醫療AI“見多識廣” 能讀能聽還能看

　　隨著人工智能發展，醫療機構引入AI已不罕見。國內外多家醫療機構開始引入IBM沃森協助進行腫瘤診療。科大訊飛同安徽省立醫院成立“醫學人工智能聯合實驗室”，落地多項AI醫療“黑科技”，並開始為縣級醫療單位提供人工智能醫療服務。

　　AI利用語音識別等技術，能夠大大減輕醫生寫病歷的負擔﹔在醫療影像識別和文獻“閱讀”等方面，AI更能發揮其“見多識廣”的優勢。

　　能讀：隨時學習最新醫學文獻

　　橫空出世的人工智能Alpha GO連續戰勝人類棋手，在圍棋領域確立了人工智能的領先地位，其研發者表示，人類在長時間的比賽中會因疲勞而犯錯，但電腦不會，人類可能一年隻能下1000盤棋，而Alpha Go一天就能下100萬盤。進入醫療領域的人工智能，同樣擁有強大的學習能力，而醫療AI的學習對象，不是棋譜，而是醫學文獻。

　　11月6日，國家醫學考試中心正式對外發布了“2017年臨床執業醫師綜合筆試”合格線，在本次測試中，科大訊飛的“智醫助理”取得了456分的成績，超過臨床執業醫師合格線（360分），屬於全國53萬名考生中的中高級水平。

　　科大訊飛醫療總經理陶曉東告訴南方日報，“智醫助理”通過考試靠的並非是題海戰術，也沒有題庫可循，必須要從認知智能的角度解決問題，這也是“智醫助理”攻關的核心點。

　　陶曉東介紹，“智醫助理”是讓人工智能去學習海量的醫學知識，讓人工智能具有分析理解和邏輯推理能力，真正地自主分析自主理解。這樣的產品不僅能夠參加考試，經過簡單的產品設計很快就能投入使用，真正地對醫生產生幫助。

　　研發過程中遇到幾個挑戰。陶曉東說，一個挑戰是海量的醫學知識在計算機中如何表示：傳統上基於搜索的方案，以及構建結構化知識庫的方案，面對紛繁復雜的醫學知識都明顯能力不足﹔近幾年來發展迅速的知識圖譜技術也不足以滿足描述醫學知識的需要。為此，研發團隊提出了一整套“語義張量”方法，通過學習人民衛生出版社五年制醫學本科的全部教材、臨床指南和經典病例等資料，獲得醫學領域“張量化”的概念表示和關系表示，讓機器擁有了龐大的醫學知識庫。

　　第二個挑戰是運用醫學知識去分析和解決問題，這是機器人是否能做對考題的關鍵。研發團隊提出了包括“關鍵點語義推理”“上下文語義推理”“証據鏈語義推理”在內的多尺度融合推理算法，讓機器具備了詞匯、句子、段落間的多層次推理能力。答題時，醫考機器人通過自主思考首先對題干和選項進行全面分析，在擁有的醫學知識庫中為每個選項尋找成為正確答案的可能証據，衡量評估題干、選項和証據三者之間的相關性和可信度，最終對各個選項証據得分進行綜合決策，得出考題的答案。

　　陶曉東說，這兩部分組成了“智醫助理”醫考系統的核心引擎，使醫考機器人具備了高效的知識表示能力和深入地運用知識進行推理的能力。

　　Alpha GO誕生之前，早在1996年，IBM的“深藍”就上演過擊敗國際象棋世界冠軍的紀錄。而“深藍”的后裔IBM“沃森”這些年也在人工智能醫療領域發力。據了解，沃森腫瘤（Watson for Oncology）是IBM聯合MSK（紀念斯隆·凱瑟琳癌症中心），基於美國國立綜合癌症網絡癌症治療指南和其在美國100多年癌症臨床治療實踐經驗，歷時超過4年培訓的成果，共收錄了1500萬頁的醫療內容，包括200本醫療書籍和300份醫療期刊。

　　除此之外，“沃森”還擁有持續學習能力，每三個月一次海量數據更新，提供最新的治療方法以及匯整相關研究文獻。對於“沃森”來說，它可以在短時間內閱讀數據庫內的千萬頁資料，然后將學到的所有知識應用到新的案例中，根據醫生輸入的病人的指標信息，最終提出個性化治療方案給醫生參考。

　　能聽：提高效率，醫生不用熬夜寫病歷了

　　北京大學口腔醫院醫生陳青筱診療時在耳邊挂了一個麥克風。她的患者說，其一個月前接受左下后牙的根管治療，現在感覺不舒服。陳青筱邊檢查患者牙體情況，邊說出治療方案。而此時，在電腦屏幕上，一份門診病歷已經在自動書寫。包括主訴、病史、檢查診斷、治療處置等，都與醫生口述同步進行。

　　這是“語音電子病歷”在臨床的應用場景。作為語音識別起家的科大訊飛，利用在語音識別方面的積累研發了這款產品。陶曉東表示，語音電子病歷能夠讓醫生在進行診療的同時實現病歷的結構化錄入，提高醫學文書工作效率和病歷質量。

　　陶曉東介紹，這項技術能夠讓醫生進行病歷錄入的效率可提升4倍，經過優化，其針對醫學術語識別准確率高於98%。另外麥克風續航大於12小時，可滿足醫生工作全天的需要，能將醫生從繁瑣的文書工作中“解脫”出來，“讓醫生不用熬夜寫病歷”。

　　進行類似研究的機構當然不僅科大訊飛。同樣是在語音識別領域，有報道稱，美國的梅奧診所與以色列語音分析公司Beyond Verbal合作的研究發現，13個語音特征和冠心病存在相關性，其中一個語音特征與冠心病存在強相關。

　　能看：看CT水平不斷進步 助醫生精准醫療

　　伴隨著計算機視覺技術的進步，深度學習技術在醫療影像領域頻頻取得重大突破，人工智能除了教會機器如何“聽懂”和“讀懂”，更能教會機器“看懂”，並在此基礎上協助醫生診斷疾病。

　　IBM沃森腫瘤解決方案的國內運營機構認知關懷的創始人王泰峰曾表示，80%的數據是無法被傳統計算機識別的非結構化數據，但AI卻可以讀懂並分析這些數據。

　　醫療數據中有超過90%的數據來自醫療影像，醫療影像領域擁有孕育深度學習的海量數據，也存在著借助深度學習提高醫生“看片子”診斷效率的需求。比如肺癌的診斷，首先要依靠醫療影像分析。肺癌篩查的關鍵性第一步是對肺結節的檢測，它可以表征出受檢者到底有沒有早期肺癌。從胸部CT圖像中自動檢測肺結節並判斷其良惡性，對肺癌的早期診斷和篩查有重要意義。

　　針對人工智能肺結節檢測，國際上的權威評測是LUNA（LUng Nodule Analysis，肺結節分析）。這項測試採用的數據來自美國多家醫療機構，並且由多名專家醫生共同標注完成。在LUNA16的測試中，來自中國的健培科技、阿裡iDST和訊飛不斷刷新最高成績，目前訊飛以94.1%的召回率排在榜首，而第二、第三召回率分別為93.9%、93.8%，相去無幾。

　　陶曉東表示，2016年6月，科大訊飛與安徽省立醫院成立“醫學人工智能聯合實驗室”，包括影像輔助診斷系統等落地應用。截至目前，已經處理近4萬人次的肺部CT、乳腺鉬靶、心電影像資料。

　　而在柯潔對戰Alpha Go的同時，今年5月25日，在北京協和醫院，IBM沃森和協和醫院專家針對結腸癌、胃癌等病例進行“對戰”，結果沃森給出的治療方案得到了協和方面專家的認同。

　　針對醫生和AI的關系，陶曉東表示，在醫學領域，經驗豐富的醫生是很難被取代的，機器人更多的是去幫助醫生而非取代醫生。基於深度學習技術，結合醫學專業教材、臨床指南和經典病例等資料，系統能夠輔助醫生問診，提出診療建議，而通過人工智能的應用，“目標是讓60分的醫生能夠做80分的事情，讓90分的醫生少做60分的工作。”（記者 王詩堃）