中國藥科大學校長來茂德：我眼中「醫療 AI」的機會與挑戰

關於醫療+AI，人人都能評論幾句。

但事實上絕大多數人並不清楚AI在醫療領域能做什麼，更別說怎麼做，面臨哪些挑戰。

在日前結束的圖像計算與數字醫學國際研討會（ISICDM2017）上，430多位來自信息科學（含計算機與電子工程等學科）、數學與醫學等領域的專家學者與臨床醫生聚首成都，圍繞人工智慧+醫療、醫學圖像分析等話題展開了深入的交流與探討。

作為本次大會的獨家媒體，雷鋒網對多位專家進行專訪，並全程記錄了各個精彩報告。

大會首位演講嘉賓中國藥科大學校長、德國國家科學院院士來茂德教授，發表了題為「醫學+AI」的報告演講，奠定了大會基調。

隨後，南方醫科大學教授、科技部國家「973」計劃首席科學家陳武凡；北京理工大學教授王涌天；清華大學教授、中組部千人計劃特聘教授廖洪恩；微軟亞洲研究院副院長張益肇分別就「基於統一迭代建模與多源先驗約束的高分辨醫學成像研究」、「混合現實引導精準診療研究」、「醫學三維成像與數字精準診療」、「弱監督學習在醫療影像中的探索」四大議題做了深度報告。

來茂德校長首先肯定了人工智慧技術在醫學領域的應用前景，但他同時也指出，人工智慧不能代替醫生。未來人工智慧在醫療領域將主要起到輔助診斷的作用。來茂德教授認為，醫學+AI的基本前提是有真實、完整的數據，目前國內在這方面還有所欠缺。

他一再強調，人工智慧應用於醫學領域需要多學科交叉合作。沒有高水平的專業化的醫生深度參與，人工智慧不可能進入醫院落地應用。

最後來茂德教授提議，國家應該啟動人工智慧方面的重大研發計劃，組織各領域有基礎的學科強者，組建一支真正的研發團隊。他認為，只有這樣才能真正實現人工智慧醫療技術上的突破。

以下是來茂德教授的報告內容，雷鋒網做了不改變原意的編輯，並由來茂德教授親自審文確認：

科學界有個規矩，跨界的話不能亂說。

作為學醫的，儘管與人工智慧方面的學者有7年的工作合作，但嚴格說我不懂人工智慧，所以我接下來盡量講一些人工智慧和醫學相結合的東西。我分享的題目是「醫學+AI」，下面我將以一個病理科醫生的視角談談這個問題。

如何正確地認識人工智慧？

人工智慧概念是1956年提出來的，到去年正好60年。中國人稱60年為一個甲子，一個甲子就是一個輪迴。

我覺得，人工智慧最火熱的時候我們反而要理性對待，認真思考人工智慧到底能做些什麼。但今天我只能談談人工智慧在醫學方面的應用，其他領域不敢亂講。

據報道，張首晟先生有一個觀點，說人工智慧有三大核心——晶元、數據和演算法。他認為人工智慧要進一步發展，就必須三方面緊密結合。演算法由大學裡的教授負責，企業負責收集數據，至於晶元，現有的技術已經夠了。

對於緊密合作這個觀點，我深表認同。

那麼，我們又該如何看待人工智慧在醫學專業的應用呢？人工智慧應用於醫學領域，到底是AI+醫療，還是醫療+AI？我認為，一定是醫療+AI。

前幾年流行互聯網+，國內辦了很多互聯網醫院，但迄今為止有成功的嗎？現在包括香港媒體在內的很多國內媒體又在宣傳，說人工智慧來了很多崗位都要失業；說未來人類不用幹活，只需要「enjoy your life」。

有一則新聞說人工智慧即將取代醫生，這則新聞里寫道「病理學家的診斷準確率為73%，而人工智慧的準確率卻達到了89%」。很多媒體和院士專家都這樣講。讀者閱讀時也不看上下文，不去思考73%和89%到底代表什麼？其實這則新聞後面還有一段話，「人工智慧的假陽性誤判也比較多，平均每個切片有8處，而人類專家完全沒有假陽性誤判」。這則新聞說的是乳腺癌腋窩淋巴結轉移的診斷，淋巴結轉移說明癌症已經不是早期，而是到了進展期（晚期），需要做化療。乳腺癌早期是不需要做化療的，假如因為機器誤判對病人做了化療，導致病人去世，該由誰來負責？我們必須用科學的態度看待這個問題。

人工智慧到底能不能取代醫生？部分取代是可能的，但涉及人與人之間感情交流的部分無法取代。簡單來說，人工智慧是利用機器模擬人類智能的技術，可以實現替代人類完成部分體力勞動。但醫學是一門人學，涉及人與人之間的交流。我相信在座各位沒一個敢讓機器給自己看病。

我看過很多醫療+AI方面的報道，其中有篇介紹了經綸世紀CEO的一個演講，我認為他的觀點是比較客觀的。他提到，人工智慧在醫學領域的應用分深、淺兩個層次。淺層次的應用就是，用計算機通過深度學習演算法對高質量的數據進行挖掘和計算，最終解決實際問題。深層次的應用則要建立規則，通過專家系統，實現輔助診斷和治療。

國外有一個很好的例子。有一個研究團隊在《Nature》發表了一篇論文，受到人工智慧和醫學界的雙重關注。這篇論文中的研究基於差不多13萬張圖片，涉及2000餘個病種，而且每一個病種都有病理活檢診斷。21名執業皮膚科醫生參與了這項研究，此外還有工程人員和病理科的醫生，也就是說進行這項研究的是一個非常多元化的團隊。在這個團隊里，病理科醫生負責解決病理方面的問題，臨床醫生解決臨床方面的問題，工程人員則負責解釋演算法；大家各司其職，只有這樣才能取得比較理想的成果。

人工智慧在醫學領域的應用

十年後人工智慧可以發展到什麼程度誰也說不定。所以我們對人工智慧在醫學領域應用的探討必須限定在當前階段。我認為，現階段人工智慧在醫療領域的主要作用是輔助診斷，幫助醫生減去部分工作量。要知道，國內的醫生——尤其是三甲醫院的醫生，工作強度非常大。

很多人說，人工智慧技術發展成熟後，醫生都要失業。我認為，有了成熟的輔助診斷系統後，可能有一部分醫生的確會失業。但初級醫生不會失業，因為他要負責很多雜七雜八的事情，這些事情必須要有人做，而且技術含量不是很高；高級醫生也不會失業，因為他需要做最終的確診。真正可能失業的是那些不努力幹活的中級醫生。

人工智慧應用於醫療領域的兩大前提

那麼，如何將人工智慧應用於醫療領域打造成熟的輔助診療系統呢？我認為有兩個前提：

一、提升醫療數據的可靠性。

AI輔助診斷首先要通過多個學科合作，針對每一種疾病建立規範的診療流程，產生合格的數據。為什麼現在有很多AI輔助診斷產品，但效果都不理想，原因就在數據。

我國的計算機語音識別系統水平很高，比如科大訊飛的語音識別系統。有了成熟的語音技術之後，我們可以在醫生口袋裡放一個語音轉錄設備，邊走邊將醫生和病人的對話記錄下來，生成電子病歷，大幅減少醫生的工作量。

我印象很深刻，我89年去德國的時候，他們病理科醫生就不需要自己寫病變描述和病理診斷。醫生的辦公室里有一個裝置，用腳踩下去之後錄音機就開始錄音，錄好音後再交給秘書，讓她們將錄下的內容打出來，醫生再校對。我覺得，未來人工智慧在這方面有很大的發展空間。

此外，還需要多個學科通力合作，打造高水平的專家系統。參與系統打造的一定要是經驗豐富的高水平醫生。年輕醫生還有很多東西沒有搞清楚，無法勝任。

二、完善醫療應用平台。

有人認為，人工智慧在醫療領域的應用可以分為三個層次。

最底層的是醫療數據和計算能力，計算能力方面，目前工程類的計算機教授已經可以勝任；但醫療數據還存在很大的問題。

第二層是技術層，包括演算法框架和通用技術，國內的專家也能搞定。

第三層是應用層，目前我們已經能夠設計出比較好的醫療解決方案，但還缺少一個完善的醫療應用平台。

我認為，人工智慧技術應用於醫療領域，既要有科學家和醫生參與，也要有來自政府的干預。我們知道，香港特區的所有公立醫院使用的是統一的信息系統，但大陸醫院還是各干各的。沒有統一的系統，信息和數據就無法共享。

現在的人工智慧熱潮，和八十年代末人們熱炒人類基因組計劃類似。所謂人類基因組計劃，就是把人類DNA中的30億個核苷酸一個個排列出來。當時人類基因組計劃分為兩大陣營，其中一方的代表是現任NIH主任Francis Collins領導的國際大合作，另一方的代表是塞雷拉基因組公司創始人Craig Venter。兩大陣營爭持不下，直到當時的美國總統柯林頓出來「當娘舅」。雙方這才為了全人類的共同利益聯手，人類基因組的框架得以搭建。

關於人類基因組計劃，當時有兩句著名的評價——「decoding the code of life」和「a milestone for humanity」。今天再回頭去看，發現第一句評價是錯的，至少是僅說對了一小部分。當時，我們以為將人類基因組核苷酸一個個排列出來之後，就了解了關於人類生命的所有事情，但事實上我們才剛剛邁出第一步。大家都說現在是人工智慧時代，但我們仍然應該常常回顧歷史。只有這樣才能夠更好地認識現在，正確地看待人工智慧，了解人工智慧到底是在怎樣的階段。

人工智慧在醫療領域的四大應用方向

下面談談人工智慧具體可以應用到醫學的哪些方面。我認為人工智慧在醫學領域的應用可以分為以下四個方向：

第一，醫療圖像，包括X光、CT、病理切片等等。我認為，所有需要用到圖像的學科都可以聯合起來共同做研究。現在大家都在熱炒，通過眼底圖像對糖尿病進行早期篩查。中國人口基數大，醫療影像資源非常豐富，假如能把圖像的採集工作做好，前景十分看好。

另外，人工智慧在心電圖、內窺鏡和皮膚病等領域也有很好的應用前景。現在病人去皮膚科看醫生，大部分診斷結果都模稜兩可。因為很多皮膚科疾病特異性不大，即使病理科醫生做組織活檢也看不清楚，難下診斷。如果能用人工智慧技術對皮膚病變做定量化分析，意義將十分重大。

第二，用人工智慧進行組學數據分析。通過可穿戴設備和移動互聯實現健康管理。基於發病信息等，用大數據預測流行病的發展趨勢。

第三，用人工智慧幫助手術機器人尋找最優的手術方案。

第四，新葯研發，特別是確定藥物先導化合物的結構。人工智慧用於新葯研發，大致分兩個方面：一是通過學習已知藥物，對藥物結構進行改進，開發新葯。已知藥物的資料庫越大，學習出來的效果就越好。二是基於已知藥物與大分子的結構，分析藥物除了作用於已知蛋白質外還作用於哪些靶點。

去年下半年，有人想引進一項新技術來諮詢我，宣稱這項新技術可以將新葯研發時間縮短三分之二。我認為這是不可能的，除非人人都願意做小白鼠。新葯研發除了前期的研發工作，還要做臨床試驗。即使進入I期臨床試驗的新葯，也有85%以失敗告終。人工智慧理論上可以促進新葯研發，但實際效果還存在疑問。不過可以明確一點，並非使用了人工智慧技術，新葯自然而然就出來了。

人工智慧應用於醫學領域，缺少真實完整的數據

人工智慧技術很好，讓大家看到了很多希望。但人工智慧應用於醫學領域，還需要解決基礎數據的問題。醫療數據要真正發揮作用，必須真實完整。沒有可靠的數據，一切都是零。

可能很多人不知道，國內的醫療數據是最不齊全的。另外，醫院的數據也並不可靠。由於各個醫院的水平、標準和設備等存在差異，同一個病人做兩次化驗，結果很可能不一樣。不同實驗室做出來的化驗結果也可能是不同的。

醫生是否認真記錄，也會對數據的完整性和可靠性造成巨大影響。國內醫院——尤其是比較好的醫院，醫生都很忙，不可能詳細記錄所有數據。未來，語音識別技術成熟後，將為醫生收集數據帶來極大的便利。

AI在病理學中的應用

最後，跟大家探討一下，如何將AI技術應用於病理學。

我認為，未來的病理學一定是整合病理學。病理學創立之初，醫生根據器官的變化來診斷疾病；顯微鏡發明之後，病理學進化成了組織病理學；隨著電子顯微鏡問世，組織病理學又進化成了亞細胞病理學。70年代，免疫組織學發明和應用以後，推動了腫瘤的分類和分型；如今分子生物學也得到了廣泛的應用。二代測序應用後，分子病理學得到了極大的發展。由於高清晰的掃描儀的應用，使掃描病理切片用於診斷和研究成為可能。

接下來，病理學將進入人工智慧時代。近幾年誕生了很多新名詞，但這些名詞還沒有清楚的定義。什麼叫數字病理，什麼叫病理的人工智慧，二者之間並沒有明確的區分。我們首先要把這些名詞定義清楚。

近幾年，免疫治療發展迅速，我認為對腫瘤免疫特徵的分析將成為未來的重要發展方向。如今網路速度非常快，數字切片掃描完後可以輕鬆地將影像分享出去。通過數學建模，我們可以對影像中的癌細胞及其分布進行分析，探究這些數字指標與病人預後之間的關係。但這些工作需要病理科醫生的協助，假如病理科醫生不願意花時間做這些事，人工智慧在病理學的應用就無法推進。

病理學系統非常複雜，機器人不可能代替所有病理科醫生。現階段，我們應該重點推進以下領域的多學科共同發展，並最終將結束落地，應用到病理診斷上去。

首先是病種診斷的規範化。每一個病種應該怎麼診斷，都要建立明確的規範，如乳腺癌，肺癌，大腸癌等。其次是細胞學診斷，比如宮頸癌的脫落細胞學篩查。實際上，醫生沒有那麼多時間仔細看每一張圖像，那麼能不能把很明確的圖像剔除，只讓醫生看有疑問的部分，減輕醫生的工作量呢？要實現這一目的，就要提高系統的敏感性，同時降低其特異性。我們可以多冤枉幾個「好人」，但決不能放過一個「壞人」。因為如果漏讀了癌症患者，病人很可能會錯失最佳治療機會最終殞命。

另外，有絲分裂計數，Ki67陽性細胞的計數，腫瘤的分級等也應該近期能開發，並應用於病理診斷工作的項目。

我們還可以用人工智慧對腫瘤進行預後分析。比如剛才講的Nature上的這篇論文的研究，用到了兩種資料——TCGA網路數據和斯坦福的組織切片數據，這些數據中標記了9879個圖像特徵數據。根據這些圖像的特徵數據，可以對病人分類，分成預後好的和預後壞的。

最後，我要再次強調醫生參與的重要性。沒有醫生的認真和深度參與，人工智慧很難在醫學領域落地應用。要知道，AlphaGo用了1200多個CPU和176個GPU，學習了15萬名職業棋手和百萬餘業餘棋手的棋譜，才有了今天的成就。大家都知道ImageNet，裡面有1500萬張來自160多個國家的經過標記的圖片。這些圖片是近5萬名工作者花了兩年時間從10億張圖片中挑選出來的。沒有這些基礎工作，人工智慧不可能達到今天這樣的高度。

總結

簡單概括一下：

一、人工智慧在醫學領域有廣泛的應用前景，但人工智慧不能代替醫生。因為醫學是人學，醫生需要跟患者交流才能下診斷結論。

二、人工智慧應用於醫學領域需要多學科交叉合作。沒有高水平的專業化的醫生深度參與，人工智慧不可能進入醫院落地應用。醫院裡有些醫生精通淋巴系統，有些專攻消化系統或呼吸系統疾病，他們都不是全能的。打造人工智慧醫療系統一定要和專科醫生合作，只有這樣才能真正做好。現階段的工作重點是建立高質量的數據集，在此基礎上落地一些對老百姓真正有用的產品。

三、國家需要啟動人工智慧方面的重大研發計劃，組織各領域有基礎的學科強者，組建一支真正的研發團隊，只有這樣才能真正實現技術上的突破。這個應該是國家相關部門有計劃的組織，而不是「自由」申請。

雷鋒網

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！