用時還是會出現一些不認識的詞，需要去Google 。作為一個發育中的初創公司，Buoy需要做的、能做的事情還有很多。

精度對比

那麼，作為一個號稱能給人診病的機器人，Buoy的診斷精準度到底怎麼樣呢？

據Andrew介紹，這款人工智慧背後的大數據是來自於18000多份醫學學術論文，涵蓋了500萬個真實生活中的病例。

為什麼不直接從醫院獲取允許公開的病例信息呢？原來，Andrew和他的團隊在研究以後發現，醫院的病例沒有一個標準的填寫尺度，很難從中提取出能夠進行整合的結構性信息。而通過親自閱讀那18000多份專業的、有統一標準的醫學論文，他們才能提取出充足的、有關聯性的信息，從而整合出大資料庫。

有人可能會說，臨床案例被收納到論文里，肯定要經過一定的時間，寫作者個人的表達水平也會影響到記載的精準度，所以Andrew他們所基於的資料，可能並不完全適用於臨床情況。

這一點小探的心裡也有疑慮，不過我們還應該考慮在內， Buoy是一款人工智慧機器人，這就意味著在用戶使用Buoy的期間，每一份諮詢都是一份數據。隨著使用者越來越多，它就有可能通過深度學習不斷地提高診斷精準率。

在Buoy去年進行的質量檢測中，Andrew和他的團隊在醫院的急診室里隨機抽取了500名病人，將他們使用buoy進行的診斷，和之後醫生的診斷進行了對比，最後得出結論——Buoy的準確率達到90.9%。

美國的網友們對它的精準度的整體評價還不錯。

「在一個有坐骨神經痛的朋友身上試了試，它診斷的一點沒錯！」

「上周五看了醫生以後，我拿Buoy試了試。發現它問的問題有很多和醫生一樣，並且！它還問了一些別的問題，最後告訴我，我的癥狀也有可能是別的病導致的。它提到的那幾個病，我下次做年檢一定要好好查查！」

如果你也對它感興趣，想親自試用一下，Buoy的網頁版可以在全球各處使用，iOS版的APP只能在美國商店下載，免費！Android版本雖然還沒發布，但有望在今年晚些時候上線。

競爭對手

Buoy並不是沒有對手。

其中之一就是國際市場中最為廣泛的競品——以WebMD為代表的在線診療小助手。Andrew分析說，對手採用的是基於統計學的決策樹演算法，就像大家小時候經常玩的連線遊戲，一個因導向一個果；而buoy的運算過程是從動態的30000個問題中，根據用戶的回答一步、一步地排除不可能的情況，整合所有信息，最後鎖定三項診斷。

決策樹示意圖

2016年，英國醫學期刊主導了一場在線診療軟體的評比大賽。Buoy與33個對手同台競爭，對100個以咳嗽為主要癥狀、但病因不盡相同的案例進行分析，Buoy的準確率達到92%，WebMD的準確率為56%，其他的還有Mayo(38%)，Isabel(28%)和Healthline(53%)。

不過，讓小探說，這樣的比賽對Buoy來說也太Easy了！拿人工智慧軟體去跟非人工智慧軟體比，結果毫無懸念。其實，像Buoy這樣使用人工智慧技術的診療軟體，雖然國際市場上並沒有很多，但各國也都在積極地發展。

英國的ADA在2016年6月上線iTunes，比Buoy還早了幾個月。這款軟體也是基於人工智慧技術診斷病症，並且它還會為用戶建立一個病歷卡，記載你的過敏史、看病史和吃藥的情況。這張病歷卡可以在家庭成員之間共享，為不能在生病親人身邊照料的人，提供一份安心。

ADA的聊天機器人名叫Sophie

百度也在去年推出了醫療大腦Melody。Melody標榜自己是得力的實習醫生和家庭小助手。通過對比用戶的提問和百度醫療資料庫中的信息，她會提供比百度搜索精準許多的診斷結果 。並且，她還將聯合百度醫生收集、匯總病人的癥狀描述，這些數據會在未來作為輔助資料，幫助醫生挖掘更多治療的可能性。

圖右為Melody的擬人化形象，你喜歡嗎？

利弊分析

到底機器人能不能給人治病？關於這個問題的探討，有人站在反對的一面，也有人站在支持的一面。

「我實名反對利用大數據做疾病診斷。自動診斷能給個95%的準確率就不錯了，說那5%不會落到自己頭上的，出門概率課課本拿好不謝。」有人在知乎問答里這麼說。

一位資深的產品分析師也對小探表達了同樣的看法：「用科技診病、治病，根本就不可取。中醫講究望聞問切，沒有人的參與，機器永遠都不能給人治病。萬一有一點差錯，那可就是醫療事故，誰能負得起這個責任？」

一位來自浙江大學的醫學碩士分析說：在，作為主力的基層工作者既沒有受過完整的醫護教育，又缺乏檢查的手段和儀器，而有最好的醫生和最好的檢查手段的三甲醫院，經常人滿為患。 如果精準度比較高的人工智慧機器人能夠作為醫生的輔助，對於底層醫療質量的提高，也許會有幫助。

他還提到，現在網上已經沉澱了海量的醫生和患者之間的對話數據以及搜索查詢數據，如果我們能夠有效地利用這些數據，就把個人的、地區性的經驗轉化為全人類的經驗，那時，誤診、漏診的幾率反而有可能降低。

另外，根據世界衛生組織的分析，現代醫療面臨的最大問題，仍然是醫療資源的極度缺乏。在未來的20年裡，全球大約會出現1300萬醫護人員的缺口。

Melody的核心開發人員之一、百度前首席科學家吳恩達就說過：「除了利用人工智慧以外，我不知道還有什麼別的方法可以解決這個問題。」

有趣的是，力挺人工智慧的吳恩達並不願意讓Melody完全取代人類醫生。他自己也說：「讓人工智慧機器人獨立診斷還有很長的一段路要走。」於是，他們提出了「增強智能」的概念，計劃讓Melody成為醫生的助手，而不是敵人。

這個概念讓小探想起醫學信息領域的大拿Friedman在2012年寫的一篇著作《What information is and isn't》。文章中的一張圖引起了全球轟動。

有人說，現在所有人為之努力的醫療智能系統，終極形態也不能超越這個不等式——在這個不等式的左邊，永遠不能缺少了那個人腦。

看完了這篇文章，你有什麼看法？歡迎留言，小探已經迫不及待地想聽到你們的觀點啦！

Buoy正在對資本持續關注中，有相關資源並且對於利用人工智慧實現疾病診斷的公司感興趣的投資人，歡迎添加探長微信與我們聯繫。（請務必註明您的機構名及職務！）

矽谷密探報道的項目被以下資本密切關註：

GGV、Y Combinator、DFJ Venture、丹華資本、華山資本、SV Tech Ventures、LDV Partners、NewGen Capital、華岩資本、SocialStarts、TEEC Angel Fund、Amino Capital、500Startups、Plug and Play、博將資本、新進創投、西湖資本、HEDA Ventures、浙江創新中心、BOE Ventures、UpHonest Capital、國科投資、德成資本、騰訊眾創空間、百度戰略投資、真格基金、經緯創投、紅杉、中科創星、黑洞資本、集結號資本、雲起資本、線性資本、星河互娛、豐厚資本、浩方資本、阿爾法創投。

歡迎更多的項目聯繫我們：[email protected]

關注矽谷密探

緊盯全球創新趨勢