AI能解決緊張的醫患關系嗎？專訪美國國家工程院院士何志明：機器人根本不能獨立看病

雖然大數據醫療的應用前景廣泛，但是現實情況往往令人沮喪。在個性化醫療中，“光有AI是不夠的，因為AI還是需要大數據?！?/p>

“如果機器人通過一定的醫學考核后，上崗給你看病，你會接受嗎？”

這個問題拋出來肯定很多人第一反應是不可置信，有人會戲謔：機器人看病，可以省紅包了。

就像國內愈加緊張的醫患關系，在醫療診斷上，關于人工智能的爭議也一直“剪不斷理還亂”。

“如果我自己生病了也不會愿意讓機器人來給我看病。”在何志明院士來看：“機器人和人工智慧是兩碼事，機器人只是一個物理設備，但是人工智能如果要運用到醫療上，它就要有考試外延的其他功能。”

何志明教授，美國國家工程院院士，中組部“頂尖千人計劃”獲得者，現任美國加州大學洛杉磯分校工程學院教授，細胞控制中心主任，曾任加州大學洛杉磯分校副校長。

在個體化醫學、微納米流體，紊流三大研究領域做出了突出的貢獻，是橫跨紊流系統、微納米流體科學和生物納米科技研究領域中享譽世界的科學家。

光有“AI”是不夠的，大數據收集是難題

AI醫療到底有多火？

今年11月，強生對外宣布要開始做醫療機器人；

Deepmind開始將深度學習算法用于乳腺癌X光檢查；

IBM Watson在輔助癌癥診斷和改善醫院病人護理上取得重大突破；

英偉達和通用電氣合作，準備全面升級全球50萬臺醫療影像設備。

而何志明院士研究的個體化醫學也離不開人工智能的協助，問題來了，個體化醫學又是什么？

對于患相同疾病的不同病人，現在的用藥方法是用同樣的藥；而在將來的個體化醫學中，由于可以預測不同病人的藥物效應，所以即使是治療同一種疾病，醫生也可能根據病人的遺傳背景來選擇合理的藥物和最合理的劑量。

眾所周知，藥物研發的周期非常長，何志明院士通過他們的技術和算法，可以快速縮短這個過程。

“通常一個藥從細胞實驗到臨床需要十年以上，但是我們三、四年，用三四百萬美金就已經做完了臨床試驗的初期階段。目前，我們現在已經和一些機構合作研制HIV和TB的藥。”

也就是說，相比較傳統的藥物研發，在AI的幫助下，何志明院士他們能夠在極短的時間內用很少的資金實現藥物篩選。

“我們用人工智能的方式，找出藥物和病人表型之間的函數轉換，實現藥物篩檢、因人施藥。”

何志明一開始采用神經網絡方法，用了幾百個數據，但是找到規則、發現致癌率其實僅僅只用了五六個實驗，所以就像何志明所說，他們的方法是基于神經網絡優化得到的，用這個算法去做到個性化醫療。“根據每一個人很少的數據，通過我們的方法來確定什么藥什么劑量。”

在這個過程中，大數據的作用功不可沒。

何志明舉了個例子，“大數據可以幫我們選藥、找靶點，目前肺結核認定的十四種藥，就是利用大數據從6000多種藥中選出來的。”

雖然大數據醫療的應用前景廣泛，但是現實情況往往令人沮喪。“光有AI是不夠的，因為AI還是需要大數據。”

在小樣本應用領域內，大量的人工標注幾乎不可能實現，比如醫療數據方面，考慮到數據隱私性，以及各個醫院之間的互通性，這些都讓海量數據獲取和訓練難上加難。當然，這也是AI醫療發展的一大瓶頸。

每一種病都需要個性化治療，新技術應用以臨床應用為首

馬兜鈴酸事件后，關于中醫有害的討論再次被推上風口浪尖，在何志明來看，“中醫的問題在于沒有很準確的測量方式。”

“我們現在是把分子拿出來做，這是絕對科學的，一包中藥兩三百盎司，但是我們治病大概只需要三、四分之一。從幾百個分子之間找出來哪幾個最重要的，然后調不同的量，可以有效地將劑量降到四分之一。而降低劑量很重要，因為每個藥都有毒，我們增加效用值來降低成分。”

對于組合藥來說，各個成分之間的比例很重要，但這個比例是一個很大的區間，所以需要不斷去測試研究。

雖然何志明院士一直在致力于推廣其研發的個體化醫療，但是在市場普及過程中一直遇到不少問題。

“個性化很難達到，我們之前做肝移植實驗的時候一分錢沒花，直接根據醫生給的藥測出結果，和醫生說下次就用這個劑量，但是這種情況是無法向FDA（美國食品藥品監督管理局）去申請，因為FDA是做出一個片子后賣給大家用，這和我們的標準不一樣。”

通常情況下，因為每個中藥的分子都是新藥，所以必須要通過FDA的批準，組合之后還需要經過二次批準，這個過程往往需要四、五十年。

現在何志明每幾個月就會和醫生開展臨床試驗，“目前為止，醫生一直做不到臨床的個性化醫療，雖然分子生物的機制可以幫忙選藥，但是選不了劑量，不過我們定的很清楚，個性化治療每個禮拜都會定期變，和中醫‘視體質而變’一樣。”

雖然普及之路漫漫，但是何志明覺得醫生是很容易被說服的。“醫生的目的在于治病，而不是發表論文之類。他們和工程師一樣，是問題的解決者。”

這和我們此前采訪的樊代明院士觀點不謀而合，“不是說寫論文不行，而是說要寫了有用，寫了能真正用于臨床治療。”

從醫生的角度去看待新技術的應用，其實最大的衡量標準就是一切為了臨床治療，控制和解決病癥問題。

機器人真的會取代醫生嗎？

回到我們開篇所提到的問題，其實有一個大前提：機器人真的可以取代醫生嗎？

“拋開技術因素，這其中還有很多問題要解決，首先，病人會接受嗎？病人的心理狀態很重要，他們會不會相信機器人醫生？其次，國家的FDA會通過嗎？即使通過了，如果發生誤診了怎么辦，像國內的醫患關系就很敏感。”

所以現在機器人可能某些方面做得比醫生還好，但是最終的診斷結果還是要醫生來決定。

一個有經驗的醫生，是要經過十幾年訓練的，在這過程中他可以從病人的病情中學到很多，與病人形成一種互動，而這正是大數據所缺失的。

大數據可以掌握很多基礎的知識，像教授一樣將這些知識教給學生，但是學生還是要自己去和病人互動，才能擁有經驗，成為真正的醫生。

最后，記得關注微信公眾號：鎂客網（im2maker），更多干貨在等你！