从2016年12月29日晚起，一个注册名为Master，风格诡谲的网络棋手，接连踢馆弈城网和野狐网，屠戮了整个人类围棋界，60胜0负1平（这1平还是因为棋手掉线……），K.O了现今所有最顶尖的围棋选手，十步杀一人，千里不留行的天外飞仙没有拂衣而去，留下了身（AI）与名（AlphaGo）

Alpha Go的进化史

1997年，国际象棋AI“深蓝”第一次打败顶尖的人类“卡斯帕罗夫”，但围棋AI长期以来举步维艰，顶级AI甚至无法打败业余选手。这是为什么呢？

国际象棋的复杂程度

围棋的复杂程度

2016年3月9日，一场举世瞩目的围棋“人机世界大战”在韩国首尔上演，比赛一方为谷歌公司研制的人工智能程序AlphaGo，另一方则是围棋世界冠军、韩国名将李世石九段。这也是人工智能第一次公开对战顶尖围棋棋手。最终，人类以1:4败北。

这次AlphaGo卷土重来之后，果然如离开时所说的那样，短短几个月成长到一个令人奇诧与骇怖的境界。完全颠覆了人类棋手对于围棋的掌控和判断。到目前为止，没有再给人类棋手任何机会。李世石现在的称号也变成了最后一个赢过AlphaGo的棋手。

人工智能在医学界

人类与人工智能共同探索围棋世界的序幕即将拉开，而这仅仅是人工智能史的一个序章。今天你听到了AlphaGo，明天还会有BetaGo、 GammaGo、 DeltaGo走进你的生活，刷新你的认知，颠覆你的未来。小编还是更关注人工智能在医学界的造诣。去年8月，随着IBM宣布与21家中国医院签约，Watson的出现引起大众的关注。

IMB 的 Watson 也是基于机器学习的分布式云计算

Watson是什么？

IBM Watson是认知计算系统的杰出代表，也是一个技术平台。

认知计算代表一种全新的计算模式，它包含信息分析，自然语言处理和机器学习领域的大量技术创新，能够助力决策者从大量非结构化数据中揭示非凡的洞察。IBM Watson系统具有几大能力：

Understanding：Watson具有强大的理解能力。通过自然语言理解技术，和卓越处理结构化与非结构化数据的能力，与用户进行交互，并理解和应对用户的问题。

Reasoning：它有智能的逻辑思考能力，Watson通过假设生成，能够透过数据揭示洞察、模式和关系。将散落在各处的知识片段连接起来，进行推理、分析、对比、归纳、总结和论证，获取深入的洞察以及决策的证据。

Learning：它有优秀的学习能力。Watson通过以证据为基础的学习能力，能够从大数据中快速提取关键信息，像人类一样进行学习和认知。可以通过专家训练，并在交互中通过经验学习来获取反馈，优化模型,不断进步。

IBM Watson的商业布局已经涵盖了十四大领域，今天我们要来说说他在医疗界发挥的作用。

它是一种以机器人或者专家系统软件形式存在的诊疗工具，简单来说，就是能够被用来诊断疾病的机器人。诊疗机器人内部都有一套自动诊断系统，能够在其子系统上收集医疗诊断所需要的知识。

Waston运用大量的临床病例，可在短时间内分析可能的结果，并协助医生做出治疗建议。它不仅可以即时让医师参考诊断与治疗方式，针对可能的疾病做深入的问诊，更可以有效减少医疗纠纷。

2015年进军医疗界

April

·设立Watson Health后，IBM先后收购了几家医疗数据公司，并跟苹果、Johnson & Johnson和Medtronic建立合作关系。

·IBM携手美敦力改善糖尿病疾病管理。通过运用美敦力的设备、护理管理产品、疗法和辅导以及IBM的沃森医疗云平台以优化患者的治疗效果和卫生经济学。有两家公司计划开发实时动态的个性化糖尿病治疗和管理方案，这些方案将为医生和病人提供决策支持，从而提高糖尿病治疗和管理的效率，改善临床效果。

·IBM收购：Explorys（一家可以查看5000万份美国患者病例的分析公司）和Phytel（提供云计算软件，可以把各种类型的健康数据进行处理，为医生提供数据方面的分析。同时，Phytel也出售它的软件，帮助医疗人员掌握病人信息），目的是加强在健康数据分析方面的业务能力。IBM团队表示，两宗收购案将有利于IBM把先进的分析和认知计算技术运用于初级保健提供商、大型医院系统和医生网络中，提高医疗保健的质量和治疗效果。

May

·IBM走进美国和加拿大的14家肿瘤中心将部署沃森(Watson)计算机系统，根据患者的肿瘤基因选择适当的治疗方案。

·IBM与在线心理治疗初创公司Talkspace又牵手成功，IBM Watson将基于后者人工生成的心理医生匹配数据，通过机器学习，结合自然语言处理和用户个性分析技术，辅助用户决策，并帮助医生给出最佳治疗方案。

August

·IBM宣布以10亿美元的价格收购医疗影像公司Merge Healthcare公司，并将其与新成立的Watson Health合并。届时Watson不仅可以读懂这些医疗图像，还可以根据巨大的电子病历数据库进行分析诊断。这将是Watson对医疗行业的又一次颠覆。

·IBM和美国第二大连锁药店CVS联合宣布，通过对用户医疗健康记录、药店数据等信息的分析，可以预测用户患有疾病的风险，并向用户提供执业护士、医生以及相关的医疗保险等信息，为用户制定一个最佳的健康问题解决方案。

December

·IBM 将Watson的认知语言处理能力延伸到了孕妇营养咨询领域，和孕妇营养咨询商 Nutrition合作开发出了一款营养查询app，它将Watson的自然语言处理和Nutrition的孕妇营养数据库相结合，为新晋妈妈提供个性化的膳食建议和24/7的营养数据查询服务。

在医院工作的Watson长什么样？

在IBM于2014年公开的一段视频中，以一位肺癌患者为例，Watson是这么帮助肿瘤科医生做出治疗方案决策的。

患者大和女士，37岁，生于日本大阪，从来不吸烟，最近总是咳嗽并伴有呼吸困难。家庭医生在她的胸部X光片中发现了可疑的肿块，CT和活检结果显示这些肿块可能是恶性肿瘤。于是她被转诊至了肿瘤科。

肿瘤科医生在见患者前，查看了家庭医生发来的电子病历，他还用Watson对这份病历进行了解析。可以看到，针对这个案例，Watson分析了三千多本教科书，六十多个治疗指南，二十多万篇期刊文献，六万多个临床试验，以及十万多份其他临床资料。

Watson把患者病历中的关键点逐条列出，并提出需要补充的信息。比如：患者是否咯血？听力是否正常？

Watson还提出了一系列检查建议，比如分子病理检查（Molecularpathology panel），脑部MRI等。如果医生点击每一条建议后面的“证据”按钮，就可以看到Watson提出该建议的理由。

比如点击了“分子病理检查”后面的“证据”按钮后，弹出的对话框左边是Watson提出该建议的理由概述，右边是具体的参考文献。如果肿瘤科医生认为某条参考文献不适用，可以点击红色的“X”按钮将其移出考虑范围；如果想要查看具体文献，可以点击蓝色的的“>”按钮。

Watson还给出了三个治疗方案建议以及相应的“信心指数”。因为此时患者的相关信息并不完整（还有一些检查没有做），每条建议的“信心指数”都不算高。

Watson也根据患者的具体情况推荐了一些相应的临床试验。

在做好准备后，肿瘤科医生见到了患者，他们讨论了下一步需要进行的检查。患者表示愿意配合，并希望选择能没有脱发副作用的治疗方案——孩子还小，很难解向他们释清楚妈妈为什么掉头发。医生随即将这些信息语音输入电子病历系统，并为患者预约了一系列后续检查。

10天后，患者第二次见到了医生。

此时患者的后续检查结果出来了，Watson也将结果更新到了系统中：分子病理检查显示发现了基因突变，但脑部MRI显示肿瘤还没有扩散至大脑。

因为掌握了进一步的信息，Watson对几个治疗方案建议的“信心指数”也有了变化。方案1“信心指数”最高，而且符合患者“不希望掉头发”的考量。

注意：Watson的这个排序是以“治疗方案的清晰和有效”作为第一优先级的，这之后才会考虑患者对于“避免脱发”的需求。所以，尽管治疗方案3也可以避免脱发，“信心指数”仍然偏低。

每条建议方案后面，也都有一个可以查看相关证据的“证据”按键。点击后弹出的对话框中，左边是Watson选择该方案的理由概述，右边是具体的参考文献。

在第二次见面中，患者提到她昨天咯了血，医生当场将此信息更新至了电子病历中。随后，Watson也马上修改了他的治疗方案建议——将方案1中一种不适合咯血患者的药物从方案中移除。对此，医生可以选择同意该修改，也可以选择不同意。

所有信息更新后，Watson对各个治疗方案的“信心指数”再次发生了变化，而且推荐的临床试验也被筛选至只剩一个了。医生最终选择了“信心指数”最高且兼顾患者“不愿脱发”顾虑的方案1。

除了针对单个患者案例的页面，Watson还有一个针对全系统案例的统计页面。这个页面总结了他被运行的具体地点、被咨询的肿瘤种类分类、有效性、运行时长、被引用次数最多的文献等信息。

人工智能正在挖掘多种医疗需求

人工智能技术既能提高客户医疗体验，也能降低医疗成本。除了Waston外，其他人工智能也在医疗领域已经默默耕耘良久了。

人工智能监测院内感染

该项目由一系列数据流模型评估来完成，主要监测可能造成医院获得性感染（NIs）的细菌的衍生与传播。医院或医院获得性感染（NIs）是住院患者常见的并发症。而医院病人记录电子化的可能则能够允许机器自动识别和监控NIs的活动。根据欧洲监控系统标准我们开发了一个基于模糊知识系统，它将用于识别和监控重症监护病房NIs的活动，并且已经在维也纳总医院投入使用。该系统名为Moni，主要监测NIs，包括利用医学知识包（MKPs）来确认和监测血液中的各种感染，比如肺炎、尿路感染以及中心静脉导管相关的感染。

机器学习开发个人诊疗方案

同样都是接受乳腺癌治疗，这两个人可能有着完全不同的身份。一个可能是马拉松运动员，而另一个则是一位安静的读者；可能一个是烟瘾者，而另一个则是执着健康的狂热分子；可能一个已经60岁而另一位才满40….这些不同之处，这两位女性患者可能需要采取不同的治疗方式。

卡内基梅隆大学和匹兹堡大学的科学家们正在利用人工智能来从海量数据，比如电子健康记录、影像诊断、处方、基因组分析、保险记录甚至是可穿戴设备所产生的数据中来提取有用信息，来为特定的一类人群而不是特定疾病来制定合理的卫生保健计划。

爱因斯坦II劳动力解决方案

很多医院使用Einstein II workforce management solution（ 爱因斯坦II劳动力解决方案）来灵活调度关于人口普查，员工可用性和历史数据 。该系统主要用来提高现有的劳动力资源效率，它采用云解决方案，不需要购买额外的硬件和服务器空间，数据实时更新。它就像一个“水晶球”一样，能够了解到所有医院工作人员的工作状态，整个系统以医院的调度规则为基础，同时也考虑到临时调度的需要，因此能够确保大多数情况下人员调配的合理性。 另外，爱因斯坦II也能够作为一个分析工具，利用自带的人工智能引擎，它能够从历史行动中提取有效的“行动”和“模式”，从而来决定当前和未来的选择。此外，在维护时它也能够产生实时的分析报告，所以会议报告工具也是不错的选择。

Aicure：遵医嘱用药解决方案

AiCure坚持提供更好的服药解决方案，那么它是如何工作的呢？

首先它有一款很好用的交互软件，使用者需要填入日常服用剂量，此外这款软件对用户的像素也有一定要求，毕竟实时成像嘛。

然后AiCure的HIPAA兼容平台采用的面部识别和运动传感器通过智能手机自动化直接观察病人的服药行为。该平台旨在监测不同药物和多种给药途径（口服，舌下含服，吸入器，注射笔）。应用程序和仪表盘可以很容易地使用多国语言展示。

之后，所有观察到的数据会被加密和模糊化，安全的信息（语音，文本消息）会被集成到仪表盘中。

该应用比较突出的一点就是具有很强的机器学习能力，它能够根据数据的积累优化监测和治疗方案还可以检测虚假的敷衍行为（服药时间篡改，不寻常的药物中断等），当然一切都归功于其强大的人工智能算法。

Alme Health Coach

慢病患者的虚拟助理

医疗保健主要的问题之一就是不能坚持治疗计划和医生的嘱咐方案。Alme Health Coach主要服务于患有慢性疾病的病人，因此整个治疗周期非常漫长，所以指尖之前病人需要充分了解这款应用的目的，并与其建立信任关系。

Alme希望病人能够知道它的工作动机，那就是通过了解病人的饮食习惯、锻炼周期、服药习惯等个人生活风格，经过人工智能技术进行数据处理后来为其提供慢性疾病的整体状态，并为其提供个性化的健康解决方案。

它主要是以一位“虚拟助手”的身份出现的，能够自动化帮助病人规划日常健康安排，监控睡眠，提供药物和测试提醒，甚至可以反向推导出一些不服从这些提醒的患者产生懒惰心的根源。所有这些活动的目的就是希望以一种全自动化的方式帮助慢性疾病患者改变不良习惯，养成一种更健康的生活方式。

它能够无缝的融入病人的生活中，其API能够和可穿戴设备、手机、企业系统、电子病例等进行整合，解决数据跨平台转移的麻烦。

AdverseEvents Explore

药物作用预测算法

主要提供FEARS批准的药物作用的数据，以及通过自由信息法（FOIA）访问专有信息的权利，能够帮助医生获得实时的药物安全性和成本资料，该浏览器核心分析算法Rxsuite主要包括RxFilter、RxCost、RxSignal、RxScore。 RxFilter通过17步算法完整优化了FAERS的数据集，使之能够被完全访问和检索；而RxCost则是一种以确定药物不良反应事件的直接成本，使决策能够依据医疗总成本进行的标准化的方法；RxSignal是一种预测算法，能够提醒用户新出现的和以前未知的药物所产生的副作用，这些副作用在未来可能引发FDA的质问；RxScore是首个药品安全评分系统，可以迅速？？总结全面批准后的药品安全问题，就像FICO信用评分系统一样。

Modernizing Medicine

为医生提供智能治疗工具

现代医疗公司致力于医学现代化，他们使用电子医疗助手（EMA）来提供整个综合服务和解决方案。整个系统界面非常直观，并且可以根据每个医生的风格自主调整，同时它基于云端存储，可以实时保存数据。就像我们平时使用手机一样，系统自带有指尖绘图功能，医生可以通过快速触摸和手指滑动屏幕来建立每个病人的图表、账单等医疗数据。 通过EMA系统，医生通过触摸屏幕就可以了解病人的病史。Modernizing Medicine目前已与 IBM Watson的人工智能系统进行结合，号称他们与一般的EMR系统可大不一样，它将提供正合你意的工作方式。

英国医保系统用AI机器人处理医疗求助

英国国民健康服务（National Health Service, 下称 NHS）正在试验一个医疗聊天建议机器人，与人工智能应用 babylon 合作，想用 AI 对医疗求助热线进行分流。

每个症状背后都是浩如烟海的可能性。babylon 会询问用户更多细节，排除部分情况，据此提出下一步的建议。

对话的回合数依据症状复杂程度而定。例如询问皮疹的情况，AI 会干脆利落地回答你，皮肤问题情况复杂，请直接联系医生。但如果是反胃，AI 则会询问体温、饮食、平衡、情绪等一系列相关情况，如果还是不能确定病因，才会建议你联系医生作进一步检查。

babylon 的基础功能包括记录看诊信息、健康量化、家庭管理等。

医疗AI面临的挑战

尽管前景明朗，人工智能CDS系统现在仍处于萌芽阶段，要正确应用这个技术，需要医生、患者等多方不断地为其输入信息。而且，开发一个系统是非常昂贵的，为了保持系统的最佳状态，还需要持续地进行操作训练。据数据显示，Watson已经被临床护士培训了14,700小时了。

医疗健康领域使用人工智能、机器学习和大数据等先进技术并非毫无争议。

一方面，有些人满怀热情地认为，在医疗领域利用这些技术可以挽救生命，获得新的医疗突破，为患者提供各种个性化的治疗方案，从而满足不同人的需求。

而另一方面，也有不少人持怀疑态度。他们重视个人隐私，对机器缺乏信任，担心自己的病例被泄露，

所以，人工智能CDS系统如果想要完整地包含所有的基础科学及临床数据，必须要有清晰的发展规划和政府及企业的不断投入。

在美国，如果要普及较为成熟的第四级电子病历系统（即，实现医嘱输入电子化和CDS系统的病历系统），在10年的适应期内每年的花费为280亿美元；也有研究机构估测Watson的初步开发成本在9亿到18亿美元之间。接下来，如果要在全美的医疗机构中广泛普及人工智能CDS系统，则需要更多的投入。难怪有人会质疑：像Watson这样的人工智能CDS系统可以有效率地改善患者的健康吗？有其他“多快好省”的办法吗？

至于Watson在中国医院的应用，除了上述这些问题，还需要更大规模更长久的人力物力投入，以解决一系列本土化的问题。例如：输入大量中国肿瘤疾病的相关信息，训练Watson在中文语言环境下发挥作用等。