昨天上午10點30分，世界圍棋第一人，中國棋手柯潔將與AlphaGo揭開三番棋大戰的序幕，這是去年李世乭與AlphaGo的大戰后，圍棋界人機大戰的第二個焦點，而它也被視為是圍棋界的巔峰之戰。除了柯潔，羋昱廷、時越、唐韋星、周睿羊、陳耀燁五名中國頂尖棋手也將組隊與AlphaGo比試。人類在圍棋上是否與人工智能（AI）還有一較高下的余地，將在這短短幾天內揭曉答案。

    毫無疑問，中國棋手們的高度重視，體現了對手的強大。從2016年3月到2017年5月，短短一年多的時間里，AlphaGo已經有了巨大的進步，這也反映了整個人工智能領域的變遷。同樣是在過去的一年多里，我們在醫療健康領域見到了太多重量級的人工智能研究。略顯尷尬的是，在與人工智能的直接交鋒中，敗下陣來的往往是人類。這些結果，也引發了“人工智能是否會取代人類”的思考。在人機大戰二周目即將展開之際，我們為大家整理了一些資料，送上人工智能在醫療健康領域的動態盤點。今日，我們將讀到業內人工智能目前的進展、遭遇的難題、以及未來的方向。

    曾幾何時，如果一家公司說自己的特色是“人工智能”，就能迅速與其他初創公司拉開距離。而現在，和人工智能相關的公司在業內早已習以為常。倘若一家公司和人工智能毫無瓜葛，很難想象它順利能找到投資人或合作伙伴。

    從新聞推薦到機器翻譯，再到智能出行和精準營銷，人工智能在這個社會無處不在。但對于醫療健康行業來說，人工智能的應用走得更加緩慢和謹慎。這不僅是因為醫藥行業的創新成本更高，更大的原因是，在這個領域，一個算法的錯誤可能導致的就是生死之差。

醫療健康領域，越來越多的公司正在使用人工智能（圖片來源：CBInsights）

    盡管如此，在過去五年里，采用人工智能技術的數字醫療公司仍然在快速增長。根據CBInsights的統計，2012年，和人工智能相關的協議不到20起，而在2016年，這一數字就增長到了70。最近的一項調查還發現，美國一半以上的醫院將在5年內采用人工智能，而35％的醫院計劃在兩年內就這樣做。

    在醫療健康領域，人工智能可以解決的第一大問題就是生產率?！霸谖磥?，我們需要以更少的資源來照顧更多的人，單純從商業模式或工具發明角度去做改變，是改變不了人類生產率的，而這正是大數據時代，人工智能可以實現的事?！泵绹t療保險與救助中心（CentersforMedicareandMedicaidServices）的前任執行委員AndySlavitt先生說。

    多項研究表明，在醫療健康行業，人工智能技術將會最先在人口健康管理、臨床決策支持、診斷和精準醫療領域獲得應用。甚至在藥物開發領域，運用人工智能也能幫助人們更加快速、精確和低成本地完成現實世界的證據收集和臨床試驗。

人工智能如何變革醫療健康行業？

    就在上周，谷歌（Google）宣布已嘗試將其面向消費者的機器學習能力應用到醫療保健領域中。公司的研發團隊GoogleBrain還宣稱已經與加州大學舊金山分校（UniversityofCaliforniaSanFrancisco）、斯坦福大學（StanfordUniversity）等著名學府一起從上百萬名患者身上獲得了去標識的龐大數據。去年11月，谷歌的研究人員在《JournaloftheAmericanMedicalAssociation》發表了一篇論文，表明谷歌的深入學習算法能夠對大量眼底圖像進行識別，并能以90％以上的準確度檢測出糖尿病性視網膜病變。今年，谷歌的人工智能算法在乳腺癌的診斷上，也表現出了驚人的準確度。

▲谷歌首席執行官SundarPichai先生（圖片來源：NewsIndiaTime）

    “這是一個大數據問題，但機器學習能獨一無二地解決它，”谷歌首席執行官SundarPichai先生說：“所以我們打造了一個神經網絡，檢測淋巴結周邊的癌癥轉移。盡管還很初期，但我們的神經網絡已經顯示出了高度的準確性，它的準確度達到了89%，而人類醫生只有73%?！?/span>

    IT界的另一些公司也不甘人后。蘋果（Apple）公司最近收購了一家AI公司Lattice，該公司在開發醫療應用的算法方面具有很強的背景。而在幾個月前，微軟（Microsoft）推出了HealthcareNExT計劃，將把人工智能、云計算、研究和行業合作融合在一起。該計劃包括了專注于基因組學分析和聊天機器人的項目，并與匹茲堡大學醫學中心（PittsburghMedicalCenter）建立了合作伙伴關系。幾周前，微軟與數據連接平臺提供商Validic達成了一項合作，將致力于把患者參與增加到其HealthVaultInsights研究項目中。

▲微軟的HealthcareNExT計劃將利用人工智能改寫醫療健康的格局（圖片來源：微軟）

    除了這些大公司以外，醫療初創公司在人工智能方面的應用更加多樣。Ginger.io用它搭建了行為健康監測與分析平臺；Sensely則在手機應用和穿戴設備上加入了虛擬人工助理；Clue用人工智能幫助客戶預測生育時機；BuoyHealth基于18000份臨床論文和500萬名患者的數據建立了醫療搜索引擎。

    另一個人工智能可以大展宏圖的領域是醫學成像。去年11月，以色列醫學公司ZebraMedicalVision宣布推出一個新的技術平臺，允許人們隨時隨地通過互聯網上傳和接收他們的醫療掃描分析報告。成立于2014年的Zebra公司致力于教電腦自動分析醫學圖像，診斷從骨骼健康到心血管疾病的各種狀況。另一家知名的結合了人工智能的醫療公司AiDoc也于近日宣布獲得了700萬美元投資。

    但是對于人工智能的應用來說，無論你的技術多么強大，最核心的仍然是數據。這也是為什么患者數據變得越來越重要。知名風投機構8VC的首席執行官JoeLonsdale先生說：“最難的部分，是如何在一開始就獲得數據?！奔又荽髮W伯克利分校（UniversityofCaliforniaBerkeley）的MayaPeterson教授也認為，“在真實世界中，我們與數據的關系是錯綜復雜的。目前我們還不能完全理解它們?！?/span>可以想象，有沒有足夠的患者數據，將成為區分一家醫療公司能否真正實現價值的關鍵因素。

▲數據是人工智能取得成功的核心（圖片來源：Annalect）

人工智能的好算法，知易行難

    如果說機器學習還有什么局限，那就是它只能從提供的數據中學習。因此，提供大規模、高質量的數據庫，就成為了研究者、工程師、企業家需要費心解決的問題。

    上個月，與谷歌頗有淵源的Verily啟動了“基線項目”。研究人員通過與斯坦福大學醫學院以及杜克大學（DukeUniversity）醫學院合作，計劃收集大量健康人類的數據，作為未來研究的基準。在項目公開的信息中，研究人員計劃招募10000名參與者，并對他們進行長達4年的追蹤。這些數據有望告訴我們，人類從健康到發病的過程中，究竟經歷了什么樣的轉變。這些龐大的數據將利用谷歌云端平臺進行儲存和計算。

    Verily的“基線項目”還需要一些時間才能帶來實際的改變，但目前，已經有一些人工智能項目為世界帶來了真切的影響，其中最好的例子之一就是IBM的沃森系統（IBMWatsonHealth）。利用大量的數據，IBM的研究人員讓一款認知平臺自我學習大量患者的信息，并希望這些信息能為患者的治療帶來洞見。在一些人看來，這是機器學習在醫療健康領域最初的幾個大型應用之一。

▲IBM的沃森已在真實世界中帶來的很大的影響（圖片來源：IBM）

    “醫療健康領域非常復雜，在全球的不同地區，有著不同的特點。因此我們必須對沃森系統進行訓練。比如說，我們要讓它理解醫學用語，”IBM沃森副總裁兼首席戰略官ShivaKumar博士說：“所以第一步是處理自然語言。我們要和患者對話，同化信息，然后開展下一步的工作?！?/span>

其中，最大的問題在于數據的非結構化。“醫療健康領域很特別，它有大量無法被我們利用的數據，”Kumar博士說：“所以，我們需要大量新的技術去改善這一現狀。但我相信，我們這些從業人士最終能取得成功?！?/span>

人工智能的未來

   德勤（Deloitte）生命科學與醫療健康領域的主管RajeevRonanki先生明確指出，在業內，有三大重要因素能讓機器學習的趨勢得到推動，它們分別是“呈指數增長的數據，更快的分布式系統，以及更智能、能夠分析處理數據的算法”。這三者的結合，將增強人類的決策能力，提供基于人工智能的工具和設備，并能在特定的領域發展出更深的專精?！拔覀冾A計人工智能的增長還將持續”，Ronanki先生說。

   許多專家預言，人工智能將為醫療健康行業帶來一波又一波的新沖擊。AllscriptsAnalytics的首席醫學官FatimaParuk博士認為，人工智能有望首先在慢性疾病的管理上帶來應用。隨后，人們將把患者的健康信息與環境、社會經濟因素等統一起來，用人工智能做分析。再下來，整合了遺傳學信息的健康管理手段將最終把精準醫學變成現實。

▲當遺傳學遇上人工智能（圖片來源：華爾街日報）

    對醫藥企業來說，人工智能的時代正在來臨。LuxCapital合伙人，輝瑞（Pfizer）前首席執行官JeffKindler博士指出，醫藥行業在見識到人工智能加速新藥研發的潛力后，不會輕易放棄這一工具。下一步，是如何真正應用上人工智能的問題。要知道，在醫藥行業，我們需要100%的準確性。任何錯誤所付出的代價，都是人的生命。

   “我們所處的行業，平均需要12年才能讓一款產品走進市場，”輝瑞的數碼戰略與數據創新副總裁JudySewards女士說：“12年夠完成3個總統任期，或是打完3屆世界杯了。在這12年里，我們大約需要1600名科學家來進行研究，需要3600個臨床試驗，需要數千名患者。有了人工智能之后，我們開始思考，如何能加速新藥研發的過程，讓它變得更智能，并能更好地將突破性新藥與患者連接起來？”

   Sewards女士提到的是研發效率的問題。她認為，與人工智能的合作，有望讓效率產生飛躍式的提升。與此同時，她并不認為人工智能將完全替代人類：“有些人覺得機器或人工智能會替代科學家或醫生，但我覺得更有可能成真的現象是，它會成為研究者最好的助手?！?/span>

后記

   無論柯潔與AlphaGo的三番棋最終結局如何，沒有人能夠否認，未來早已到來。但人工智能與人類之間，并不是純粹的“誰優誰劣”的問題，這個問題早就有了答案——普利策獎獲得者SiddharthaMukherjee博士在一篇《紐約客》的長文中說道：“機器學習算法將來也只是在區分能力上更勝一籌——區分和辨識出痣與黑素瘤。但是，全方位認知超越了以任務為中心的算法。在醫學領域，或許終極獎賞還是要靠整體認知?！?/span>

   換句話說，人類與人工智能，各有各的擅長。我們所需要問的，不是“人類如何避免被人工智能所打敗”，也不是“人工智能是否會取代人類”，而是“人類如何能利用好人工智能，打造一個更美好的未來”。我們期待人工智能能為患者們更快帶來新藥，并更好地管理他們的健康。這是我們想要看到的未來的模樣。