DUCG能否在医疗诊断领域大放异彩

医疗AI：深度学习的未来与诊断万物的能力

随着人工智能技术的飞速发展，其在垂直产业中的影响日益显著。医疗、无人车、安防、金融等领域的变化尤为引人注目。众多知名投资人纷纷强调，AI在垂直行业的实际应用已成为落地的主要焦点。关于医疗AI最有前途的技术是否真的是深度学习，以及何种技术能诊断超过2万种的ICD10疾病，一直是人们热议的话题。谁能成为医学界的ImageNet呢？

在智慧未来·医疗人工智能峰会上，与会嘉宾深入探讨了这个议题。汇医慧影创始人柴象飞在分享中表示，他和团队致力于发掘医疗影像数据价值，利用云计算、大数据和人工智能的前沿技术，打造智能医学影像平台和肿瘤放疗平台。在这一过程中，英特尔提供了强有力的支持，使得汇医慧影成为英特尔联合实验室的重要一员。

会议嘉宾们对于深度学习的前景充满信心。自从深度学习技术于2012年被引入到图像识别数据集ImageNet作为测试标准以来，其在医疗影像领域的应用取得了惊人的突破。斯坦福大学邢磊教授明确表示，深度学习及强化深度学习代表了目前最前沿的技术，它们能解决许多以前无法解决的问题，并将医疗AI推向新的高度。

强化深度学习在医疗AI决策过程中的作用不可忽视。程序在接收数据时会受到操作的影响，不同的操作会导致程序接收不同的输入信息。强化学习可以帮助找出决策或操作的最优方案，以获得最大的奖励。邢磊博士介绍，虽然基于深度学习的诊断目前仍处在研发阶段，但以其现在的研发速度，这些新技术离临床应用已经并不遥远。

深度学习并非在所有场景中都必不可少。在具体问题中，有时一般的机器学习技术已经足够。AI领域常用的方法是将不同的算法结合起来。张勤教授则通过多年研究，提出了动态不确定因果图DUCG理论，这一理论在解决核电站的在线故障诊断问题上发挥了重要作用。

那么，DUCG能否在医疗诊断领域大放异彩呢？

张勤团队已经与医学专家紧密合作，致力于构建DUCG医学知识库。他们并不是让机器从海量数据中自动学习出知识，而是让医学专家用图形语言在机器中表达他们的专业知识，由机器将这些知识自动整合成知识库。张勤团队认为，宏观世界中的万物皆有其因果联系，疾病也不例外。他们利用动态不确定图（DUCG）技术，构建了包含各种风险因素、病史、症状等的因果子图，用于疾病诊断。

这个系统在某医院进行了实际应用，针对某类疾病进行了诊断。涉及近4000个病例，涵盖27种疾病。在随机抽取的203个病例测试中，系统表现卓越，正确率高达99.01%。即便面对眩晕疾病这样的复杂病例，其诊断正确率也远高于国际同行。目前，团队正在积极开发晕厥和胸痛疾病的智能诊断知识库。

张勤团队正进一步完善这一系统，使其不仅能协助医生进行诊断，还能为医生提供下一步检查的宝贵建议，避免盲目检查，减轻医保和患者的负担。该系统还可应用于医院分诊，根据病人的自述和分诊师了解的信息，智能计算并排序选择优先就诊的科室。

张勤强调，智能诊断系统不仅要告诉病人或医生疾病的结论，更要解释为何得出这样的结论。毕竟，做决策并承担责任的始终是医生，而非智能系统。他认为，医疗数据并非数量越多越好，关键在于数据的质量。

接下来的挑战在于：谁能成就医学界的ImageNet？医疗AI领域面临着诸多技术挑战，除了深度学习、机器学习等，还需要面对独特的医学数据问题。对于医学影像诊断模型而言，目前尚缺乏一个权威的公开数据集。尽管有一些数据库存在，但数据并不全面，规模也远远不够大。以乳腺癌为例，虽然数据集相对较多，但仍未达数十万级别。研究人员经常需要自己采集数据，用有限的数据训练模型。

邢磊博士表示，确定多大的数据是“大数据”并不容易，因为这取决于多种因素，如问题本身、数据质量等。他相信，随着技术和政策的进步，迟早会出现一个权威的医学数据集。中国的优势可能更大，因为的参与力度可以较大。涉及病人数据的使用必须谨慎，需要层面的政策和统筹协调。

正如张勤提到的，如果有2万多种疾病都需要进行人工智能诊断，那将是一项巨大的工程。邢磊博士认为，未来需要一个像谷歌的Tensorflow那样的医学界平台，但更加专注于医学影像。不同疾病间有许多共同点，并非每个AI模型都需要从零开始。他提议将现有的Tensorflow添加医学影像处理功能，然后开放这个平台，逐步细化到各个病种。这需要医学界不同领域的专家共同努力和贡献。

两大趋势和两大不平衡正在推动医疗AI的发展。人口老龄化特别是中国的老龄化趋势明显，慢性病问题也日益严重。这两大趋势使得医疗AI的需求急剧上升。同时医疗资源供需严重不平衡的问题在全球范围内都存在。中国的医疗AI市场因此具有巨大的潜力。英特尔医疗李亚东表示全球两大趋势正在成为医疗AI的巨大驱动力：一是人口老龄化带来的需求增长；二是慢性病的挑战。这两大趋势预示着中国将成为医疗AI的最佳落地点之一两大不平衡之一便是医疗资源供需严重不平衡的问题亟待解决。在这个背景下医疗人工智能的发展显得尤为重要和迫切期待更多的人才和技术投入推动医疗领域的发展为人类健康事业做出更大的贡献。医疗行业的挑战与未来的AI展望

在中国，医患关系紧张，工作压力大，医学院毕业生转行比例超过半数，好医生尤为稀缺。三甲医院人满为患，这些现象背后隐藏着深层次的医疗资源分配问题。

一方面，地域医疗资源的不平衡现象突出。虽然三甲医院仅占卫计委医疗总数的极小部分，但它们吸引了大量的病人，导致医生超负荷工作。与此相对，基层医疗机构虽然设备先进，但医务人员的软实力不足，使得优质医疗服务无法广泛普及。

针对上述问题，我们不得不思考：在老龄化和慢性病的大环境下，如何有效应对医疗资源的短缺？特别是中国地域资源差距巨大的情况下，人工智能或许成为解决这些问题的关键。

那么，随着医疗AI的发展，我们是否正走向一个医疗工作者大量失业的未来？《人类简史》的作者在书中有所预言，大数据和人工智能的成熟可能会导致六成人类失去工作。在医疗领域，AI技术已经在某些方面达到甚至超越了人类水平。对此，医疗工作者无疑会感到焦虑。

对此，邢磊博士认为这是一个渐进的过程，需要时间来适应。他认为机器与人的合作是最好的方式，机器虽然无法创新，但人类可以。机械式的非精准医疗可能会逐渐消失，但完全依赖机器进行医疗决策并不现实。人机合作的时代已经来临，机器可以作为人类的辅助工具，帮助我们做出更准确的决策。

我们要明确的是，医生的核心价值在于他们的仁心和专业知识。无论技术如何发展，好医生都是不可替代的。我们应当关注的是如何利用AI技术真正改善医疗服务，而不是担忧AI是否会取代医生。向那些用AI改善医疗服务的人致敬！他们正在以实际行动，为构建更美好的医疗未来而努力。