IBM日前宣布研制出世界首個人造納米尺度隨機相變神經(jīng)元，并構(gòu)建了由500個該神經(jīng)元組成的陣列，以模擬人類大腦的工作方式進行信號處理。有評論稱，人工智能擬人時代或迎開端。同時，據(jù)媒體報道，IBM的“沃森”（Watson）人工智能系統(tǒng)近日僅用10分鐘就診斷出一名60歲女性患有罕見的急性骨髄性白血病，并且找到了最適合的治療方法。我國已有21家醫(yī)院計劃使用經(jīng)紀念斯隆—凱特琳癌癥中心訓練的IBM Watson腫瘤解決方案，以期助力獲得個性化的循證癌癥治療方案。電腦診病是否將變成現(xiàn)實？ 

　　強人工智能時代還很遙遠 

　　神經(jīng)元是人類神經(jīng)系統(tǒng)的最基本結(jié)構(gòu)，人造神經(jīng)元的問世，是否意味著未來可能會制造出類人甚至超越人類的物種？業(yè)內(nèi)專家表示，人造神經(jīng)元是人工智能研發(fā)的一項重要突破，但人工智能要真正實現(xiàn)和人類一樣還路途漫漫。 

　　人工智能系統(tǒng)是通過處理海量知識而不斷自我進步的深度學習系統(tǒng)，具備閱讀和理解自然語言的能力。一直致力于人工智能輔助診斷系統(tǒng)研發(fā)的Airdoc創(chuàng)始人張大磊表示，人工智能大體可分為弱人工智能和強人工智能兩大類。弱人工智能主要是通過機器學習算法，構(gòu)建算法模型和深度學習網(wǎng)絡(luò)完成指定任務(wù)，已經(jīng)在圖像識別、語音識別等很多領(lǐng)域得到應(yīng)用并表現(xiàn)優(yōu)異。強人工智能不僅要完成指定任務(wù)，還要有知覺、有自我意識，能推理、解決問題，要實現(xiàn)這個目標，還是非常遙遠的事。 

　　專家指出，計算機深度學習神經(jīng)網(wǎng)絡(luò)是基于訓練模型的參數(shù)構(gòu)建，并非化學物質(zhì)，而人類生理性神經(jīng)網(wǎng)絡(luò)是人腦神經(jīng)元通過神經(jīng)遞質(zhì)傳遞信息。 

　　微軟亞洲研究院副院長張益肇博士表示，人造神經(jīng)元與生物神經(jīng)元就如同飛機機翼與鳥的翅膀，形似而神不同。兩者從表面看，都是結(jié)構(gòu)簡單的神經(jīng)元相互傳遞信息，進行信號處理，但具體處理方式卻大相徑庭。大腦的高效率、低耗能是目前人造神經(jīng)元還遠不能匹敵的。 

　　人工智能有助提高診斷準確率 

　　張益肇介紹，人工智能發(fā)展已有60年歷史，從最初的用藥警示發(fā)展到輔助臨床診療提高醫(yī)療安全和醫(yī)療效率，以及更高效開展科技研究等眾多領(lǐng)域。比如，微軟亞洲研究院正在研究的病理診斷、腦部惡性腫瘤診斷等項目都有很好的結(jié)果。計算機能夠從包含數(shù)以百萬計像素的病理切片中提取正常細胞與惡性腫瘤細胞的不同特征，從而識別惡性腫瘤。人工智能系統(tǒng)能夠幫助醫(yī)生降低誤診幾率。美國現(xiàn)在還有基于人工智能研發(fā)的醫(yī)生訓練模擬器，醫(yī)生通過短期的模擬訓練，可集中看到各種病癥。全球每年有幾十萬篇醫(yī)學論文發(fā)表，人工智能系統(tǒng)可以“閱讀”海量信息，從中為研究者提取研究最相關(guān)的內(nèi)容，尤其對于罕見疾病的診斷，更易于尋找線索，及早確診治療。 

　　人工智能系統(tǒng)在某些領(lǐng)域甚至還可以媲美或“取代”臨床醫(yī)生。張益肇舉例說，在瘧疾疫情嚴重的非洲地區(qū)，由于缺乏足夠的病理醫(yī)生，患者難以得到及時診斷和治療。微軟與蓋茨基金會合作開發(fā)的血液涂片人工智能分析診斷系統(tǒng)，有望破解這一難題?；跈C器學習方法，目前微軟正在進行與艾滋病相關(guān)的研究，“艾滋病病毒與計算機病毒有相似之處，都會不斷變異并逃逸防御系統(tǒng)”。 

　　張大磊介紹，世界衛(wèi)生組織網(wǎng)站上ICD-10編碼的疾病有7.8萬多種，癥狀也有幾萬種。如此龐大的信息量，并不適合人類去記憶，并在5分鐘～10分鐘內(nèi)準確判斷。人工智能輔助診斷就是給醫(yī)生添了一個得力助手，尤其將訓練好的模型應(yīng)用到基層，基層醫(yī)生便隨時隨地有一個可信賴的助手來幫忙提醒，以免誤診和漏診。Airdoc團隊研究顯示，人工智能系統(tǒng)與頂級醫(yī)院頂級醫(yī)生在部分領(lǐng)域的診斷符合率達到97%以上。 

　　張大磊介紹，該公司研發(fā)的Airdoc系統(tǒng)目前已經(jīng)在影像、病理、病歷識別等領(lǐng)域得到應(yīng)用。公司與國內(nèi)多家知名醫(yī)院合作，讓該系統(tǒng)“學習”大量的病歷資料、病理切片、CT、核磁等影像資料，進而構(gòu)建惡性腫瘤、慢性疾病等不同種類的學習模型。部分疾病的惡性腫瘤病理切片識別判斷準確率已經(jīng)超過大多數(shù)臨床醫(yī)生；而通過對病歷核心信息提取、結(jié)構(gòu)化，則可以判斷并預(yù)測患者可能會患的疾病。 

　　診斷決定應(yīng)該由醫(yī)生作出 

　　張大磊認為，目前人工智能系統(tǒng)在醫(yī)療領(lǐng)域的應(yīng)用仍面臨不少挑戰(zhàn)。如人工智能輔助診斷系統(tǒng)是一個“大胃王”，需要接受大量信息進行學習，但國內(nèi)醫(yī)療數(shù)據(jù)質(zhì)量不高。 

　　此外，深度學習是非常前沿的研發(fā)領(lǐng)域，對于人工智能在輔助診斷、病歷識別等方面的應(yīng)用，不少人還認為“不可能、不靠譜”，這需要醫(yī)療行業(yè)更新觀念。以Airdoc為例，其在理解中文病歷、構(gòu)建適用于中國人的疾病輔助診斷和預(yù)測領(lǐng)域的性能和準確性都超過了國外同行，但還沒有被很好認知和接納。也有業(yè)內(nèi)人士指出，IBM“沃森”系統(tǒng)進入中國醫(yī)院，還需要加強數(shù)據(jù)分析的“本土化”。 

　　張益肇指出，人工智能系統(tǒng)的發(fā)展在數(shù)據(jù)來源上面臨個人信息隱私保護的挑戰(zhàn)，如對基因的分析就涉及家族、個人遺傳信息保護，需要在加密狀態(tài)下進行機器學習。人工智能系統(tǒng)的計算和理解能力也需要進一步提升。目前，計算機人工智能系統(tǒng)對多維信息進行綜合判斷還有難度，比如，人工智能系統(tǒng)能夠成功識別一張電影海報，但無法判讀電影是悲劇還是喜劇。此外，還需要通過政策引導(dǎo)、保險支持等提高醫(yī)生采納新技術(shù)的愿望，更積極地推動醫(yī)學與最新信息技術(shù)的結(jié)合。 

　　“電腦的能力毫無疑問將日益強大，但醫(yī)生永遠不會被電腦取代。”張益肇提出，醫(yī)學是藝術(shù)與科學的融合，日益強大的人工智能系統(tǒng)能夠幫助醫(yī)生更便捷地獲取和提取醫(yī)學信息，但醫(yī)生絕不是百科全書式的知識儲備體，更需要高情商能力與病患很好地溝通交流。 

　　張大磊也認為，人工智能會取代醫(yī)生的重復(fù)性體力勞動工作，提升醫(yī)生的職業(yè)專業(yè)程度，但醫(yī)生需要在診療過程中觀察病人的表情、神態(tài)，給予患者心理安慰和人文關(guān)懷，這些都不是計算機算法能夠取代的。“我們給Airdoc的定位就是輔助診斷，診斷決定應(yīng)該由醫(yī)生來作出，而不是由軟件來作出?！?