從2016年開始，人工智能威脅醫(yī)生的論調不絕于耳。2017年剛開年，包括《自然(Nature)》和《美國醫(yī)學協(xié)會雜志(Journal of the American Medical Association)》在內的幾家核心期刊，就接連刊登了幾起“機器人”醫(yī)生打敗人類醫(yī)生的案例。

　　在討論人工智能是否能徹底讓醫(yī)生“失業(yè)”之前，我們先來區(qū)分一下“強人工智能”和“弱人工智能”。

　　強人工智能是通用型的，在什么場景都能夠隨機解決各種問題的智能，能夠在復雜系統(tǒng)內，應對開放式問題，比如政治問題、經濟問題等。這種智能具有自我意識的，和生物一樣，有生存和安全的需求，因此它們可以自己提出問題。

　　與之相對，弱人工智能只能在某個特定場景，并且封閉的系統(tǒng)內，解決某個特定的問題。弱人工智能沒有自我意識和主觀能動性，需要人類對其輸入某一指令才會運轉。

　　不過，連最初提出“強人工智能”概念的約翰·羅杰斯·希爾勒本人都不相信，強人工智能可以實現。

　　日前，在中歐衛(wèi)生管理與政策中心舉行的第19期衛(wèi)生政策上海圓桌會議上，原上海市第一婦嬰保健院院長段濤表示，人工智能可能是掀起公立醫(yī)院改革的一股意想不到的力量，醫(yī)院現在” 最缺的是病理科醫(yī)生、影像醫(yī)生等，但再過三五年，這些醫(yī)生將一點不缺。”

　　皮膚科

　　“美國最近科技雜志連著發(fā)文章，皮膚科醫(yī)生已經被人工智能打敗了”，段濤在會上提到，“皮膚科有了人工智能的診斷，全中國90%的皮膚科醫(yī)生可以不需要了，你把照片拍好給它，它診斷水平比90%以上中國皮膚科醫(yī)生的水平都要高。”

　　段濤指的是，《自然(Nature)》刊發(fā)的皮膚科人機大戰(zhàn)?？茖W家先讓一個“卷及神經網絡(CNN)”分析學習了近13萬張皮膚病臨床圖片，涵蓋了2023種皮膚疾病。

　　21位醫(yī)生受邀，與機器人展開了兩場針對皮膚癌診斷能力的較量：第一場區(qū)分角質細胞癌和良性脂溢性角化病;第二場區(qū)分惡性黑色素瘤和良性痣。結果，人工智能正確識別良性病變和惡性病變的綜合靈敏度達到91%，打敗了多名皮膚科醫(yī)生。

　　科學家表示，正在努力讓這項智能診斷技術與智能手機兼容，“皮膚科家庭醫(yī)生”離我們不遠了。

　　其實，以色列公司Emerald Medical Applications已經開發(fā)了一款運用云人工智能技術和手機攝像頭檢測黑色素瘤的手機應用，并已在FDA注冊。

　　據市場調查公司 IDC 估測，雖然目前只有 1% 的軟件應用有人工智能的特征，但到 2018年，這個數字預計能達到50%。

　　眼科

　　不止皮膚科，人工智能在眼科的診斷水平也表現不俗。

　　去年11月，谷歌的研究者在《美國醫(yī)學協(xié)會雜志(Journal of the American Medical Association)》上發(fā)表的一篇文章，稱其開發(fā)出了一種解讀視網膜照片中，糖尿病性視網膜病變發(fā)病跡象的深度學習算法，這種算法的水平已經達到眼科醫(yī)師的診斷水平。

　　谷歌請到印度和美國的醫(yī)生，共同創(chuàng)建了一個包含12.8萬張圖像的開發(fā)數據集，用于訓練這種算法。隨后，谷歌用9,963張圖像作為驗證集，請到8位醫(yī)生和算法進行PK。

　　這場競賽的結果是，人類醫(yī)生略遜一籌。算法得到的F-Score值(結合靈敏度和特異性的度量，最大值為1)為0.95，而8位眼科醫(yī)生F-Score的中位數值是0.91。

　　需要明確的是，診斷糖尿病性視網膜病變是一個多步驟的過程，2D眼底照片只是其中一部分，某些情況下，醫(yī)生需要使用3D成像技術，光學相干斷層掃描(OCT)，詳細檢查視網膜的各個層。

　　國內的Airdoc也開發(fā)了一個功能相同的深度神經網絡。經測試，該算法在有明顯癥狀和無明顯癥狀二分方面的準確性與三甲醫(yī)院資深眼科醫(yī)生持平，在眼底照片國際標準5分類方面的準確性也不遜于專業(yè)眼科醫(yī)生。

　　影像科和病理科

　　微軟研究院曾提出，基于深度學習的圖像識別技術的識別精度能夠超過人類。在醫(yī)療大數據中，影像數據是相對結構化的數據，因此人工智能在這個領域的應用最多，技術成熟度也最高。

　　段濤從幾個投資人處獲悉，“一家人工智能公司，做肺部結節(jié)的圖片，就是放射科，他們把全中國最好的幾個肺部讀片專家的結果作為標準，用人工智能，做了不到兩百個病人的案例，最終他們得出來的一個結論是什么呢?這個人工智能系統(tǒng)可以達到95%到98%的專家水平。”

　　在國外的這個領域，Enlitic可能是最有名的一家公司，他們致力于用圖像識別算法，在X光、CT掃描、超聲波檢查、MRI等的圖像中做癌癥早曬。據悉，該公司曾在公共數據集上測試其圖像識別算法，通過肺部CT結果診斷肺癌，結果發(fā)現算法的準確率比放射科專家高出50%以上。

　　Enlitic的算法在提高病理診斷的效率和精確性上，也發(fā)揮了顯著作用。例如，在乳腺癌前哨淋巴結轉移診斷中，人工智能算法的誤診率為7.5%。公司請到一批病理學專家對同批切片做診斷，誤診率為3.5%，而當病理學家運用該算法做輔助診斷時，誤診率被進一步降至0.5%。

　　國內的人工智能醫(yī)療影像公司DeepCare也做過類似的事。他們請了4位分別來自北京的特級三甲、普通三甲和地方三甲醫(yī)院的醫(yī)生看70張疑似乳腺癌轉移的片子。4名醫(yī)生的年資分別是40年、30年、20驗和10年。同時參與讀片的還有人工智能機器人。

　　70張片子中，有30張是陰性的，40張是陽性的。40年經驗的醫(yī)生對此的診斷準確率達到98%以上，而其他3名醫(yī)生的平均準確率在70%。而DeepCare的工智能機器人準確率達到了93%。

　　據該公司透露，測試之后的兩個月，該算法的準確率提升到了95%。

　　的確，隨著人工智能算法“吃”的數據和學習的專家意見越來越多，其在某些特定診療問題上的能力終將超越人類，而這些都屬于弱人工智能范疇。

　　但是，在面對生命體這樣一個復雜的系統(tǒng)時，人類全科醫(yī)生那樣的，面對開放問題的綜合處理能力，卻是“機器人”望塵莫及的，應該說，這樣的強人工智能，至今尚未出現。

　　另外，涉及處方權等法律問題，以及醫(yī)學人文等感性問題時，人工智能系統(tǒng)永遠無法代替人類的角色。

　　“你還要那么多醫(yī)生干嘛?”

　　段濤在演講結束時表示，“未來真的不知道會怎么樣，所以人工智能會導致我們公立醫(yī)院解構和重構非常重要的驅動因素。”