機器人「坐診」代替醫生為時不遠？

知識 08-20

?IBM的沃森機器人，圖片來自healthpopuli.com

編者按：

大多數人第一次了解IBM的機器人沃森，可能源於2011年美國熱門電視智力問答節目——《危險邊緣》（Jeopardy!）。當時，這個神秘的人工智慧選手戰勝了這個節目史上最強的人類對手。過去數年間，隨著人工智慧在醫療健康領域的應用成為熱點，醫療領域即將準備迎來一場大變革。IBM、微軟、谷歌等大企業紛紛加大投入，並取得了顯著的進步。

本月，沃森正式進入中國的21家醫院，並在日本為癌症病人做出診斷。也許距離我們接受一名機器人醫生的「坐診」已經為時不遠。

編譯 | 瞿之真

責編 | 葉水送

●　●　●

正當國內醫療專家開始嘗試使用深度學習來挖掘醫療數據時，8月12日，IBM宣布其重金研發的智能認知系統沃森（Watson）已登陸中國。根據IBM宣布的計劃，沃森將與國內21所醫院進行合作，幫助醫生為腫瘤患者制定更好的個性化治療方案。

據IBM的消息，現階段沃森可以對醫學文獻進行打分與評級，並迅速整理醫患的醫療記錄，提高醫生的診療效率。沃森對海量數據進行分析，從而幫助醫生為患者提供高質量、個體化的循證癌症治療方案。它還可以為醫生與患者帶來世界頂級的癌症治療專業知識。

本月初，沃森幫助一位在日本東京大學醫學院治療的60歲女性患者診斷出了罕見的白血病類型。據東大醫學院研究人員對媒體的說法，沃森通過比對2000萬份癌症研究論文，在短短10分鐘內得出了診斷結果。

作為認知計算系統的沃森於2007年問世，它取名自IBM的首任執行官托馬斯·沃森（Thomas Watson）。過去九年間，沃森不僅是智力問答的佼佼者，還推動著醫療健康、金融服務、零售和教育等行業的發展以及未來轉型。它可從各種結構化或非結構化的數據源中學習和積累知識，還可以在大數據中篩選信息，並對其進行評分。

在醫療健康領域，它可以在幾分鐘內搜索大量的信息，給病患提供精準的診療方案。自2014年起，IBM公司已將醫療健康作為沃森的主打牌。目前，沃森已經與包括安德森癌症中心（MD Anderson Cancer Center）、紐約紀念斯隆-凱特琳癌症中心（Memorial Sloan-Kettering Cancer Center）等在內的頂尖癌症中心建立合作關係。通過大數據整合，沃森正逐步成長為日臻完美的醫學診斷專家。以它為代表的人工智慧，將推動醫療健康領域的轉型，給人類帶來巨大的社會、經濟以及政治效應。

沃森轉戰醫療健康：既上醫學課程，又閱讀文獻

眾所周知，IBM公司以前研發的超級國際象棋電腦——深藍，具有極強的計算能力，它有32個「大腦」，每秒鐘可以計算2億步，存儲了一百多年來超過兩百萬局優秀棋手的棋局。然而，深藍無法處理自然語言，也無法識別非結構化的數據源。和深藍相比，沃森代表了認知計算時代一個嶄新的計算模型，它可以閱讀並理解自然語言，提出假設，並可尋求證據支持或反對假設，還可以不斷地學習和進化。如果說深藍留在了電腦的舒適區域，那麼沃森則走進了一個看似讓機器尷尬的領域，因為它嘗試像人一樣工作，甚至在某些方面比人做得更好。

2011年，正值IBM創立100周年之際，沃森參加了哥倫比亞廣播公司的《危險邊緣》（Jeopady!）節目，這檔智力問答節目的問題包羅萬象，節目的規則是答對問題得分，答錯倒扣分。為了參加比賽，沃森不僅需要聽懂人的自然語言，還需要分析語言背後的語義，在內置資料庫中進行搜索，找到可能的多種答案，再對可能的答案一一進行評分。評分過後，沃森需要選擇3個有可能的答案，當其中一個答案評估的可能性超過50%的時候，沃森便會按下搶答鍵進行搶答，最終在人機對抗的比賽中，聰明的沃森打敗了該節目最高獎金得主布拉德·魯特爾（Brad Rutter）和連勝紀錄保持者肯·詹寧斯（Ken Jennings），取得了冠軍。

嶄露頭角之後，這位全美「最聰明的人」開始轉戰醫療健康領域，它花了兩年的時間「修讀」醫學院課程，像人類那樣做必要的知識儲備。然而在起步階段，沃森也歷經了不少枯燥以及低技術含量的工作過程。安德森癌症中心以及IBM的研發團隊花了好幾個月，向沃森輸入大量的病患信息，此類信息包括他們的姓名、年齡、性別、藥物史、醫學檢測報告以及病患的就醫筆記等。一開始，沃森在語言識別上遇到了對人類來說很基本，對機器來說卻很難的問題，譬如，當需要解讀醫生輸入的「冷」（cold）的信息時，沃森無法識別「冷」在語境中，指代的到底是溫度低還是一種流感病毒。又或者，它無法解讀「T2」指代的是磁共振成像，還是癌症發展的一個階段。所以，每一項信息的輸入，都需要相關人員向沃森進行核實，需要他們手動輸入被認為是「正確」的診斷。

此外，為了擴充沃森的知識量，幫助其更好地為病患進行診斷，科學家們讓沃森「閱讀」了大量的相關領域的頂尖文獻，並幫助沃森學會如何在海量的信息中篩選出有用的信息，進行總結，提出可能性的報告。

不同於人類做決策時容易受到外在環境和情緒的影響，沃森「冷靜」、「理智」地在海量的數據源中，為醫生快速尋找適合病人的診療方式，給出最佳的推薦。截至2015年，IBM已經和北美14個癌症中心建立合作夥伴關係，成為診斷癌症的一個新型輔助途徑。

沃森背後的技術革新

IBM 的深度開放域問答系統工程（Deep QA）是沃森背後的技術支持。深度開放域問答系統工程的發展，解決了臨床決策支持系統多年以來突破不了的瓶頸。

近40年來，臨床決策支持系統致力於改善臨床醫生知識的局限性，減少人為疏忽，從而幫助病人找到最優的診療決策。它一般包括診斷輔助工具（Diagnostic Support Tools）和治療輔助工具（Treatment Support Tools）。第一代的臨床決策支持系統（Clinical Decision Support System）主要致力於診斷輔助，然而解決方案的信息量太多，往往需要醫生花費很多的時間閱讀，所以在臨床上並不具備實用性。第二代臨床決策支持系統致力於提高使用效率，它可以通過概括醫生的筆記和醫療研究文獻來為醫生提供診斷建議，然而它仍無法在信息量很小的時候給出好的診斷，提取速度也非常慢。

這兩代臨床決策支持系統存在的問題，在沃森剛剛步入「職場」之際，哪怕是強大如谷歌的搜索引擎，也很難解決。這是因為，當時的谷歌不能從非結構化的信息中抓取問題。醫生需要把查詢的問題總結成關鍵字組合，輸入谷歌來尋求答案。其次，當谷歌按照結果的相關度查找到大量文獻的時候，醫生需要對此進行一一閱讀，並且將重點加以概括從而得出結論，所以當時谷歌遭遇了與前兩代臨床決策支持系統一樣的問題。

事實上，IBM的深度開放域問答系統工程是在類似谷歌的搜索引擎之上，加上自然語言閱讀能力和語義解析能力。谷歌依賴人類，IBM 的深度開放域問答系統工程使得沃森可以靠自己解決問題。它可以支持沃森閱讀電子病歷、化驗結果、醫學影像、視頻以及病患感測器（如可穿戴醫療設備），從而生成假設，收集大量證據，最後進行分析和評估。

?圖1.沃森解決問題的流程圖：

1.沃森總結自然語言，生成一個搜索問題；

2.沃森嵌入式搜索引擎搜索一個大型文檔的知識庫找到相關文件；

3.沃森將搜索結果總結成自然語言，並且生成可能的解答（假設）：

a)對於每個假設，沃森構建並啟動其他搜索以收集證據支持這一假設；

b)沃森的嵌入式搜索引擎為每一個假設搜索論據；

c)沃森總結搜索結果，並對每一個結果進行評分；d)給予每一個假設的支持論據，沃森給出一個評分。

4.所有的假設被轉化成一張答案列表，返還給用戶。

在以上提及的4個步驟中，沃森對自然語言的處理體現在步驟1，3和3c，沃森的搜索能力體現在2，3a和3b，它的評分能力體現在3d和4。

作者：袁鈞濤（Michael J. Yuan）, 系Ringful Health 首席科學家。

上圖總結了沃森解決問題的流程。無論是對自然語言進行總結，還是對收集到的證據進行評分，沃森都需要對非結構化的語言文本進行處理。它的內置的基於非結構化信息的管理架構（Apache UIMA）負責執行和解決用戶提出的任務。對於接受到的每一個任務，沃森都會開啟多個搜索引擎，並且使用多樣的搜索技術，從內置知識庫中找出假設和佐證。沃森使用的搜索技術包括詞頻排名結果（Apache Lucene），貝葉斯網路排名結果（Indri），以及術語和文檔之間的搜索關係（SPARQL）。

據Ringful Health 首席科學家袁鈞濤博士介紹，近年來，沃森在已有的深度開放域問答系統工程之上，又加入了很多「傳統」的機器學習和數據處理技術。應用在癌症診療領域，它不單單可以對醫生輸入的問題提出多種診療建議，還可以向醫生解釋各類診療決策的異同，以便醫生作出最後的判斷。

除了沃森，人工智慧近年內正在極大地推進醫療領域的發展及變革，各大科技巨頭正陸續向醫療健康領域進軍。如微軟近日發現，分析搜索引擎可用來推測用戶是否有患胰腺癌的前兆；微軟還嘗試讓人工智慧和機器學慣用於分析患者的醫學掃描圖像，例如用於掃描並計算出腦腫瘤的大小，分析腫瘤組織成分，然後給出最佳治療方案；谷歌發布了世界上準確度最高的自然語言解析器SyntaxNet；谷歌DeepMind正計劃將人工智慧演算法更多地應用於醫療健康領域，包括在未來五年將機器學習技術用於處理英國國家醫療服務系統（NHS）的數據等。

人工智慧給醫療健康帶來深刻影響

沃森在醫療領域的迅猛發展，帶來了多重的思考。一方面，它正在以驚人的速度成為完美的醫學診斷專家，似乎具有在未來替代實體醫生的可能性；另一方面，對於它是否有可能取代實體醫生，直接給病患帶去一對一的精準治療的質疑聲也不斷傳出。作為醫生，如何看待和接受沃森，作為病患，又是否可以接受一個機器人的坐診？

部分觀點認為，沃森的出現，將很有可能顛覆醫患關係的主體。因為機器人具有比人腦更多的數據容量，以及更為理性的判斷，它將可能給病患帶來更精準的治療。比外，醫療機器人的普及，將有可能弱化不同地區醫療水平的不均給病患帶來的差異，醫療欠發達地區的病患將得到更多的診療機會。

然而，與之相反的觀點卻認為，將沃森定位為醫生的診斷輔助工具更為合適，因為雖然它在某些方面顯示出優於醫生的能力，但尚不足以完全取代醫生。維克森林大學醫學院的助理教授胡塞恩醫生（Iltifat Husain）表示，雖然沃森很大程度上幫助病人提升他們的醫療質量，但機器缺少人的本能和同理心。它無法察言觀色，無法在人的言談舉止中捕捉對診斷可能起關鍵作用的隱藏信息。而這些隱藏信息，恰恰可能是確診的關鍵。

目前，沃森已經將診斷領域拓展到對糖尿病、肺癌的輔助診斷。無論沃森是否會取代實體醫生，在可預見的未來，可以肯定的是，以它為代表的認知計算系統，結合大數據和機器學習技術，將帶動醫療健康領域醫療模式的發展與轉型，為患者及醫生帶去更多疾病診療的福音。