医疗AI“见多识广” 能读能听还能看

　　随着人工智能发展，医疗机构引入AI已不罕见。国内外多家医疗机构开始引入IBM沃森协助进行肿瘤诊疗。科大讯飞同安徽省立医院成立“医学人工智能联合实验室”，落地多项AI医疗“黑科技”，并开始为县级医疗单位提供人工智能医疗服务。

　　AI利用语音识别等技术，能够大大减轻医生写病历的负担；在医疗影像识别和文献“阅读”等方面，AI更能发挥其“见多识广”的优势。

　　能读：随时学习最新医学文献

　　横空出世的人工智能Alpha GO连续战胜人类棋手，在围棋领域确立了人工智能的领先地位，其研发者表示，人类在长时间的比赛中会因疲劳而犯错，但电脑不会，人类可能一年只能下1000盘棋，而Alpha Go一天就能下100万盘。进入医疗领域的人工智能，同样拥有强大的学习能力，而医疗AI的学习对象，不是棋谱，而是医学文献。

　　11月6日，国家医学考试中心正式对外发布了“2017年临床执业医师综合笔试”合格线，在本次测试中，科大讯飞的“智医助理”取得了456分的成绩，超过临床执业医师合格线（360分），属于全国53万名考生中的中高级水平。

　　科大讯飞医疗总经理陶晓东告诉南方日报，“智医助理”通过考试靠的并非是题海战术，也没有题库可循，必须要从认知智能的角度解决问题，这也是“智医助理”攻关的核心点。

　　陶晓东介绍，“智医助理”是让人工智能去学习海量的医学知识，让人工智能具有分析理解和逻辑推理能力，真正地自主分析自主理解。这样的产品不仅能够参加考试，经过简单的产品设计很快就能投入使用，真正地对医生产生帮助。

　　研发过程中遇到几个挑战。陶晓东说，一个挑战是海量的医学知识在计算机中如何表示：传统上基于搜索的方案，以及构建结构化知识库的方案，面对纷繁复杂的医学知识都明显能力不足；近几年来发展迅速的知识图谱技术也不足以满足描述医学知识的需要。为此，研发团队提出了一整套“语义张量”方法，通过学习人民卫生出版社五年制医学本科的全部教材、临床指南和经典病例等资料，获得医学领域“张量化”的概念表示和关系表示，让机器拥有了庞大的医学知识库。

　　第二个挑战是运用医学知识去分析和解决问题，这是机器人是否能做对考题的关键。研发团队提出了包括“关键点语义推理”“上下文语义推理”“证据链语义推理”在内的多尺度融合推理算法，让机器具备了词汇、句子、段落间的多层次推理能力。答题时，医考机器人通过自主思考首先对题干和选项进行全面分析，在拥有的医学知识库中为每个选项寻找成为正确答案的可能证据，衡量评估题干、选项和证据三者之间的相关性和可信度，最终对各个选项证据得分进行综合决策，得出考题的答案。

　　陶晓东说，这两部分组成了“智医助理”医考系统的核心引擎，使医考机器人具备了高效的知识表示能力和深入地运用知识进行推理的能力。

　　Alpha GO诞生之前，早在1996年，IBM的“深蓝”就上演过击败国际象棋世界冠军的纪录。而“深蓝”的后裔IBM“沃森”这些年也在人工智能医疗领域发力。据了解，沃森肿瘤（Watson for Oncology）是IBM联合MSK（纪念斯隆·凯瑟琳癌症中心），基于美国国立综合癌症网络癌症治疗指南和其在美国100多年癌症临床治疗实践经验，历时超过4年培训的成果，共收录了1500万页的医疗内容，包括200本医疗书籍和300份医疗期刊。

　　除此之外，“沃森”还拥有持续学习能力，每三个月一次海量数据更新，提供最新的治疗方法以及汇整相关研究文献。对于“沃森”来说，它可以在短时间内阅读数据库内的千万页资料，然后将学到的所有知识应用到新的案例中，根据医生输入的病人的指标信息，最终提出个性化治疗方案给医生参考。

　　能听：提高效率，医生不用熬夜写病历了

　　北京大学口腔医院医生陈青筱诊疗时在耳边挂了一个麦克风。她的患者说，其一个月前接受左下后牙的根管治疗，现在感觉不舒服。陈青筱边检查患者牙体情况，边说出治疗方案。而此时，在电脑屏幕上，一份门诊病历已经在自动书写。包括主诉、病史、检查诊断、治疗处置等，都与医生口述同步进行。

　　这是“语音电子病历”在临床的应用场景。作为语音识别起家的科大讯飞，利用在语音识别方面的积累研发了这款产品。陶晓东表示，语音电子病历能够让医生在进行诊疗的同时实现病历的结构化录入，提高医学文书工作效率和病历质量。

　　陶晓东介绍，这项技术能够让医生进行病历录入的效率可提升4倍，经过优化，其针对医学术语识别准确率高于98%。另外麦克风续航大于12小时，可满足医生工作全天的需要，能将医生从繁琐的文书工作中“解脱”出来，“让医生不用熬夜写病历”。

　　进行类似研究的机构当然不仅科大讯飞。同样是在语音识别领域，有报道称，美国的梅奥诊所与以色列语音分析公司Beyond Verbal合作的研究发现，13个语音特征和冠心病存在相关性，其中一个语音特征与冠心病存在强相关。

　　能看：看CT水平不断进步 助医生精准医疗

　　伴随着计算机视觉技术的进步，深度学习技术在医疗影像领域频频取得重大突破，人工智能除了教会机器如何“听懂”和“读懂”，更能教会机器“看懂”，并在此基础上协助医生诊断疾病。

　　IBM沃森肿瘤解决方案的国内运营机构认知关怀的创始人王泰峰曾表示，80%的数据是无法被传统计算机识别的非结构化数据，但AI却可以读懂并分析这些数据。

　　医疗数据中有超过90%的数据来自医疗影像，医疗影像领域拥有孕育深度学习的海量数据，也存在着借助深度学习提高医生“看片子”诊断效率的需求。比如肺癌的诊断，首先要依靠医疗影像分析。肺癌筛查的关键性第一步是对肺结节的检测，它可以表征出受检者到底有没有早期肺癌。从胸部CT图像中自动检测肺结节并判断其良恶性，对肺癌的早期诊断和筛查有重要意义。

　　针对人工智能肺结节检测，国际上的权威评测是LUNA（LUng Nodule Analysis，肺结节分析）。这项测试采用的数据来自美国多家医疗机构，并且由多名专家医生共同标注完成。在LUNA16的测试中，来自中国的健培科技、阿里iDST和讯飞不断刷新最高成绩，目前讯飞以94.1%的召回率排在榜首，而第二、第三召回率分别为93.9%、93.8%，相去无几。

　　陶晓东表示，2016年6月，科大讯飞与安徽省立医院成立“医学人工智能联合实验室”，包括影像辅助诊断系统等落地应用。截至目前，已经处理近4万人次的肺部CT、乳腺钼靶、心电影像资料。

　　而在柯洁对战Alpha Go的同时，今年5月25日，在北京协和医院，IBM沃森和协和医院专家针对结肠癌、胃癌等病例进行“对战”，结果沃森给出的治疗方案得到了协和方面专家的认同。

　　针对医生和AI的关系，陶晓东表示，在医学领域，经验丰富的医生是很难被取代的，机器人更多的是去帮助医生而非取代医生。基于深度学习技术，结合医学专业教材、临床指南和经典病例等资料，系统能够辅助医生问诊，提出诊疗建议，而通过人工智能的应用，“目标是让60分的医生能够做80分的事情，让90分的医生少做60分的工作。”（记者 王诗堃）