医疗行业已经成为人工智能技术企业最为关注的蓝海，社会各界广泛关注，政策、技术、需求为其发展提供了难得的机遇，然而也面临行业独具特点的挑战。在CHIMA 大会上，中科院院士、清华大学人工智能研究院院长张钹院士，针对人工智能技术在医疗行业应用的热点和难点问题，作了一场逻辑严谨、寓意深刻的学术报告。品质医疗根据张院士发言及CHIMA官方报道，归纳要点如下。
人工智能如何改变医疗行业？
传统医疗系统，医务人员利用科学技术为病人治病。随着科学技术的进展，无论是医疗设备，还是医疗技术都有很大变化。尽管技术发生了各种变化，但医务人员与科技，以及跟病人的关系始终没有变，也就是医务人员利用科学技术为病人病。这一套医疗服务系统，是建立在病人跟医务人员有了互信的关系基础之上的，病人去医院看病，对医生有着充分的信任。
智能化意味着科学技术或者是设备、机器也参与了医疗决策和诊疗的过程。这里发生了一个重大变化。这个变化不是简单的医务人员使用的科技和设备，而是机器参与其中。一旦发生了这种变化，整个医疗关系发生了非常重要的变化，最直接的是病人跟机器建立了关系。因为机器参与了医疗决策过程，所以机器也变成为行为主体。现在的问题是，这样一个关系，还能建立起病人对医务人员、对机器的信任吗？
首先，必须解决医务人员对机器的信任问题
因为只有医务人员信任了这个机器，才可以达到病人信任这个机器的目标。在医疗智能化的条件下，必须去重新建立一套互信可靠、高质量和高效的人机协同医疗体系。
所谓的智能体应有以下三方面的功能：第一个功能是感知，视觉、听觉、触觉等，我们要用机器来实现人类的视觉、听觉、触觉等；第二个功能是理性思考、理性行为，也就是决策、判断；第三个功能是动作，是手和脚的动作。这三个功能，都跟医疗关系密切：第一，医生看病，尤其是中医讲究望闻问切，就是利用视觉、听觉和触觉去感知病人的状况；第二，医生所有的医疗过程，都是理性思考、理性行为；第三，包括手术在内的医疗动作输出。这三个方面，都是属于人工智能要研究的范围。
智能化意味着什么呢？
先来看一下推理、决策、诊断、规划、创作、学习等理性行为，这些行为在医生医疗诊断过程中都要用到。人工智能怎么实现它们？非常简单，就是建立一个以知识和经验为基础的推理系统。对医疗诊断来讲，就是把医生和医务人员的医疗知识和临床经验存入计算机，把医生看病的过程变成推理过程存入计算机，计算机就能够做同样的事情。
1970初，美国斯坦福大学和斯坦福医学院合作研发了MYCIN专家系统，用于诊断血液传染病。当时大多数医疗诊断系统也是这么做的，把知识全储存在计算机内，把推理过程作为计算过程。但是很遗憾，当时国内外做的这一类系统都没有得到推广应用，最主要的原因是医生有很多知识和临床经验非常难以表达和描述，人和机器很难建立信任，系统也很难推广利用。有了大数据以后，这个问题获得很大改善。我们可以利用大数据来弥补原来工作中的不足，光靠医生的知识和经验来建造系统，这个很难做到。所以从21世纪开始，大量医疗人工智能的工作开始复苏。
比如IBM的沃森医疗保健系统，它主要是做癌症的免疫治疗，是从100万本医学杂志上抽取的2500万个摘要，有400万病人的数据，以及1861年以来的药物专利。所以它既可以做癌症免疫治疗，也可以进行个性化的辅助治疗，比如针对糖尿病的管理。这里所有的数据是质量比较高的数据。从一定意义上来讲它是知识。比如从医学杂志中间抽取摘要应该说是一个医学知识。
第二，从21世纪开始，我们进入深度学习时代
21世纪初有一个重大突破，表现在只要把原始的数据输入计算机，处理以后就能够达到识别的目的。这和以前不一样，这就是深度学习。深度学习是把神经网络的层次增加了以后，起了一个根本性变化。也就是我们输入没有加工的数据，比如输入图像点阵或语音输入波形，这让使用人工智能的技术门槛降低了。在做人脸识别和语音识别时，不需要对人脸和语音有很深入的了解，只要利用原始声音数据、图像数据，就可以做图像识别、语音识别的工作。
正因如此，给医学大量应用人工智能带来了机会。其中最重要的应用就是医学图像识别。比如尘肺病筛选、眼底彩照疾病诊断等。
第三，是行动，其中最重要的是手术机器人
比如众所周知的达芬奇机器人，包括术前规划、术中操作和术后管理等。
如何建立一个新的互信、可靠、高质量与高效的人机协同医疗体系？
建立一个新的互信、可靠、高质量与高效的人机协同医疗体系，是智慧医疗未来发展趋势，才能真正实现AI改变医学形态的愿景。这个工作分成两个部分：
第一是非核心部分应用，主要是指后勤、管理
它是指利用人工智能技术为大家在预约、挂号、缴费、导诊、初诊、自我诊断和医学知识咨询等提供网络服务。这类网站目前只能解决非核心部分，即帮助患者挂号、预约、介绍医生、介绍医院、导诊，进行初诊和自我诊断等，不能真正进行医疗诊断，而且所提供的医学咨询也不见得是准确、可靠的。换句话说，特别是目前国内的医疗服务类网站，无法提供更高质量的医疗咨询服务。因此这些医疗服务网络企业下一步怎么办？如何可持续发展？唯一的出路就是它们要提供更高质量的医疗服务和信息。目前医疗服务网络企业已经遇到了如何提高质量的问题，如果不提高质量，那么它们是不可能永远生存下去的。
第二是核心部分的应用，即智慧诊疗
这是人工智能最重要的应用领域。只有当机器真正进入了医疗决策和诊疗，才能体现人工智能的价值。目前我们做这个事情有一定局限性。因为要实现医疗诊断，必须有大量的知识和数据，这是目前人工智能所要求的。相关信息必须是确定、完整的，而且在整个过程中间是可预测的。现在看一下医疗的场景，很多并不符合这个要求。特别是其中所要求的完整、确定的信息。为什么我们需要优秀的医生？因为医疗需要在信息不是很完整和不确定的情况下，由优秀的医生做出正确的判断。
因此，真正的智慧医疗还要做很多方面的努力。用大数据做出来的医疗诊断结果，有很多待改进的地方，主要表现为会放大错误、关系很差、非常脆弱，而且需要大量的学习样本等。
一个非常优秀的交通信号指挥系统，只要在信号上加了一点干扰，就会变成另外一个信号。医疗图像识别系统也是一样，只要医疗图片上有一点污染，就使得它发生质的变化，在判断上发生很大的错误。声音也是如此，明明说的是这句话，加了一点干扰，机器听起来就变成了另外一句话。这就是大数据深度学习必然导致的结果，会引起很大的问题。目前已存在的很多医疗图像诊断系统，从指标上来看，可以说已经达到甚至是超过专家的水平。但是医生不敢用，因为它不可解释。比如说把一个图片给机器，它诊断出来是癌症，但是说不出诊断理由，因此医生根本不敢签字。这就涉及机器看病，是什么责任，它能否负得起这责任。也就是最终还必须由医生签字，不能完全用机器来做判断。这就存在一个问题：医生凭什么相信机器的诊断是对的。
关键是如何让人工智能做可解释的诊断。我们必须要设法努力去建立一套互信、安全的人机协同医疗健康系统，其中涉及很多问题，比如安全性和标准、伦理与法律、体制机制和科技层面，必须从这些层面提供安全、可信、可靠与高效的人工智能技术。
目前国际上已经开始建立“可解释”的医疗诊断系统，这是非常不容易的。因为现在的深度学习方法，得出来的结果是不可解释的。人工智能在医疗健康领域有很多的应用，前景很好，但是我们必须要解决互信的问题，让医生信任这个系统。
以清华大学人工智能研究院和清华长庚医院在研究的建立一个可信的、基于呼吸音的医疗辅助分析系统为例，目前血液、血压、温度都自动化了，唯一的声音、呼吸没有实现自动化。我们希望通过管理部门、医院、医生和技术人员四结合的模式，共同来促进这项研究。
我们设立的目标就包括破解呼吸音的密码。在做这个分析系统前，必须准确可靠的解决声音听诊的问题，实现对呼吸音的测量。先把声音转化成图像，用滤波方式过滤掉噪声。但这样提取的数据的质量不是很高，这时必须充分借助医生的智慧解决数据质量的问题，即滤波过滤噪音后，再让医生来判断，原来的声音是否存在，才可以保证提高声音的质量。这样的系统可以应用到很多地方，比如重症监护可以帮助医生诊疗心血管和呼吸系统疾病等。
MIT研究人员统计，过去间机器人手术导致140多人死亡，近1400人受伤。如何面对这个事实？也就是说，当我们做智慧医疗的时候，会遇到极大的风险和挑战。如何面对这个风险和挑战？必须衡量AI技术带来的利益与风险，最终是人类来决定何处使用AI？哪些还需保留旧的模式？
AI技术将改变医学的整个形态。这里关键的问题，是医务人员的参与和重视，而且是全过程的，包括从研究、开发到应用。因为人工智能在医疗健康领域应用的本意不是想代替医务人员，而是要发挥医务人员的聪明才智。因此医务人员在其中起着非常关键的作用。在人工智能应用方面，数据并不是最重要的，最重要的是人，是医生的智慧、所具备的医学知识和临床经验。
医疗数据有两种：一种是可以直接使用的高质量数据；另一种是大量的低质量数据。低质量数据怎么用？这是目前人工智能应用的关键。要想挖掘低质量数据的价值，关键在于让医务人员发挥作用，只有借助于医务人员的智慧和经验，才能有效利用数据，特别是低质量的大数据。
来源：CHIMA
