醫療行業已經成為人工智能技術企業最為關注的藍海，社會各界廣泛關注，政策、技術、需求為其發展提供了難得的機遇，然而也面臨行業獨具特點的挑戰。在CHIMA 2019大會上，中科院院士、清華大學人工智能研究院院長張鈸院士，針對人工智能技術在醫療行業應用的熱點和難點問題，進行了深入分析和詳細解讀，學術報告邏輯嚴謹、寓意深刻，獲得3000多在場聽眾的關注和深思。

以下內容根據張鈸院士演講整理。

尊敬的劉會長，尊敬的各位專家、領導和來賓，很高興今天有機會跟大家來談談：醫療健康智能化面臨的機遇和挑戰。

首先我要談一下人工智能如何改變醫療行業？我們先看一下傳統醫療系統，醫療工作人員利用科學技術去給病人治病。隨著科學技術的進展，無論是醫療設備，還是醫療技術都有很大變化。盡管技術發生了各種變化，但是醫務工作人員與科技，以及跟病人的關系始終沒有變，也就是醫務人員利用科學技術給病人看病。這一套醫療服務系統，是建立在病人跟醫務人員建立了互信的關系基礎之上的，病人去醫院看病，對醫生有著充分的信任。

如果智能化，意味著什么？智能化意味著科學技術或者是設備、機器也參與了醫療決策和診療的過程。要注意，智能化的目的是使設備、機器參與醫療決策和診療過程中。

這里發生了一個重大變化。這個變化不是簡單的醫務人員使用的科技和設備，而是機器參與其中。一旦發生了這種變化，整個醫療關系發生了非常重要的變化，最直接的是病人跟機器建立了關系。因為機器參與了醫療決策過程，所以機器也變成為行為主體。現在的問題是，這樣一個關系，還能建立起病人對醫務人員的信任和病人對機器的信任嗎？

首先必須解決醫務人員對機器的信任問題。因為只有醫務人員信任了這個機器，才可以達到病人信任這個機器的目標。在醫療智能化的條件下，必須去重新建立一套互信可靠、高質量和高效的人機協同醫療體系。如果能建立這個系統，醫療整個會發生很大的變化，質的變化。我今天的報告，主要是集中在目前的人工智能技術有沒有可能建立這樣一個體系？如何去建立這種體系？建立這種體系我們將會面臨什么樣的挑戰？

在這種情況下，我先介紹一下人工智能這么多年在醫療智能化方面所做的努力。其實，人工智能很簡單，就是研究設計智能體。所謂的智能體應有以下三方面的功能：第一個功能是感知，視覺、聽覺、觸覺等，我們要用機器來實現人類的視覺、聽覺、觸覺等；第二個功能是理性思考，理性行為，也就是決策、判斷；第三個功能是動作，是手和腳的動作。這三個功能，都跟醫療密切關系。第一，醫生看病，尤其是中醫講究望聞問切，就是利用視覺、聽覺和觸覺去感知病人的狀況；第二，醫生所有的醫療過程，都是理性思考、理性行為；第三，包括手術在內的醫療動作輸出。這三個方面，都是屬于人工智能要研究的范圍。因此，人工智能和醫療健康的關系十分密切。

如果智能化意味著什么？

先來看一下推理、決策、診斷、規劃、創作、學習等理性行為，這些行為在醫生醫療診斷過程中都要用到。人工智能怎么實現它們？非常簡單，就是建立一個以知識和經驗為基礎的推理系統。對醫療診斷來講，這是很簡單的，就是把醫生和醫務人員的醫療知識和臨床經驗放在計算機里。醫生看病的過程，把它變成了推理過程放在計算機里面，計算機就能夠做同樣的事情。

正因為此，人工智能一開始就把醫療診斷專家系統作為它的研究目標。美國在上世紀70年代的時候，就做了很多跟醫療系統、輔助醫療系統有關的工作。中國在上世紀80年代也做了很多相關工作，比如北京西苑有一個關幼波肝炎診斷系統等。

在1970初的時候，美國斯坦福大學和斯坦福醫學院合作研發了MYCIN專家系統，用于診斷血液傳染病。因為當時內科醫生并不是傳染病專家，所以對于傳染病如何用抗菌素，并不是非常在行。在這種情況下，把傳染病專家的知識，放在計算機內。內科醫生通過咨詢這個系統，能夠開出更好的抗生素藥。因為當時認為，內科醫生開抗生素藥有一些濫用。這個系統經過三年半的努力做出來了。

當時大多數醫療診斷系統也是這么做的，把知識全儲存在計算機內，把推理過程作為計算過程。但是很遺憾，當時國內外做的這一類系統都沒有得到推廣應用。其實這個系統本身很好，是一個非常可理解、可解釋的系統。比如說MYCIN系統，專門有一個解釋功能，解釋它怎樣做出這個診斷，為什么做出這個診斷，幫助醫生理解整個診斷過程，這一點做得比較好。為什么做得這么好的系統還不能被用上？最主要的原因是醫生有很多知識和臨床經驗非常難以表達和描述。比如西苑的關幼波肝炎診斷系統，很難把脈象自動化，當病人就診時，請年輕醫生為他們號脈，然后將診斷結果輸入到系統內，由系統做診斷，這樣病人就會質疑年輕醫生的水平。因此人和機器很難建立信任，系統也很難推廣利用。這是當時系統在推廣應用過程中遇到的困難。

有了大數據以后，這個問題獲得很大改善。我們可以利用大數據，來彌補原來工作中的不足，光靠醫生的知識和經驗來建造系統，這個很難做到。所以從本世紀開始，大量醫療人工智能的工作開始復蘇。

比如IBM的沃森醫療保健系統，它主要是做癌癥的免疫治療，是從100萬本醫學雜志上抽取的2500萬個摘要，有400萬病人的數據，以及1861年以來的藥物專利。所以它既可以做癌癥免疫治療，也可以進行個性化的輔助治療，比如針對糖尿病的管理。這里所有的數據是質量比較高的數據。從一定意義上來講它是知識。比如從醫學雜志中間抽取摘要應該說是一個醫學知識。

第二，從本世紀開始，我們進入深度學習時代。深度學習解決人類的感知問題。也就是說我們過去如何從數據中間去感知它的內容。比如我們如何從數據中間去認識這個動物，這就是圖像識別。我們如何從數據中間去認識聲音？這叫語音識別。這些工作，我們在本世紀初有一個重大突破，表現在我們只要把原始的數據輸入進去，經過計算機處理以后就能夠達到識別的目的。這和以前不一樣，這就是深度學習。深度學習是把神經網絡的層次增加了以后，起了一個根本性變化。也就是我們輸入沒有加工的數據，比如輸入圖像點陣或語音輸入波形，這讓使用人工智能的技術門檻降低了。在做人臉識別和語音識別時，不需要對人臉和語音有很深入的了解，只要利用原始聲音數據、圖像數據，就可以做圖像識別、語音識別的工作。

正因為此，給醫學大量應用人工智能帶來了機會。其中最重要的應用就是醫學圖像識別。比如塵肺病篩選、眼底彩照疾病診斷等。

第三個是行動，其中最重要的是手術機器人。比如眾所周知的達芬奇機器人，包括術前規劃、術中操作和術后管理等。清華大學在這方面也做了很多工作。

下面我要重點說一下，如何去建立一個新的互信、可靠、高質量與高效的人機協同醫療體系，特別是我們面臨什么樣的挑戰和風險？

這個工作分成兩個部分：一個部分叫非核心部分應用，主要是指后勤、管理。它是指利用人工智能技術為大家在預約、掛號、繳費、導診、初診、自我診斷和醫學知識咨詢等提供網絡服務。這方面在國外也做了很多，叫聊天機器人。中國也做了很多，比如各種各樣的醫療服務網站等。其實，這類網站目前只能解決非核心部分，即幫助患者掛號、預約、介紹醫生、介紹醫院、導診，進行初診和自我診斷等，不能真正進行醫療診斷，而且所提供的醫學咨詢也不見得是準確、可靠的。換句話說，特別是目前國內的醫療服務類網站，無法提供更高質量的醫療咨詢服務。因此這些醫療服務網絡企業下一步怎么辦？如何可持續發展？唯一的出路，就是它們要提供更高質量的醫療服務和信息，才能存在。如果只是在宣傳現在點擊量達到多少，一旦開始提供收費服務，用戶可能就走了。為什么？因為它們不能提供更好的醫療服務。另外如果用戶付費，它們的責任就來了，因為一旦向用戶提供了錯誤的咨詢，人家就可以起訴它們。所以目前醫療服務網絡企業已經遇到了如何提高質量的問題，如果不提高質量，那么它們是不可能永遠生存下去的。如果它們做廣告，必然會受到廣告商的影響，所以廣告這條道路也走不通，必須走高質量地提供醫療服務的道路。當然其中也有一些虛擬護理、老年保健等非核心的問題。

第二個是核心部分的應用，即智慧診療。我認為這是人工智能最重要的應用領域。只有當機器真正進入了醫療決策和診療，才能體現人工智能的價值。目前我們做這個事情有一定局限性。因為要實現醫療診斷，必須有大量的知識和數據，這是目前人工智能所要求的。相關信息必須是確定、完整的，而且在整個過程中間是可預測的。現在看一下醫療的場景，很多并不符合這個要求。特別是其中所要求的完整、確定的信息。為什么我們需要優秀的醫生？因為醫療需要在信息不是很完整和不確定的情況下，由優秀的醫生做出正確的判斷。

因此，真正的智慧醫療還要做很多方面的努力。用大數據做出來的醫療診斷結果，有很多待改進的地方，主要表現為會放大錯誤、關系很差、非常脆弱，而且需要大量的學習樣本等。

一個非常優秀的交通信號指揮系統，只要在信號上加了一點干擾，就會變成另外一個信號。醫療圖像識別系統也是一樣，只要醫療圖片上有一點污染，就使得它發生質的變化，在判斷上發生很大的錯誤。聲音也是如此，明明說的是這句話，加了一點干擾，機器聽起來就變成了另外一句話。這就是大數據深度學習必然導致的結果，會引起很大的問題。目前已存在的很多醫療圖像診斷系統，從指標上來看，可以說已經達到甚至是超過專家的水平。但是醫生不敢用，因為它不可解釋。比如說把一個圖片給機器，它診斷出來是癌癥，但是說不出為何診斷它是癌癥，因此醫生根本不敢簽字。這就涉及到機器看病，它是什么責任，它能否負的起這責任。也就是最終還必須由醫生簽字，不能完全用機器來做判斷。這就存在一個問題：醫生憑什么相信機器的診斷是對的。

這里面的關鍵是如何讓人工智能做可解釋的診斷。我們必須要設法努力去建立一套互信、安全的人機協同醫療健康系統，其中涉及到很多問題，比如安全性和標準、倫理與法律、體制機制和科技層面，必須從這些層面提供安全、可信、可靠與高效的人工智能技術。

目前國際上已經開始建立“可解釋”的醫療診斷系統，這是非常不容易的。因為現在的深度學習方法，得出來的結果是不可解釋的。人工智能在醫療健康中有很多的應用，前景很好，但是我們必須要解決互信的問題，讓醫生信任這個系統。

以清華大學人工智能研究院和長庚醫院在做的，建立一個可信的、基于呼吸音的醫療輔助分析系統為例，目前西醫里的血液、血壓、溫度都自動化了，唯一的聲音、呼吸沒有實現自動化。我們希望通過管理部門、醫院、醫生和技術人員四結合的模式，共同來做這件事情。

在做這個分析系統時，必須把聲音聽診的問題準確可靠的解決掉，實現對呼吸音的測量。先把聲音轉化成圖像，因為聲音里頭有很多很多的噪聲。周圍人說話，或者是聽診器和衣服摩擦都會有很多噪聲，會妨礙醫生判斷。我們就用濾波的方式把它濾掉，這個數據的質量不是很高的。非常重要的一點，是必須充分借助醫生的智慧解決數據質量的問題，即把濾波濾掉以后，再讓醫生來聽，看看原來的聲音是否存在。在這種情況下，可以保證提高聲音的質量。接下來，根據需求分析，應用到很多地方，比如重癥監護，可以用這個幫助醫生診療胸心疾病等。我們設立的目標，包括破解呼吸音的密碼等。

2015年MIT研究人員統計，過去10年間機器人手術導致140多人死亡，近1400人受傷。如何面對這個事實？也就是說，當我們做智慧醫療的時候，會遇到極大的風險和挑戰。如何面對這個風險和挑戰？必須衡量AI技術帶來的利益與風險，最終是人類來決定何處使用AI，哪些還需保留舊的模式。

AI技術將改變醫學的整個形態。這里關鍵的問題，是醫務人員的參與和重視，而且是全過程的，包括從研究、開發到應用。因為人工智能在醫療健康領域應用的本意不是想代替醫務人員，而是要發揮醫務人員的聰明才智。人工智能最高的目標，就是要充分發揮人類的智慧。因此醫務人員在其中起著非常關鍵的作用。我覺得在人工智能應用方面，數據并不是最重要的，最重要的是人，是醫生的智慧、所具備的醫學知識和臨床經驗。醫療數據有兩種：一種我們可以直接使用的高質量數據；另外一種是大量的是低質量數據。低質量數據怎么用？這是目前人工智能應用的關鍵。要想挖掘低質量數據的價值，關鍵在于讓醫務人員發揮作用，只有借助于醫務人員的智慧和經驗，才能有效利用數據，特別是低質量的大數據。這就是我今天演講的最主要的目的。

謝謝大家！

（根據錄音速記摘編整理，未經本人審閱）