1700803914
颠覆性医疗革命：未来科技与医疗的无缝对接 [:1700802200]
1700803915
颠覆性医疗革命：未来科技与医疗的无缝对接 趋势16 人工智能医疗决策
1700803916
1700803917
2011年，人们在电视智力竞赛节目《危险边缘》（Jeopardy！）上见证了一期有趣而怪诞的比赛。这期比赛的主角是该节目历史上成绩最好的两名选手：曾拥有多达74场最长不败记录的肯·杰宁斯（Ken Jennings），和曾赢得高达325万美元最高奖金的布莱德·如特（Brad Rutter）。他们的对手是一台巨大的计算机，它拥有750个服务器和一个冷却系统，服务器和冷却系统被摆放在别处以免打扰选手们。这个房间大小的机器由IBM公司制造并以公司创始人托马斯·沃森，被称为“沃森”。它不微笑或者显露其他情绪，但它会不停地给出好答案。最终，沃森赢得了游戏并获得了77147美元的奖金，而如特和杰宁斯分别得到剩下的21600美元和24000美元。
1700803918
1700803919
沃森或许是最为重要的超级计算机，并且也是在我们这个时代率先进入人工智能市场的超级计算机之一。它的成功取决于它如何获取新的知识。IBM沃森的医疗领域负责人马丁·寇恩（Martin Kohn）解释说，沃森的训练是一个持续的过程，它正在迅速提升自身的能力，以提供合理的建议（例如，肿瘤学家认为有帮助的建议）。沃森也能够快速确认什么是它所不知道的。另一方面，苹果公司iOS系统中的智能助手Siri可以简单寻找关键字，用来进行网络搜索并列出多个选项供用户从中选择。
1700803920
1700803921
甚至备受赞誉的教授们所知道的也无法与认知计算机相匹敌。因为它们所积累的信息量是以指数级增长的，所以迫切需要计算解决方案来帮助医疗决策。尽管一个医生能在脑子里记下几十个研究结果和大量论文，但IBM沃森却能够在数秒钟内处理200多万页资料。这一非凡的速度使沃森在多家肿瘤中心得以试用，来看看其在癌症护理中制定治疗决策时能有多大帮助。沃森不回答医学问题，但它会基于数据基础之上给出最相关且最可能的多个结果，由医生做出最终决定。计算机辅助只是在促进医生的工作，而不是取代他们。
1700803922
1700803923
IBM公司的研究负责人说，对于沃森，首先打动他们的是它的无穷机会的清单，因为它所展现的概念可以被应用于几乎所有的情形。最初研究小组选择医疗有其明显原因的。想象一下，倘若它能对诊断和治疗的可选方案提出建议，那沃森会是多么地有用。沃森可能会是一个完美的工具，在癌症专家们所使用的决策树中提供指引，权衡包括放射、外科手术和数不胜数的化疗药物等各种治疗可选方案。它能阅读全世界的医学杂志，理解患者的病史，留意最近的药物试验和最新的治疗，甚至紧随最先进的指导方针，而所需的时间比医生喝一杯咖啡的时间还少。并且，它还在持续不断地学习着。
1700803924
1700803925
毫不奇怪，沃森在2012年接受了不同环境下的测试，譬如在纪念斯隆·凯特琳癌症中心的测试。与此同时，美国大型健康保险公司Wellpoint公司开始使用一台沃森计算机，用以加快医疗程序的授权过程。有时候，他们称这一变革为“沃森化”。
1700803926
1700803927
沃森与临床医生一起工作展示了它是如何潜移默化地变革着医疗健康事业的。在一年多的时间里，沃森在科学和医疗领域进行着训练，训练是通过给它提供医学教科书、同行评审的期刊文章、患者病史以及治疗指南来进行的。在纪念斯隆·凯特琳癌症中心，医生们使用一个平板电脑应用程序，通过云端来访问计算机，输入数据或者提出问题。因为沃森能理解自然语言，例如，一个关于某癌症治疗的查询会让沃森注意到关键字、特定类型的癌症以及肿瘤的基因组变异情况。利用大规模并行处理器，沃森随即在几秒钟内回顾了数百万页的相关文字、研究、患者病史以及其他更多的资料。它生成了一些治疗方案的设想，在平板电脑应用程序中给出了具有不同可信度可选方案的建议，从而让医生权衡各种可选方案，做出最终决定。
1700803928
1700803929
据纪念斯隆·凯特琳癌症中心称，仅仅是跟上医学文献的最新进展每周就需要花160个小时。其结果是，只有大约20%的医生在进行诊断和决策时会依赖于临床试验证据。正如Wellpoint的官员所注意到的，沃森对于肺癌的正确诊断率为90%，相比之下，人类医生的正确率只有50%。
1700803930
1700803931
赫伯特·蔡斯（Herbert Chase）是哥伦比亚大学的临床医学教授，他在开发沃森的过程中为IBM公司提供咨询。他表示，对一个医生来说，始终跟上当前文献的最新进展是人类无法实现的。他描述了一个沃森在其中表现得很有帮助的好例子。
1700803932
1700803933
1700803934
1700803935
1700803936
IBM 认知计算机沃森
1700803937
1700803938
我给你举一个例子，是关于我们曾经想出的给沃森做的一个测试。一位怀有身孕的患者患有莱姆病，并且对青霉素过敏。此时，沃森找到了一种药物。我当时想到的第一件事是沃森犯了一个错误，那种药不能用于对青霉素过敏的患者。我的知识差不多停留在五年前。在过去的几年里，医学领域的一些重要人物审查了所有的研究并且给出结论——可以为青霉素过敏的患者提供那种药品使用。
1700803939
1700803940
一位来自安德尔森癌症中心（MD Anderson Cancer Center）的临床研究人员，根据标准的化疗程序开始为她的一位白血病患者进行治疗。随后在治疗过程中，患者出现了一种有可能威胁生命的并发症，称作肿瘤溶解综合征（tumor lysis syndrome），如果不采取积极主动的治疗，就会导致其肾衰竭、心力衰竭，甚至死亡。沃森提醒她注意该并发症，并且让她立即采取措施。这就是人工智能如何能够协助医疗专业人士的最佳例子。
1700803941
1700803942
同时沃森也被用于临床研究，例如，在一个项目中，25名患有某种类型脑部恶性肿瘤的患者的基因组正在被测序，数据将会被发送给沃森。沃森的学习模型能比研究人员更快地发现其中的关联性。它还能确定不同药物组合的优先顺序，并且让医生就首先使用哪种药物做出更好的选择。
1700803943
1700803944
患者倾向于相信他们的医生是无所不知的。但是，事实并非如此，如今获取足够多的知识对人类来说是不可能的。利用人工智能具有重大意义且是不可避免的，而且它应该不会摧毁传统的医患关系。
1700803945
1700803946
技术以外的费用
1700803947
1700803948
最近，我偶然发现了一个令人着迷的研究，该研究给出这样一个结论：在人工智能的帮助下作出一个诊断，比不使用人工智能的价格便宜。500名随机选取的患者参与了仿真试验，医生的绩效和患者的治疗结果被用来与人工智能的序列决策模型相比较。人工智能模型花费了189美元，而通常治疗手段的花销是497美元。
1700803949
1700803950
我联系了作为该项目研究者之一的凯瑟·本奈特（Casey Bennett），他来自位于纳什维尔的森特斯通研究所（Centerstone Research Institute）。他很高兴与我分享了他们工作背后的细节和论据。
1700803951
1700803952
从我个人的层面来说，我工作的主要动力之一是关注我的祖父母，因为他们上了年纪并且因为各种各样的健康护理问题去了养老院。他们是需要继续服用药还是接受治疗？对于60%的人来说都会面临同样的情况，但对他们来说或许不是这样。服药或者治疗会导致戏剧性的副作用吗？那些副作用是可以容忍的吗？我们是否确实能让他们的健康状况更好？潜在的长期并发症（以及／或者开销）是值得的吗？
1700803953
1700803954
在医学界，医生们通常会做出有学识的猜想。当你看着你的朋友们和家庭面临这样的情况时，事情就会变得令你害怕。对于本奈特来说，临床应用人工智能的真实目标应该是帮助患者和临床医生获得他们所需的工具和信息，用以做出他们所能做出的最好决定。尽管他认为自主的人工智能总会有一席之地，但人类绝不会被完全排除在外。让机器与人类携手工作，将发挥出两者各自最大的优势。
1700803955
1700803956
需要克服的障碍依然存在，其中一个事实是，这些技术并没有切实反映我们思考问题的方式，这会导致认知失调，往往给与机器共同工作的人们造成困难。最近几年在将人工智能和其他创新科技有效应用到现实世界的临床实践时，本奈特和他的同事们将会一直面对各类挑战，但是他们一直在努力去找到一条出路。
1700803957
1700803958
关于医学上的人工智能应用，存在着严重的伦理上的担忧。出现最为频繁的是责任问题。倘若一个临床应用的人工智能犯了一个巨大错误，谁来负这个法律责任？如同像手术机器人等类似的技术，始终是医疗专业人员做出最后的决定，所以这并不是一个真的没有解决方案的问题。另一个问题是，来自循证医学的新指导方案和推荐意见以何种方式被结合到临床人工智能系统里？这些系统是否满足临床医护标准，这一点至关重要。
1700803959
1700803960
1700803961
1700803962
1700803963
采用人工智能和传统治疗所得出的治疗结果和所需费用的对比