胡思亂想

最近醫學的新聞特別多：規培、專陪、醫生集團....總在想以後的醫學、醫院會發展成什麼樣子。

人工智慧已經會自主學習了。AI強化學習能力（ReinforcementLearning,RL）讓計算機在沒有明確指導的情況下像人一樣自主學習， 比如最近那隻阿爾法狗，比如2015年底的東京國際機器人展覽會上Fanuc展示的新型智能機械臂，給這些工業機器人布置流水線上那些簡單的小任務，等上一晚上的時間，它就能自己摸索出一套自己的解決方案，比如如何從盒子上挑揀物品。「大概8小時左右，它的分揀準確率就能達到90%以上」。背後不需要強大的程序猿團隊，新型的工業機器人通過深度強化學習技術訓練自己學會執行新的任務。機器人通過自己的眼睛（攝像頭），機械手臂在任務過程中錄製視頻，每次分揀完，根據效果得到不同的獎勵值，通過反覆的實踐，強化那些更接近最終目標的動作，從而讓工業機器人在不斷的試錯過程中對自己重新編碼。

當這些具備自我學習能力的AI進入到傳統的醫學領域後，我們可以從病人看病的第一步想起，首先門診的醫生可能會被取代，現在很多患者去了醫院並不知道去哪個科室看病，AI可以實現門診的很多功能。

傳統的一些輔助科室也會被替代，比如閱片、檢驗科的報告、病理科...據說，現在AI看胸片可以達到副教授的水平，某套網上基於大數據的皮膚科輔助系統，對於特徵性的紅斑狼瘡等疾病，確診率也是相當高。

除了內科領域，外科領域也是一樣的。這幾年達芬奇手術機器人很火，我們醫院現在普外、泌外等科室的手術已經越來越多的採用達芬奇來進行一些微創手術。雖然直到現在，還是很多人並不習慣藉助達芬奇來做手術，自己做手術和操作機器人做到底是兩碼事。但是，就像90年代神經外科剛引進顯微鏡一樣，那時候大家也不習慣鏡下操作，但經過這麼多年，顯微鏡把神經外科帶入了微創的時代。

我覺得達芬奇最大的優勢仍是前面提到的強化學習功能，就像前面提到的機械臂，谷歌現在的機械臂不僅能夠完成基本的動作，根據物體的質地、軟硬會自動的採用不同的動作策略，隨著這些手術機器人做的手術越來越多，它們通過不斷的實踐、自我學習、修正，也許有一天他們能夠學會自己做手術。

另外一方面，新材料、新技術不斷的出現，我想未來的手術也許會越來越微創，比如現在心臟手術、腦血管手術，傳統的開胸、開顱已經越來越少，這項手術更多的被介入等方式所取代。3D列印技術的慢慢的成熟，很多器官開始可以列印出來，耳朵、血管、皮膚、腎臟、骨骼已經可以被列印，更多的器官也在研究中。幹細胞技術、基因技術也在如火如荼的研究中。

不記得在哪裡看過有人說，有一天醫院也許會變成像特種部隊一樣，只需要很少部分的精英來從事一部分的工作，其他的很多工作可以被AI所取代。

不過阿爾法狗們不需要生物進化，進步越來越快，但我想人類本身也是不斷進步的，醫院只是人身體零件的修理場所，但是有一天或許我們可以像《阿凡達》一樣，通過思維可以控制另外一個星球的阿凡達。

腦機介面（Brain Computer Interface）這十來年發展迅速，腦機介面是人腦與計算機或其他設備之間建立的鏈接通路和控制渠道，通過計算機接收信號，人腦可以直接表達想法或者控制其他設備--「意念」控制設備。現在仿生耳（植入人工耳蝸恢復聽力）、仿生眼（植入人工視網膜晶元恢復視覺）方面都有商業化的產品。2008年，猴子的大腦信號通過互聯網從美國發送到日本，激發了機器人在跑步機上跑步，2013年，美國Second Sight公司研製的「人工視網膜」讓視網膜疾病患者可以復明，2012年匹茲堡大學團隊通過腦機介面，讓癱瘓的患者成功的控制了外接設備，2016年，匹茲堡大學的團隊通過在大腦植入電極陣列，讓28歲的截癱患者不僅能夠操控機械臂，還可以獲得觸覺反饋。

很多事情已經不再是理念問題了，而只是時間問題。

胡思亂想，胡言亂語，本文謝絕轉載。

推薦閱讀：