走向个体化医疗

医疗数据连续谱的另一端,是海量的个人健康数据。与智能手机同步的设备可以监控心跳速率、日行距离、消耗掉的卡路里等等。就像随身带着一位专属医生,给你提供有用的建议,并在必要的时候警示你。比如,提醒你现在血糖已高出警戒值,该去注射胰岛素了。

以上所有信息都可以被分析并整合入你的个人医疗记录里,这些信息皆可安全地储存在“云端”。虽然目前处于初期阶段,但这些技术已经在某些地方开始应用了。

未来如果你觉得需要到医院去看病,那么一位拥有AI助手的医生或许会拿出平板电脑查看你的在线医疗记录来为你确诊,这份详尽的医疗记录里可能会包括基因序列及其他的有用信息。在为病人做咨询时,慎重结合AI助手,可以将医生们的诊断精度提高好几个量级。

在拯救生命,提高病人护理水平,为医院和研究所等医疗服务提供方省钱这些方面,AI和数据驱动型医学展现出了巨大潜力。

  人工智能看起来能有很光明的未来,面对这样的未来,似乎我们每个人都有些焦虑。黄翰教授告诉记者,无需焦虑,解铃还需系铃人。“人工智能毕竟只是现代人类生活的一部分,更多是一种辅助技术,工作效率可以靠人工智能来提升,工作质量还是要靠人来保证。人工智能产品需要行业技术标准和安全实施标准来规范其作用,避免此类产品出现故障从而带来不必要损失。”

AI看病有风险吗?

 AI的风险主要可归为三大类:程序出错、网络攻击、望文生义导致误解指令。不过只要审慎调查,以上三点隐患都是可以解决。

程序错误,俗称“bugs”,是开发得很差的软件中常见但本可避免的现实问题。产生程序错误是因为开发和测试流程未能正确执行。程序故障的后果可大可小。不过,软件程序在对安全性要求严格的领域已经应用数十年,例如医院和航空业都在使用。从前软件能做到的,我们有理由期待医疗AI应用程序也能做到。

网络安全方面的研究资金雄厚,基本上实现了魔高一尺道高一丈,正方技术始终一路领先。我们当然不应自大自满,不过,目前也没有特别的理由认为医疗AI(或者任何AI)不能防住网络攻击。

望文生义地听取指令这个缺点,可以通过内置保护措施来弥补,这是其他极度要求安全性的系统的标准惯例。医院绝不可能只让一个AI来负责攸关病人生死的决定,比如是否关闭生命支持系统。

尽管存在一定的风险,但我们可以借鉴过去几十年中其他领域使用计算机的经验来管理医疗AI。那么我们为什么还是需要人类医生呢?因为医学是最以人为本的职业,所以除非机器人能像人一样感同身受
(这可能还有好长一段路),否则它们就不能取代人类医生为病人看病。

医疗机构对此有两种看法,一种认为如IBM公司的沃森博士(Dr.
Watson)这样的AI——它是那个在《危险边缘》问答比赛中胜出的IBM超级计算机的医疗版——是个不错的助手,另一种则认为它只是个华而不实的玩具。

鉴于AI能带来非常实际的社会和经济效益,我们还是应该大胆地探索开发AI助手的可能性,当然,掌舵者必须一直是我们人类。(编辑:游识猷)

  在电影《超能陆战队》中为我们所熟悉的萌货“大白”不过是一个虚构,由日本研究机构开发的类似生活助手照护机器人Robear和美国安德森癌症中心的“助理医生”机器人沃森,也不过是人工智能进入医疗领域的“试水”。不久前,在日本报道的第一起通过AI
抢救病人的案例中,人工智能完败一群经验丰富的人类医生,正确确诊了一位女性患者的罕见白血病种类。厉害的是,这位“医生”仅花了10分钟时间,就比对了患者的基因信息和2000万份临床肿瘤学研究,然后完成了性命攸关的确诊。

始于人类基因计划

数据驱动型医学始于人类基因计划 (Human Genome
Project),这项工程希望通过收集全球各国人的DNA来识辨人体所有的基因,并绘制图谱。人类基因计划催生了许多子项目,使全球各地专门做DNA测序的研究机构越来越多,探索疾病遗传基础的研究也被提上议程。

人类基因计划开展13年以来,计算机性能和基因计划产生的数据量以令人咂舌的速度飙升,数据驱动型医学应运而生。比如英国威康-桑格研究院
(Wellcome-Sanger Institute)
初期花了10年才测完的DNA序列现在1小时就能测完了。

在技术的帮助下,他们可以同时开展五、六个项目。威康-桑格研究院将自己的研究结果与全世界的研究者共享,据报道该研究院的网站每周点击率高达2000万次。

  对此,黄翰教授表示,不管是机器人还是计算机程序,目前的“AI技术”都需要明确的逻辑作为运行的基础。说到对就业市场的影响,人工智能对人工成本大且“智能”逻辑清晰的行业冲击较大。他表示,在未来,一部分人会因为人工智能而陷入“就业”危机。此外,还有以下职业有被AI占据的可能性:

数据驱动型医学已开始挖掘基因、临床、医疗影像
(扫描和X光)、分子学这些日益膨胀的数据库了。人们设计出先进的算法,让它们自己在不断的探索循环中学习提高,而这一切对电脑硬件的要求并不高。计算机仅花几分钟就可以帮我们从数以亿计的记录中筛选出答案,而人类要完成这项工作可能得花好几年时间。

  滤波器参数调试员:月薪1~2万,调式员通过观察滤波器矢量网的数据,通过机械方式调试参数,得到符合信号曲线要求的结果。“AI技术”可以让计算机快速读取矢量网数据,并智能搜索出最佳的参数组合,在秒级时间内完成调试员数小时或者十数小时的工作效果。

这预示我们的医生要被机器人取代了吗?并不见得。不过日益增长的医疗数据、更强劲的电脑、更智能的算法,都预示着未来在医疗科学领域,AI会成为人类医生的助手。

  “电子化产品起到沟通现实物理世界和信息世界的桥梁,而智能家居的使用数据将被存储并通过网络与信息世界进行关联,人们可以通过手机的移动网络远程控制家里的电器工作,电器也可以跟人们的使用习惯形成最优的使用效果。”黄翰教授说,“另一方面,在工作模式上,机械劳作、简单逻辑等工作将逐渐会被机器人或者计算机程序所代替,人更多的是从事非结构性思维的工作。”

(译/
misssty)在日本报道的第一起通过AI
(人工智能)
抢救病人的案例中,人工智能完败一群经验丰富的人类医生,正确确诊了一位女性患者的罕见白血病种类。值得一提的是,它仅花了10分钟时间就比对了患者的基因信息和2000万份临床肿瘤学研究,然后就完成了这个性命攸关的确诊。

“看不见的AI技术” 三五年内或被普及

  数据统计分析员:月薪2~3万,会用统计方法和统计软件是不少研究人员引以为傲的本领;然而,当我们以计算机Web服务的方式实现了统计分析后,很多不会统计分析的用户可以简单方便地通过这项“AI服务”获得统计分析的结果。用户不仅不需要花费金钱聘请专业人士做统计分析,连购买统计软件的费用都可以省下来。

  商务旅行报价员:月薪1~2万,报价员需要阅读多家航空公司、客运公司的报价单,花费数小时甚至多天为客户指定最优的商务出行计划。“AI技术”可以让计算机快速读取和分析海量的报价单,秒出最优的出行计划。“AI技术”比人速度快、准确率高而且不会“累”。

  去年年底,美国知名人工智能专家、连续创业者、斯坦福大学教授杰瑞·卡普兰在北京一场“媒体高峰论坛”上,发表了题为《人工智能与媒体产业:影响与未来》的主旨演讲,对于热闻“IBM
Watson能帮助医护人员诊断病人病情”,卡普兰表示,“Watson代替不了医生”,它的自动化只是让一些医疗任务开展起来更容易。卡普兰说现在我们看到有很多新科技出现,事实上你会面临很多其他方面的问题,所以人工智能并不是最大的挑战,也不是唯一的挑战。

  在人工智能高速发展下“人人自危”的年代,不可否认,部分夸大人工智能优势的报道确实存在一定的“泡沫”。黄翰教授举例,1997年下国际象棋的深蓝计算机,2016年下围棋的AlphaGo人工智能程序,被有些人夸大为具备人类的棋艺思维,甚至是超越人类智商的机器。其实,它们本质上都是对弈策略的搜索程序,AlphaGo相对深蓝取得的进展,并非机器具备了更高的智商,更多是因为设备计算能力的极大提升。

解铃还需系铃人 和平共处是王道

相关文章