人工智能与医学相遇，会迸发出怎样的火花？

人工智能（Artificial Intelligence）的概念最早在1956年达特茅斯会议上被提出，20世纪70年代人们开始尝试将人工智能应用于生物医学领域。当今的AI已今非昔比，有些AI的计算能力已然超越了人类，引发社会热烈的话题讨论。在生物医学领域，AI已在药物研发、诊前咨询、诊断治疗和健康管理康复方面有所建树，并一度出现取代人类的趋势。人工智能对于生物医学的发展提供了哪些价值？人工智能会取代医生吗？我们将邀请投壶智库专家，做出精彩的分析。

1950年，英国密码学家艾伦·图灵就曾在哲学杂志《Mind》上发过论文《机器能思考吗》来讨论人工智能，并设计了“图灵测试”来判断机器是否能够思考，即表现出与人相同的智能。图灵的研究奠定了人工智能和计算机科学的重要基础。1956年夏天的达特茅斯会议上，科学家们正式提出“人工智能”（Artificial Intelligence）的概念和研究方向，人工智能从此诞生。

由于技术的局限，AI行业波澜不惊，甚至在很长一段时间内陷入低谷。然而近20年来，AI的发展取得了质的飞跃。1997年，IBM开发的“深蓝”机器人战胜了当时世界象棋冠军卡斯帕罗夫；2011年，经过三个晚上的激战，IBM开发的Watson在智力问答节目中战胜了两位最成功的人类选手；还有众所周知的AlphaGo，它在高度反映人类的智慧的围棋领域先后战胜了欧洲冠军樊麾、前世界冠军李世乭、世界冠军柯洁，但不久后，自身也被新一代的AlphaGo Zero超越。

2017年5月27日，世界围棋冠军柯洁以终比分0：3负于AlphaGo

（图片来源：搜狐网）

AI在生物医学领域的尝试最早可以追溯到20世纪70年代。1972年，由利兹大学研发的AAPHelp是最早出现的AI医疗系统，AAPHelp系统的开发基于贝叶斯理论，主要用于腹部剧痛的辅助诊断以及手术的相关需求。1976年美国斯坦福大学开发了一个用于细菌感染病诊断及抗生素治疗的专家咨询系统MYCIN，它是世界上第一个功能比较全面的专家系统。1980年，已经有一些商业化应用系统的出现，比如哈佛医学院开发的DXplain，主要是依据临床表现提供诊断方案。DXplain的知识库中，收录了2,200种疾病和5,000多种症状。同时期，中国的医学专家系统也开始进入研究阶段。

早期的生物医学AI的厂商并不成功，技术本身也存在很大的局限性，主要的原因在于，无论从算法、计算能力或者数据来看，AI技术本身并不成熟。生物医学领域的高度复杂性运算对于过去的AI而言还是一个不可逾越的鸿沟，随着互联网、超级计算和大数据的高度发达，AI已经产生质变……

AI已经进入包括物流、客服、消费、金融等诸多领域，掀起了一波又一波行业革命，当然生物医学领域也不例外。现在，我们可以在生物医学的各个流程中，看到AI的足迹：

药物研发阶段

智能药物研发机器人是AI在化学药物研发领域的新尝试，其基础是海量数据的收集与加工。通过大范围收集散在的实验室数据、药物化学专业领域著作、前沿科学文献和医疗机构的临床资料，将它们筛选并且关联，用于辅助新药研发的决策。Atomwise公司使用AI和复杂的算法来模拟药品研发的过程，在研发的早期评估新药研发风险，让药物研究在几天内完成，并将成本降至数千美元。2015年，Atomwise公司在一个星期内预测两种埃博拉病毒治疗方案，花费成本低至1,000美元以下。从全球市场来看，在研发周期长、投入大、失败率高等为特点的药物研发行业中，化药智能研发可达到千亿级的市场。

Atomwise运用AI加速新药研发

（图片来源：动脉网）

诊前咨询阶段

临床治疗前包括远程问诊和智能导诊助手。前者是专业的医疗服务智能客服机器人，结合互联网技术，可以远程为患者提供导诊服务，而患者可能不知道在网络的另一端是机器人在答疑解惑；智能导诊助手则是综合医院的硬件，利用智能问答系统帮助患者解答挂号、缴费、科室分布等常见问题，引导患者顺利就医，降低医院导诊咨询压力，提供更加全面的服务。在国内，科大讯飞、百度、智慧思特都在积极探索智能导诊的相关服务。

智能导诊机器人

（图片来源：互联网）

诊断阶段

智能影像识别指运用AI技术识别及分析医学影像和病理图像，帮助医生定位病症分析病情，辅助做出诊断。这部分是目前AI发展比较成熟的部分，贝斯以色列女执事医学中心（BIDMC）与哈佛医学院合作研发的AI系统，对乳腺癌病理图片中癌细胞的识别准确率能达到92%，在AI的辅助下，病理学家的分析准确率可以高达99.5%。国内也有“Doctor You”AI诊断系统，辅助医生对CT影像诊断，速度提高了5-6倍。这说明智能影像识别有着十分可观的应用前景。

医生在AI的辅助下阅读影像片诊断

（图片来源：新浪网）

IBM的沃森肿瘤医生是最为大家所熟知的智能辅助诊断机器人，它可以在17秒内学习3,469本医学专著、248,000篇论文、69种治疗方案、61,540次试验数据和106,000份临床报告。2012年，沃森肿瘤医生通过了美国职业医师资格考试，并部署在美国多家医院提供辅助诊疗的服务。从2016年起，IBM正式全线发力推广沃森肿瘤医生。一个著名的案例是，沃森在10分钟内为一名60岁的日本女性罕见急性骨髓白血病提供精准诊疗方案。截止至2017年3月底，沃森肿瘤医生在全球7个国家服务的病患数量已达到数万名。

沃森肿瘤医生

（图片来源：cnbeta）

智能语音记录可以辅助医生书写病历，提升医生工作效率。调查显示，中国50%住院医生每天花在写病历的时间约为4个小时，客观上占用了医疗资源。智能语音系统能在医生和护士、患者交流的过程中由AI系统过滤掉无用信息，将所需的医学数据自动转换成文字，形成结构化电子病历。大大减轻了医生的非医疗工作压力。目前国内科大讯飞已涉水该领域。

治疗阶段

世界上最具代表性的智能手术机器人是达·芬奇手术系统，拥有一套三维成像系统和四支灵活远超过人类的机械臂，在此系统的帮助下，医生能够显著提高手术的精准度，减少对患者身体的误伤。手术系统的应用也使得远程手术成为可能。AI结合医疗机器人的市场前景其实被广泛看好，在未来将是高速增长的一部分。

达·芬奇手术机器人

（图片来源：新知社）

健康管理及康复阶段

智能健康管理主要通过体检报告、电子病历、可穿戴设备、智能手机等方式收集用户身体状况的相关数据，提供分析报告及健康管理建议。相较于常规的医学应用，智能健康管理更体现了医学、生物学与IT的跨界融合。健康管理平台CaféWell与IBM的沃森机器人合作，运用AI技术分析来源于可穿戴设备用户的体征数据，提供个性化的生活习惯干预和预防性健康管理计划。AI在这一阶段的应用有着覆盖范围广、应用场景多等特点，有很大一部分都是消费级的产品，在未来可能会是增长规模最大的部分。

在智能康复领域，康复机器人的应用市场十分庞大。世界卫生组织的统计显示，在我国约有500万缺血性脑卒患者，其中80%的患者需要进入漫长的术后康复阶段。而我国目前的术后康复训练器械功能单一，以固定式康复训练器械为主，无法建立训练参数和康复指标的对应关系，康复过程需要人工辅助进行。智能康复机器人可以主动分析病人各项生理指标，自动采取合理的康复强度与时间进行康复作业。

根据火石创造HSMAP的数据统计，截至2017年6月，全球医疗AI领域公开披露的融资事件达到311起，其中2014-2016年融资数量有了明显的上升，共计226起，其中84起融资事件发生在国内。在国内医疗AI各细分领域中，辅助诊疗融资金额高居第一，达到20.6亿元，接下来分别是语音交互的13.2亿元，医学影像和健康管理分别占11.6亿元和11.3亿元。

数据来源：hsmap