Master打敗了人類棋手，而Watson們幫助了人類醫生

從2016年12月29日晚起，一個註冊名為Master，風格詭譎的網路棋手，接連踢館弈城網和野狐網，屠戮了整個人類圍棋界，60勝0負1平（這1平還是因為棋手掉線……），K.O了現今所有最頂尖的圍棋選手，十步殺一人，千里不留行的天外飛仙沒有拂衣而去，留下了身（AI）與名（AlphaGo）

Alpha Go的進化史

1997年，國際象棋AI「深藍」第一次打敗頂尖的人類「卡斯帕羅夫」，但圍棋AI長期以來舉步維艱，頂級AI甚至無法打敗業餘選手。這是為什麼呢？

國際象棋的複雜程度

圍棋的複雜程度

2016年3月9日，一場舉世矚目的圍棋「人機世界大戰」在韓國首爾上演，比賽一方為谷歌公司研製的人工智慧程序AlphaGo，另一方則是圍棋世界冠軍、韓國名將李世石九段。這也是人工智慧第一次公開對戰頂尖圍棋棋手。最終，人類以1:4敗北。

這次AlphaGo捲土重來之後，果然如離開時所說的那樣，短短几個月成長到一個令人奇詫與駭怖的境界。完全顛覆了人類棋手對於圍棋的掌控和判斷。到目前為止，沒有再給人類棋手任何機會。李世石現在的稱號也變成了最後一個贏過AlphaGo的棋手。

人工智慧在醫學界

人類與人工智慧共同探索圍棋世界的序幕即將拉開，而這僅僅是人工智慧史的一個序章。今天你聽到了AlphaGo，明天還會有BetaGo、GammaGo、DeltaGo走進你的生活，刷新你的認知，顛覆你的未來。小編還是更關注人工智慧在醫學界的造詣。去年8月，隨著IBM宣布與21家中國醫院簽約，Watson的出現引起大眾的關注。

IMB 的 Watson 也是基於機器學習的分散式雲計算

Watson是什麼？

IBMWatson是認知計算系統的傑出代表，也是一個技術平台。

認知計算代表一種全新的計算模式，它包含信息分析，自然語言處理和機器學習領域的大量技術創新，能夠助力決策者從大量非結構化數據中揭示非凡的洞察。IBMWatson系統具有幾大能力：

Understanding：Watson具有強大的理解能力。通過自然語言理解技術，和卓越處理結構化與非結構化數據的能力，與用戶進行交互，並理解和應對用戶的問題。

Reasoning：它有智能的邏輯思考能力，Watson通過假設生成，能夠透過數據揭示洞察、模式和關係。將散落在各處的知識片段連接起來，進行推理、分析、對比、歸納、總結和論證，獲取深入的洞察以及決策的證據。

Learning：它有優秀的學習能力。Watson通過以證據為基礎的學習能力，能夠從大數據中快速提取關鍵信息，像人類一樣進行學習和認知。可以通過專家訓練，並在交互中通過經驗學習來獲取反饋，優化模型,不斷進步。

IBM Watson的商業布局已經涵蓋了十四大領域，今天我們要來說說他在醫療界發揮的作用。

它是一種以機器人或者專家系統軟體形式存在的診療工具，簡單來說，就是能夠被用來診斷疾病的機器人。診療機器人內部都有一套自動診斷系統，能夠在其子系統上收集醫療診斷所需要的知識。

Waston運用大量的臨床病例，可在短時間內分析可能的結果，並協助醫生做出治療建議。它不僅可以即時讓醫師參考診斷與治療方式，針對可能的疾病做深入的問診，更可以有效減少醫療糾紛。

2015年進軍醫療界

April

·設立Watson Health後，IBM先後收購了幾家醫療數據公司，並跟蘋果、Johnson & Johnson和Medtronic建立合作關係。

·IBM攜手美敦力改善糖尿病疾病管理。通過運用美敦力的設備、護理管理產品、療法和輔導以及IBM的沃森醫療雲平台以優化患者的治療效果和衛生經濟學。有兩家公司計劃開發實時動態的個性化糖尿病治療和管理方案，這些方案將為醫生和病人提供決策支持，從而提高糖尿病治療和管理的效率，改善臨床效果。

·IBM收購：Explorys（一家可以查看5000萬份美國患者病例的分析公司）和Phytel（提供雲計算軟體，可以把各種類型的健康數據進行處理，為醫生提供數據方面的分析。同時，Phytel也出售它的軟體，幫助醫療人員掌握病人信息），目的是加強在健康數據分析方面的業務能力。IBM團隊表示，兩宗收購案將有利於IBM把先進的分析和認知計算技術運用於初級保健提供商、大型醫院系統和醫生網路中，提高醫療保健的質量和治療效果。

May

·IBM走進美國和加拿大的14家腫瘤中心將部署沃森(Watson)計算機系統，根據患者的腫瘤基因選擇適當的治療方案。

·IBM與在線心理治療初創公司Talkspace又牽手成功，IBM Watson將基於後者人工生成的心理醫生匹配數據，通過機器學習，結合自然語言處理和用戶個性分析技術，輔助用戶決策，並幫助醫生給出最佳治療方案。

August

·IBM宣布以10億美元的價格收購醫療影像公司Merge Healthcare公司，並將其與新成立的Watson Health合併。屆時Watson不僅可以讀懂這些醫療圖像，還可以根據巨大的電子病歷資料庫進行分析診斷。這將是Watson對醫療行業的又一次顛覆。

·IBM和美國第二大連鎖藥店CVS聯合宣布，通過對用戶醫療健康記錄、藥店數據等信息的分析，可以預測用戶患有疾病的風險，並向用戶提供執業護士、醫生以及相關的醫療保險等信息，為用戶制定一個最佳的健康問題解決方案。

December

·IBM 將Watson的認知語言處理能力延伸到了孕婦營養諮詢領域，和孕婦營養諮詢商 Nutrition合作開發出了一款營養查詢app，它將Watson的自然語言處理和Nutrition的孕婦營養資料庫相結合，為新晉媽媽提供個性化的膳食建議和24/7的營養數據查詢服務。

在醫院工作的Watson長什麼樣？

在IBM於2014年公開的一段視頻中，以一位肺癌患者為例，Watson是這麼幫助腫瘤科醫生做出治療方案決策的。

患者大和女士，37歲，生於日本大阪，從來不吸煙，最近總是咳嗽並伴有呼吸困難。家庭醫生在她的胸部X光片中發現了可疑的腫塊，CT和活檢結果顯示這些腫塊可能是惡性腫瘤。於是她被轉診至了腫瘤科。

腫瘤科醫生在見患者前，查看了家庭醫生髮來的電子病歷，他還用Watson對這份病歷進行了解析。可以看到，針對這個案例，Watson分析了三千多本教科書，六十多個治療指南，二十多萬篇期刊文獻，六萬多個臨床試驗，以及十萬多份其他臨床資料。

Watson把患者病歷中的關鍵點逐條列出，並提出需要補充的信息。比如：患者是否咯血？聽力是否正常？

Watson還提出了一系列檢查建議，比如分子病理檢查（Molecularpathology panel），腦部MRI等。如果醫生點擊每一條建議後面的「證據」按鈕，就可以看到Watson提出該建議的理由。

比如點擊了「分子病理檢查」後面的「證據」按鈕後，彈出的對話框左邊是Watson提出該建議的理由概述，右邊是具體的參考文獻。如果腫瘤科醫生認為某條參考文獻不適用，可以點擊紅色的「X」按鈕將其移出考慮範圍；如果想要查看具體文獻，可以點擊藍色的的「>」按鈕。

Watson還給出了三個治療方案建議以及相應的「信心指數」。因為此時患者的相關信息並不完整（還有一些檢查沒有做），每條建議的「信心指數」都不算高。

Watson也根據患者的具體情況推薦了一些相應的臨床試驗。

在做好準備後，腫瘤科醫生見到了患者，他們討論了下一步需要進行的檢查。患者表示願意配合，並希望選擇能沒有脫髮副作用的治療方案——孩子還小，很難解向他們釋清楚媽媽為什麼掉頭髮。醫生隨即將這些信息語音輸入電子病歷系統，並為患者預約了一系列後續檢查。

10天後，患者第二次見到了醫生。

此時患者的後續檢查結果出來了，Watson也將結果更新到了系統中：分子病理檢查顯示發現了基因突變，但腦部MRI顯示腫瘤還沒有擴散至大腦。

因為掌握了進一步的信息，Watson對幾個治療方案建議的「信心指數」也有了變化。方案1「信心指數」最高，而且符合患者「不希望掉頭髮」的考量。

注意：Watson的這個排序是以「治療方案的清晰和有效」作為第一優先順序的，這之後才會考慮患者對於「避免脫髮」的需求。所以，儘管治療方案3也可以避免脫髮，「信心指數」仍然偏低。

每條建議方案後面，也都有一個可以查看相關證據的「證據」按鍵。點擊後彈出的對話框中，左邊是Watson選擇該方案的理由概述，右邊是具體的參考文獻。

在第二次見面中，患者提到她昨天咯了血，醫生當場將此信息更新至了電子病歷中。隨後，Watson也馬上修改了他的治療方案建議——將方案1中一種不適合咯血患者的藥物從方案中移除。對此，醫生可以選擇同意該修改，也可以選擇不同意。

所有信息更新後，Watson對各個治療方案的「信心指數」再次發生了變化，而且推薦的臨床試驗也被篩選至只剩一個了。醫生最終選擇了「信心指數」最高且兼顧患者「不願脫髮」顧慮的方案1。

除了針對單個患者案例的頁面，Watson還有一個針對全系統案例的統計頁面。這個頁面總結了他被運行的具體地點、被諮詢的腫瘤種類分類、有效性、運行時長、被引用次數最多的文獻等信息。

人工智慧正在挖掘多種醫療需求

人工智慧技術既能提高客戶醫療體驗，也能降低醫療成本。除了Waston外，其他人工智慧也在醫療領域已經默默耕耘良久了。

人工智慧監測院內感染

該項目由一系列數據流模型評估來完成，主要監測可能造成醫院獲得性感染（NIs）的細菌的衍生與傳播。醫院或醫院獲得性感染（NIs）是住院患者常見的併發症。而醫院病人記錄電子化的可能則能夠允許機器自動識別和監控NIs的活動。根據歐洲監控系統標準我們開發了一個基於模糊知識系統，它將用於識別和監控重症監護病房NIs的活動，並且已經在維也納總醫院投入使用。該系統名為Moni，主要監測NIs，包括利用醫學知識包（MKPs）來確認和監測血液中的各種感染，比如肺炎、尿路感染以及中心靜脈導管相關的感染。

機器學習開發個人診療方案

同樣都是接受乳腺癌治療，這兩個人可能有著完全不同的身份。一個可能是馬拉松運動員，而另一個則是一位安靜的讀者；可能一個是煙癮者，而另一個則是執著健康的狂熱分子；可能一個已經60歲而另一位才滿40….這些不同之處，這兩位女性患者可能需要採取不同的治療方式。

卡內基梅隆大學和匹茲堡大學的科學家們正在利用人工智慧來從海量數據，比如電子健康記錄、影像診斷、處方、基因組分析、保險記錄甚至是可穿戴設備所產生的數據中來提取有用信息，來為特定的一類人群而不是特定疾病來制定合理的衛生保健計劃。

愛因斯坦II勞動力解決方案

很多醫院使用Einstein II workforce management solution（ 愛因斯坦II勞動力解決方案）來靈活調度關於人口普查，員工可用性和歷史數據 。該系統主要用來提高現有的勞動力資源效率，它採用雲解決方案，不需要購買額外的硬體和伺服器空間，數據實時更新。它就像一個「水晶球」一樣，能夠了解到所有醫院工作人員的工作狀態，整個系統以醫院的調度規則為基礎，同時也考慮到臨時調度的需要，因此能夠確保大多數情況下人員調配的合理性。 另外，愛因斯坦II也能夠作為一個分析工具，利用自帶的人工智慧引擎，它能夠從歷史行動中提取有效的「行動」和「模式」，從而來決定當前和未來的選擇。此外，在維護時它也能夠產生實時的分析報告，所以會議報告工具也是不錯的選擇。

Aicure：遵醫囑用藥解決方案

AiCure堅持提供更好的服藥解決方案，那麼它是如何工作的呢？

首先它有一款很好用的交互軟體，使用者需要填入日常服用劑量，此外這款軟體對用戶的像素也有一定要求，畢竟實時成像嘛。

然後AiCure的HIPAA兼容平台採用的面部識別和運動感測器通過智能手機自動化直接觀察病人的服藥行為。該平台旨在監測不同藥物和多種給葯途徑（口服，舌下含服，吸入器，注射筆）。應用程序和儀錶盤可以很容易地使用多國語言展示。

之後，所有觀察到的數據會被加密和模糊化，安全的信息（語音，文本消息）會被集成到儀錶盤中。

該應用比較突出的一點就是具有很強的機器學習能力，它能夠根據數據的積累優化監測和治療方案還可以檢測虛假的敷衍行為（服藥時間篡改，不尋常的藥物中斷等），當然一切都歸功於其強大的人工智慧演算法。

Alme Health Coach

慢病患者的虛擬助理

醫療保健主要的問題之一就是不能堅持治療計劃和醫生的囑咐方案。Alme Health Coach主要服務於患有慢性疾病的病人，因此整個治療周期非常漫長，所以指尖之前病人需要充分了解這款應用的目的，並與其建立信任關係。

Alme希望病人能夠知道它的工作動機，那就是通過了解病人的飲食習慣、鍛煉周期、服藥習慣等個人生活風格，經過人工智慧技術進行數據處理後來為其提供慢性疾病的整體狀態，並為其提供個性化的健康解決方案。

它主要是以一位「虛擬助手」的身份出現的，能夠自動化幫助病人規劃日常健康安排，監控睡眠，提供藥物和測試提醒，甚至可以反向推導出一些不服從這些提醒的患者產生懶惰心的根源。所有這些活動的目的就是希望以一種全自動化的方式幫助慢性疾病患者改變不良習慣，養成一種更健康的生活方式。

它能夠無縫的融入病人的生活中，其API能夠和可穿戴設備、手機、企業系統、電子病例等進行整合，解決數據跨平台轉移的麻煩。

AdverseEvents Explore

藥物作用預測演算法

主要提供FEARS批准的藥物作用的數據，以及通過自由信息法（FOIA）訪問專有信息的權利，能夠幫助醫生獲得實時的藥物安全性和成本資料，該瀏覽器核心分析演算法Rxsuite主要包括RxFilter、RxCost、RxSignal、RxScore。 RxFilter通過17步演算法完整優化了FAERS的數據集，使之能夠被完全訪問和檢索；而RxCost則是一種以確定藥物不良反應事件的直接成本，使決策能夠依據醫療總成本進行的標準化的方法；RxSignal是一種預測演算法，能夠提醒用戶新出現的和以前未知的藥物所產生的副作用，這些副作用在未來可能引發FDA的質問；RxScore是首個藥品安全評分系統，可以迅速？？總結全面批准後的藥品安全問題，就像FICO信用評分系統一樣。

Modernizing Medicine

為醫生提供智能治療工具

現代醫療公司致力於醫學現代化，他們使用電子醫療助手（EMA）來提供整個綜合服務和解決方案。整個系統界面非常直觀，並且可以根據每個醫生的風格自主調整，同時它基於雲端存儲，可以實時保存數據。就像我們平時使用手機一樣，系統自帶有指尖繪圖功能，醫生可以通過快速觸摸和手指滑動屏幕來建立每個病人的圖表、賬單等醫療數據。 通過EMA系統，醫生通過觸摸屏幕就可以了解病人的病史。Modernizing Medicine目前已與 IBM Watson的人工智慧系統進行結合，號稱他們與一般的EMR系統可大不一樣，它將提供正合你意的工作方式。

英國醫保系統用AI機器人處理醫療求助

英國國民健康服務（National Health Service, 下稱 NHS）正在試驗一個醫療聊天建議機器人，與人工智慧應用 babylon 合作，想用 AI 對醫療求助熱線進行分流。

每個癥狀背後都是浩如煙海的可能性。babylon 會詢問用戶更多細節，排除部分情況，據此提出下一步的建議。

對話的回合數依據癥狀複雜程度而定。例如詢問皮疹的情況，AI 會幹脆利落地回答你，皮膚問題情況複雜，請直接聯繫醫生。但如果是反胃，AI 則會詢問體溫、飲食、平衡、情緒等一系列相關情況，如果還是不能確定病因，才會建議你聯繫醫生作進一步檢查。

babylon 的基礎功能包括記錄看診信息、健康量化、家庭管理等。

醫療AI面臨的挑戰

儘管前景明朗，人工智慧CDS系統現在仍處於萌芽階段，要正確應用這個技術，需要醫生、患者等多方不斷地為其輸入信息。而且，開發一個系統是非常昂貴的，為了保持系統的最佳狀態，還需要持續地進行操作訓練。據數據顯示，Watson已經被臨床護士培訓了14,700小時了。

醫療健康領域使用人工智慧、機器學習和大數據等先進技術並非毫無爭議。

一方面，有些人滿懷熱情地認為，在醫療領域利用這些技術可以挽救生命，獲得新的醫療突破，為患者提供各種個性化的治療方案，從而滿足不同人的需求。

而另一方面，也有不少人持懷疑態度。他們重視個人隱私，對機器缺乏信任，擔心自己的病例被泄露，

所以，人工智慧CDS系統如果想要完整地包含所有的基礎科學及臨床數據，必須要有清晰的發展規劃和政府及企業的不斷投入。

在美國，如果要普及較為成熟的第四級電子病歷系統（即，實現醫囑輸入電子化和CDS系統的病歷系統），在10年的適應期內每年的花費為280億美元；也有研究機構估測Watson的初步開發成本在9億到18億美元之間。接下來，如果要在全美的醫療機構中廣泛普及人工智慧CDS系統，則需要更多的投入。難怪有人會質疑：像Watson這樣的人工智慧CDS系統可以有效率地改善患者的健康嗎？有其他「多快好省」的辦法嗎？

至於Watson在中國醫院的應用，除了上述這些問題，還需要更大規模更長久的人力物力投入，以解決一系列本土化的問題。例如：輸入大量中國腫瘤疾病的相關信息，訓練Watson在中文語言環境下發揮作用等。

推薦閱讀：