在这些专科技能上，人工智能已经超越医生

　　

　　从2016年开始，人工智能威胁医生的论调不绝于耳。2017年刚开年，包括《自然(Nature)》和《美国医学协会杂志(Journal of the American Medical Association)》在内的几家核心期刊，就接连刊登了几起“机器人”医生打败人类医生的案例。

　　在讨论人工智能是否能彻底让医生“失业”之前，我们先来区分一下“强人工智能”和“弱人工智能”。

　　强人工智能是通用型的，在什么场景都能够随机解决各种问题的智能，能够在复杂系统内，应对开放式问题，比如政治问题、经济问题等。这种智能具有自我意识的，和生物一样，有生存和安全的需求，因此它们可以自己提出问题。

　　与之相对，弱人工智能只能在某个特定场景，并且封闭的系统内，解决某个特定的问题。弱人工智能没有自我意识和主观能动性，需要人类对其输入某一指令才会运转。

　　不过，连最初提出“强人工智能”概念的约翰·罗杰斯·希尔勒本人都不相信，强人工智能可以实现。

　　日前，在中欧卫生管理与政策中心举行的第19期卫生政策上海圆桌会议上，原上海市第一妇婴保健院院长段涛表示，人工智能可能是掀起公立医院改革的一股意想不到的力量，医院现在” 最缺的是病理科医生、影像医生等，但再过三五年，这些医生将一点不缺。”

　　皮肤科

　　“美国最近科技杂志连着发文章，皮肤科医生已经被人工智能打败了”，段涛在会上提到，“皮肤科有了人工智能的诊断，全中国90%的皮肤科医生可以不需要了，你把照片拍好给它，它诊断水平比90%以上中国皮肤科医生的水平都要高。”

　　段涛指的是，《自然(Nature)》刊发的皮肤科人机大战。科学家先让一个“卷及神经网络(CNN)”分析学习了近13万张皮肤病临床图片，涵盖了2023种皮肤疾病。

　　21位医生受邀，与机器人展开了两场针对皮肤癌诊断能力的较量：第一场区分角质细胞癌和良性脂溢性角化病;第二场区分恶性黑色素瘤和良性痣。结果，人工智能正确识别良性病变和恶性病变的综合灵敏度达到91%，打败了多名皮肤科医生。

　　科学家表示，正在努力让这项智能诊断技术与智能手机兼容，“皮肤科家庭医生”离我们不远了。

　　其实，以色列公司Emerald Medical Applications已经开发了一款运用云人工智能技术和手机摄像头检测黑色素瘤的手机应用，并已在FDA注册。

　　据市场调查公司 IDC 估测，虽然目前只有 1% 的软件应用有人工智能的特征，但到 2018年，这个数字预计能达到50%。

　　眼科

　　不止皮肤科，人工智能在眼科的诊断水平也表现不俗。

　　去年11月，谷歌的研究者在《美国医学协会杂志(Journal of the American Medical Association)》上发表的一篇文章，称其开发出了一种解读视网膜照片中，糖尿病性视网膜病变发病迹象的深度学习算法，这种算法的水平已经达到眼科医师的诊断水平。

　　谷歌请到印度和美国的医生，共同创建了一个包含12.8万张图像的开发数据集，用于训练这种算法。随后，谷歌用9,963张图像作为验证集，请到8位医生和算法进行PK。

　　这场竞赛的结果是，人类医生略逊一筹。算法得到的F-Score值(结合灵敏度和特异性的度量，最大值为1)为0.95，而8位眼科医生F-Score的中位数值是0.91。

　　需要明确的是，诊断糖尿病性视网膜病变是一个多步骤的过程，2D眼底照片只是其中一部分，某些情况下，医生需要使用3D成像技术，光学相干断层扫描(OCT)，详细检查视网膜的各个层。

　　国内的Airdoc也开发了一个功能相同的深度神经网络。经测试，该算法在有明显症状和无明显症状二分方面的准确性与三甲医院资深眼科医生持平，在眼底照片国际标准5分类方面的准确性也不逊于专业眼科医生。

　　影像科和病理科

　　微软研究院曾提出，基于深度学习的图像识别技术的识别精度能够超过人类。在医疗大数据中，影像数据是相对结构化的数据，因此人工智能在这个领域的应用最多，技术成熟度也最高。

　　段涛从几个投资人处获悉，“一家人工智能公司，做肺部结节的图片，就是放射科，他们把全中国最好的几个肺部读片专家的结果作为标准，用人工智能，做了不到两百个病人的案例，最终他们得出来的一个结论是什么呢?这个人工智能系统可以达到95%到98%的专家水平。”

　　在国外的这个领域，Enlitic可能是最有名的一家公司，他们致力于用图像识别算法，在X光、CT扫描、超声波检查、MRI等的图像中做癌症早晒。据悉，该公司曾在公共数据集上测试其图像识别算法，通过肺部CT结果诊断肺癌，结果发现算法的准确率比放射科专家高出50%以上。

　　Enlitic的算法在提高病理诊断的效率和精确性上，也发挥了显著作用。例如，在乳腺癌前哨淋巴结转移诊断中，人工智能算法的误诊率为7.5%。公司请到一批病理学专家对同批切片做诊断，误诊率为3.5%，而当病理学家运用该算法做辅助诊断时，误诊率被进一步降至0.5%。

　　国内的人工智能医疗影像公司DeepCare也做过类似的事。他们请了4位分别来自北京的特级三甲、普通三甲和地方三甲医院的医生看70张疑似乳腺癌转移的片子。4名医生的年资分别是40年、30年、20验和10年。同时参与读片的还有人工智能机器人。

　　70张片子中，有30张是阴性的，40张是阳性的。40年经验的医生对此的诊断准确率达到98%以上，而其他3名医生的平均准确率在70%。而DeepCare的工智能机器人准确率达到了93%。

　　据该公司透露，测试之后的两个月，该算法的准确率提升到了95%。

　　的确，随着人工智能算法“吃”的数据和学习的专家意见越来越多，其在某些特定诊疗问题上的能力终将超越人类，而这些都属于弱人工智能范畴。

　　但是，在面对生命体这样一个复杂的系统时，人类全科医生那样的，面对开放问题的综合处理能力，却是“机器人”望尘莫及的，应该说，这样的强人工智能，至今尚未出现。

　　另外，涉及处方权等法律问题，以及医学人文等感性问题时，人工智能系统永远无法代替人类的角色。

　　“你还要那么多医生干嘛?”

　　段涛在演讲结束时表示，“未来真的不知道会怎么样，所以人工智能会导致我们公立医院解构和重构非常重要的驱动因素。”