“大数医达”邓侃:会下棋的人工智能,也会看病吗?

邓侃,上海交通大学本科及硕士,美国卡内基梅隆(CMU)大学计算机学院博士,专攻人工智能及数据挖掘。历任美国甲骨文公司(Oracle)主任系统架构师,美国泰为手机导航公司(Telenav)北京分公司总经理,百度高级总监并主管网页搜索。2015 年,邓侃创建大数医达,旨在将Deep Learning 技术应用于医疗健康。

大数医达CEO邓侃正在解读人工智能和医疗之间的运用关联

这段时间人工智能这个词非常热,或许跟今年年初的谷歌DeepMind AlphaGo有关,它在代表人类智力竞赛最高的围棋比赛中,把世界冠军李世石给打败了。

而在若干年以前,IBM“深蓝”超级计算机就战胜过国际象棋世界冠军卡斯帕罗夫。在2011年,IBM Watson又在美国著名的智力问答节目Jeopardy中战胜了这项比赛的两位前任冠军Ken和Brad而声名大噪,人工智能同样在智力竞赛方面战胜了人类。

人工智能变身特殊的“中级全科医生”

有意思的是,大家都在思考人工智能作为一种技术、一种手段,除了用于一些娱乐活动以外,能不能完成与人类民生相关的大课题?无论是IBM,还是谷歌,他们共同的答案都是用于做医疗。尤其是谷歌DeepMind的AlphaGo,下完围棋之后立刻华丽转身,与英国卫生部合作开发人工智能的“家庭医生”。

为什么IBM和谷歌都利用人工智能涉足医疗领域呢?主要涉及两个层面的问题:

第一,  医疗是一个巨大的民生问题,背后会涉及巨大的社会效益和巨大的经济利益;

第二,  民生问题有很多,可为什么不用人工智能做教育、不做人工智能做金融,都去做医疗呢?坦率的讲,人工智能用于医疗在技术层面会有很大的优势,能够起到立竿见影的效果。

用技术来诠释医疗就是指的有限集合:医学上的各种疾病累计起来也就几千种,其中常见病不到200种,能够覆盖多少诊流量,基本在85%以上。因此,如果用AlphaGo去针对200个常见病,当智能的“家庭医生”的话,会有四个范围限定。

第一个限定是中级职称。人工智能不会挑衅高级职称,是面向基层的一个中级职称医生;

第二个限定是人工智能面向大内科,不做手术。包括头疼发烧,妇科、儿科,也包括经常见的癌症,一共200种疾病;

第三个限定是常见病,人工智能不懂疑难杂症。疑难杂症来了怎么办?经过电脑识别之后,发现这是疑难杂症,DeepMind的解决方式就是一个词叫“光荣投降”。一旦认定是疑难杂症,超出处理范围,没有信心完成,AlphaGo会告诉你这事搞不定,赶紧去医院吧;

第四个限定是辅助工具。像开车一样,人工智能的角色不是特斯拉,也不是无人驾驶汽车,而是一个类似百度的导航。人工智能会告诉你该做什么,最后的行为责任人依旧是医生和你自己,人工智能只是给一个建议。

与AlphaGo体系一样,“电脑医生”的技术难度更大

大数医达正在研发的“电脑医生”和AlphaGo采用的技术体系是完全一致的,为什么呢?因为大家都是从DeepMind、Deep learning里的原理输出的,整个方法论全球就只有几位导师,思想和方法非常一致。

在AlphaGo的技术原理中有两个深度神经网络来帮助选择。其一是Value network,算对手的棋感,为给定的局面打分,更准确地评估一个子节点的优劣,用于医疗领域而言就是医感。其二是Policy network,衡量为每一个子节点打分,找出最有希望、最需要预先展开的那个子节点,或称为围棋手筋、定式,在医疗里面对应的就是临床路径。

不过,虽然技术体系基本一致,可具体到技术细节的时候,差异还是很明显。主要体现在两方面:

其一,在下棋时,由于对方的每步棋都在棋盘上,每个动作都是清清楚楚的。但是在患者看病的时候,经常会出现隐藏信息。到底这个病背后的病理是什么?甚至连高级医生也搞不清;

其二,下棋是很确定的,输就是赢、输就是输,可是医生开的药是不是有效果,估计连主治医师都没有把握,这还有个概率问题。

因此,“电脑医生”虽然技术体系与AlphaGo很接近,可是技术难度更大。

“电脑医生”的治病之道

大数医达的“电脑医生”有四个限定范围,那么,这样会影响它的受众群和市场规模吗?答案是否定的。据统计,百度全网每天有17亿人次全国网民在搜索医疗相关的信息,如此庞大的人群基数足以保证“电脑医生”的商业化运作。而在网民的问题中,主要涉及四方面:

第一类是在早上上班之前的时间段,网友会频繁询问症状查因,比如头晕、恶心、拉肚子,大便发黄发绿,有没有可能是大病。其中的关键词是“可能性”,如果可能是脑中风这种严重症状,必须放下工作赶紧去医院,如果只是糖尿病症状还可以缓一天。类似这些症状查因或者轻问诊,最后产生的价值结果就是导诊,结论是去哪个医院看病或是再缓一缓。

第二类是过了中午以后,会陆续呈现各种化验、指标、照片,网民更多会询问具体病状。遇到这些问题,我们也很疑惑,为什么有了化验结果不去医院?为什么还要上百度询问呢?其实就是网民对医院给的诊断结论和治疗方案有一点不信任,他们在寻求第二诊疗意见;

第三类属于全天候都会出现的问题,包括凌晨也又。类似手术完了为什么腿还在水肿,这是正常还是不正常。为什么我怀孕了某种指标为什么比前天高了一倍,是不是正常啊;

第四类和钱有关,属于经济问题。网民会说,你给我开的药效果很好,可是每个月我得花一万多块钱,实在扛不住。能不能给我换一种药,稍微便宜点,或是问这个药是不是可以通过医保报销一部分。

面对这四类问题,“电脑医生”又是如何解决的呢?“电脑医生”通过收集上亿份常见病的电子病历,主要针对197种常见病进行诊断,学习AlphaGo的诊断和治疗原理。

其中值得提及的技术难点是大数据去噪的问题,去噪就是剔除一些和诊断没有关联的数据。上亿份常见病的电子病历会形成大数据的底层数据,以糖尿病为例,通过N份糖尿病电子病历的比对,最终会发现它们之间的共通点就是都拥有“二甲双胍”,那么糖尿病就与这种药形成关联,其余出现几率不高的药种,就与之关联不大。以此类推,197种常见病的关联诊断和治疗方案也应运而出。

利用先进的技术基础,针对以上四大类普遍问题,“电脑医生”可以解决除了经济问题之外的三种。

当你把自己的头疼、四肢麻木等症状与“电脑医生”沟通之后,“电脑医生”会反问你有没有恶心。这个反问的缘由,是你之前的提问得来的,“电脑医生”会根据你事先告知的“头疼”、“四肢发麻”等关键词,猜测可能会是什么病?同时,每种病一定还伴有其他症状,人工智能会匹配相应结果进行反问。

在诊断的第一步,“电脑医生”主要通过不停地描述症状,会告诉你可能疑似的疾病;第二步,“电脑医生”会明确你进行过什么样的检查,照的什么样的X光片或核磁共振,以此确诊到底是什么病;

第三步,“电脑医生”不仅告诉你答案是什么,而且告诉你是怎么判断的;

第四步,关注你吃了药之后,是不是正常的康复进程中。

据邓侃透露,针对呼吸科21种常见病中的前几位病,“电脑医生”的诊断准确性已经达到高级医生的水准。同时,在今年年底或者明年年初,“电脑医生”会进行一次类似AlphaGo下棋一样的比赛,用实战检验它的诊断水平。

精彩继续

“未来医疗”城市论坛合伙人征集

互联网+医疗+保险大事件

动脉网,“未来医疗”服务平台

投稿:tg@vcbeat.net

授权:xi.n@vcbeat.net

动脉网所刊载内容之知识产权为动脉网及/或相关权利人专属所有或持有。未经许可,禁止进行转载、摘编、复制及建立镜像等任何使用。

关注动脉网官方微信号:vcbeat或长按二维码

(0)

相关推荐