人机大战引发智能医疗的探讨

何献忠，许仲兴，陈欣 综述；龚连生 审校

（1.中国医学科学院肿瘤医院深圳医院 医用设备中心，广东 深圳 518100；2.中南大学湘雅医院 肝胆肠研究中心，湖南 长沙 410008）

1 人机大战

2016年3月谷歌旗下DeepMind公司开发的智能系统AlphaGo（阿尔法围棋）对阵围棋顶尖高手李世石九段,令人惊讶的是AlphaGo展现了对围棋的全新理解，对局势的超强掌控，AlphaGo四比一获胜。棋圣聂卫平评价：计算机下出了让我向他脱帽致敬的手段。一时间风光无限，AlphaGo引领人类围棋进入一个新时代！

据年初发表在《Nature》杂志上的Mastering the game of Go with deep neural networks and tree search （精通围棋博弈的深层神经网络和树搜索算法）介绍，作为一种人工智能系统，AlphaGo拥有两个基于深度神经网络的大脑：Move Picker（落子选择器）和Position Evaluator（棋局评估器）。围棋的变化有10 170，棋路无穷无尽，AlphaGo通过把棋局看做为一个19×19的图像，使用若干卷积层构造该局面的表征值。虽说围棋b≈250，d≈150（b是游戏广度，即每个局面可合法落子的数量；d是游戏深度，即对弈步数），AlphaGo结合Policy Networks（策略网络，预测最佳走法）和Value Networks（估值，评估局势）运行蒙特卡洛模拟算法（Monte Carlo method），使得这些神经网络需要考虑的搜索空间的有效深度及搜索树广度大大降低，而这一“棋感”就像人脑的直觉思维[1]。AlphaGo把此前几乎所有国际比赛中的棋局和对弈策略存入到知识库系统，这是对弈的分析基础；通过机器自我学习以往棋局和自我训练，AlphaGo棋技提高达到了专业围棋水 准。

2 人工智能与神经网络

谷歌的人工智能（Artificial Intelligence, AI）成果AlphaGo，结合了机器学习和神经网络技术，构建功能强大的通用学习算法，即使左右互搏也能实现自我学习和自我思考，成为有逻辑的AI产品，谷歌的AI除了能下围棋，还能运用于无人机、无人车及隐形眼，甚至用来操控低温睡眠、空间传输。智能化服务将会快速地接入医疗、出行、旅游、电影、教育和餐饮等生活服务领域，人工智能的发展使人类劳动往更高级的状态发展。

AI的重点之一是人工神经网络，一种应用类似于大脑神经突触联接结构进行信息处理的数学模型及算法。人工神经网络的计算模型灵感来自动物的中枢神经系统（尤其是脑），通常呈现为相互连接的“神经元”，在输入大量的样本进行训练后，神经网络进行自我学习及模式识别，成为自适应性质的系统，从而对输出结果进行逻辑判断。人工神经网络适用于医用计算机辅助诊断，理论上来说，只要用于机器学习的病例样本足够多，对疾病（如肠癌、肝癌等）特征点的抓取、识别和判断就越趋于正确。笔者曾应用误差反传算法神经网络（backpropagation neural network）算法开发肝癌数字减影血管造影（digital subtraction angiography, DSA）图像计算机辅助诊断系统[2]，也曾运用美国MathWorks公司出品的Matlab软件的“神经网络、样条拟合”模块，预测消化内镜的五年消毒合格率[3]。

3 医疗应用与前景

神农氏尝百草后有了白胡子老郎中端坐药房的典型老中医，近代分门别类的西医大量采用内镜等开展微创手术，百年医疗掀起了巨变。AlphaGO此次横空出世引燃了培育多年的AI行业[4]。在可以预见的未来，大数据与人工智能将改变各行各业，医疗、金融和保险是3个将面临变革最深远的行业[5]。

临床医生可以通过层次索引和增强神经网络检索诊断相似病例[6]；运用误差反传算法（backpropagation, BP）建立神经网络循环系统疾病死亡人数的预报模型[7]；通过比对脉搏信号分类识别高兴、愤怒、平静和悲伤4种情感状态[8]。管理人员能采用向量空间模型法建立非收费医疗耗材的规范分类[9]，通过径向基函数（radial basis function, RBF）神经网络分析子宫肌瘤患者的住院费用[10]。医疗科研人员可通过人工神经网络的医疗气象预测模型,为心血管疾病的医疗气象预报提供科学参考[11]。

人工智能目前仍是早期阶段，还没有办法创造出主动式的意识，谷歌承认未来几年内也很难见到可以上市带来真金白银的产品。目前医疗领域的人工智能基本是经验式学习，主要是人体四肢功能的扩展，还未达到AlphaGo自主学习的高度。我国智能医疗的运用很多处于学位论文实验阶段，临床突破较少。解决问题（Problem-solving）的智能机器，有知觉有自我意识并最终解放人脑力劳动的未来智能医疗，其路漫漫且大有可为。

以心电图为例，如果运用AlphaGo，不仅能通过学习自动识别心电图曲线，还能模仿人类神经网络根据亚洲人、欧洲人不同体征进行抽象思维，优化提高判断的准确性。AlphaGo后继者，DeepMind Health公司的Streams目前正在皇家自由医院进行试点，Streams几秒钟便能查看存在急性肾脏损伤风险患者的验血结果，并对患者的治疗方案进行优化。IBM的“沃森”机器人正在阅读大量医疗日志，在美国一家医院学习像一名医生那样正确诊断疾病，它将基于患者症状给医生提出重要治疗建议[12]。谷歌DeepMind计划将AlphaGo和医疗、机器人等结合,开发一款医生或患者说出症状后在互联网上搜索医疗信息、寻找诊断和处方的人工智能应用程序，必能将诊断准确度得到划时代性的提高。将Alpha Go搭载于机器人身上，就能制造出观察人类感情的家庭用机器人。未来，人工智能、互联网、大数据、云计算、手术机器人、VR、3D打印、纳米离子平台以及基因工程等这些先进技术都将成为医生的得力助手，而非对手。

[1]Silver D, Huang A, Maddison CJ, et al. Mastering the game of Go with deep neural networks and tree search[J]. Nature, 2016,529(7587): 484-489.

[2]唐静波. BP神经网络在肝癌数字减影血管造影诊断中的应用[J]. 中华生物医学工程杂志, 2009, 15(1): 55-57.

[3]何献忠. 消毒级内窥镜的消毒合格率分析与预测[J]. 中国医学工程, 2009, 17(3): 231-232.

[4]汪蕾. AlphaGo大胜背后:人工智能产业化尚未成熟[N]. 中国企业报, 2016-3-15(13).

[5]彼得·迪亚曼迪斯. 将会被人工智能和大数据重塑的三个行业[J]. 中国青年, 2015, (23): 41-41.

[6]赵卫东. 基于神经网络的案例推理医疗诊断[J]. 东南大学学报(自然科学版), 2000, 30(3): 46-50.

[7]张莹, 邵毅, 尚可政, 等. 人工神经网络在循环系统疾病死亡人数预报中的应用[J]. 卫生研究, 2014, 43(5): 774-778.

[8]杨超. 基于改进的EMD脉搏信号特征的情感识别方法[D]. 重庆:重庆理工大学, 2015. 1-41.

[9]谢海源. 人工智能技术在医疗耗材分类中的应用研究[J]. 中国医疗器械杂志, 2014, 38(5): 386-388.

[10]高栋. 基于RBF 神经网络的子宫肌瘤患者住院费用分析[J]. 现代医药卫生, 2015, 31(21): 3358-3360.

[11]高磊. 基于人工神经网络的心血管疾病医疗气象预警模型设计[D]. 济南:山东大学, 2010. 1-54.

[12]谢红生. 计算机、大数据与医、护专业发展趋势[J]. 贵阳学院学报( 自然科学版), 2015, 10(3): 72-76.