“有時能治愈，常常去緩解，總是去安慰。”這句名言被認為簡潔地闡釋了醫學的本質，它鐫刻在長眠于美國撒拉納克湖畔的結核病療養先驅愛德華·利文斯頓·特魯多醫生的墓碑上。

一百多年過去了，醫學每天都在發生著革命性的變化，尤其在人工智能的賦能下，醫學的技術性得到了前所未有的提高。

有美媒日前稱，中國將人工智能運用于醫學領域的步子領先于美國，有130多家企業在利用人工智能提高中國醫療系統的效率，并暗示美國的企業應該更多地將AI應用于醫療領域。

幾天后的2月20日，谷歌大腦研究人員宣布可以使用深度學習分析大量(數萬級別)的視網膜圖像，以此預測心血管疾病突發的風險，獲得人體解剖學和疾病變化之間的聯系。據稱，這是醫生此前完全不知道的診斷和預測方法。

AI醫師助理接棒人體健康“守護者”的推進過程，似乎已經開始讀秒，在深度學習、遷移學習等不斷涌現的新人工智能技術中，AI似乎很快就能盡數掌握醫生的技術，并可能更精深。頂級會計師事務所普華永道的相關報告認為，“人工智能最初可能被作為人類醫生的輔助措施來采納，持續性的互相配合將提高診療系統的準確性，未來人類將有足夠信心完全授權AI系統進行自主操作”。

把病人的身體和生命交給機器人……這樣的想象會不會讓特魯多醫生深深嘆息，又或者是擊節驚嘆?

初級階段： 距真正的“AI+醫療”尚有距離

“普華永道去年10月發布的全球AI報告分析了各個主要行業受人工智能技術發展的影響，認為影響最大的是醫療健康和生物制藥產業。”北京深知無限人工智能研究院CEO高迪說。實際上，從2011年開始，醫療領域一直在AI行業應用中位于前列，國際數據公司在其《全球半年度認知/人工智能支出指南》中將醫療人工智能列為2016年吸引最多投資的領域之一，這個趨勢并沒有減緩。

投資的熱度、業態的興盛，使得AI在醫療領域的應用幾乎月月刷新人們的認識——從最開始的人形“曉醫”為患者回答問題、初步分診，提供就診流程、科室位置等信息，到去年11月，科大訊飛“智醫助理”機器人以456分的成績通過了臨床執業醫師考試，再到“火眼金睛”的肺部結節等圖像識別系統的應用，AI落地醫療目前正在為一線醫生降低勞動強度，并幫助醫療資源覆蓋到偏遠地區。

盡管進步很大，但距離真正的“人工智能+醫療”還有一定的距離。目前很多案例并不流暢，北京深知無限人工智能研究院首席科學家、歐洲科學院院士漢斯·烏思克爾特坦言，人工智能以數據為生命線，目前連最基礎的醫學信息提取都是非常困難的事情。

“從非結構化數據當中提取信息，是非常重要的工作。非結構化數據可以是影像，也可以是文本。”漢斯說，將來源不同的數據與具體病例關聯，進而進行研究。“這些數據需要在機器內部互相理解，比如手術報告，醫生會以個性化的語言書寫，除了真相外，醫生還會寫下他懷疑的信息，否定的信息等，如何將這些信息提取出來，進行分門別類的分析呢?”漢斯介紹，很多醫療領域從業者已經建立了很大的知識庫，比如聯合醫療語言系統，這是一個非常大的知識體系，有18萬不同的概念，算是一個小型的“知識圖譜”，作為基礎架構更待共同完善。

漢斯表示，在醫學領域AI從3個方面大展拳腳：一是臨床研究，二是藥理學相關研究，三是幫助醫生衡量不同因素，依據數據提出建議。“我們把它叫作決策支持，而不是決策本身。”漢斯強調，因為最終的決策總是要由醫生做出的。

此外，也有另辟蹊徑的突破，漢斯講到，在柏林有一個病人手腳都不能動，通過腦機接口的科學實驗，機器幫助他與人進行溝通交流，有了機器和人腦的交互，他就可以重新和世界進行交流。

發展關鍵：數據積累是完成任務的前提

“我們醫院有專門的病案數據統計部門，積累了大量的患者基本情況和他們的疾病診斷、治療等數據，數據統計部門計劃通過對這些數據的分析更好地為治療患者提供支持。”北京大學腫瘤醫院季新強說。

以北京大學腫瘤醫院為代表，很多醫院都建立了數據中心，將疾病的信息積累起來，用于挖掘分析。在北京西山，中國醫學科學院阜外醫院基于專業的私有云搭建起國家級、可共享延展的健康醫療大數據和生物樣本庫平臺，通過深度挖掘、利用數據樣本，旨在幫助醫生精準治療，并尋找新藥靶點，指示功能基因位點。

數據積累是AI得以完成任務的前提。在谷歌大腦對于從視網膜圖像，輔以各種因素如年齡、性別、吸煙史、血壓等，預測心血管疾病風險的任務中，系統使用了130000個視網膜圖像進行訓練。

發現傳統方法感知不到的細節，中國科學家們也在進行前沿的研究。中國科學院軟件所研究員田豐介紹，他的團隊在國家重點研發計劃的支持下正在開發各種醫用級的穿戴設備，“在傳統的帕金森病診斷過程中，醫生會讓患者在紙上連線、畫螺旋以判斷病情。而有了傳感器的筆可以探測到使用者的用筆壓力變化、用筆方式等之前采集不到的信息，我們發現這些也和帕金森病的前期征兆有關”。

“手部姿態的獲取，正在試點應用于智能診室中，幫助醫生診斷神經系統方面的疾病”，田豐說，項目參與單位協和醫院正在進行試點應用，進一步的研究還在跟進。

終極形態： AI醫生或許不會真正到來

盡管達芬奇外科機器人已經使用微創的方法，實施了多臺復雜的外科手術，但研究公眾健康傳播多年的頂尖學者田向陽卻認為并不能將病人交給機器人。他在《醫患同心 醫患溝通手冊》一書中寫道：“醫乃仁術，醫學是仁愛的。”

“醫學首先是人文的，而不是技術的。”田向陽由故事講起，二戰時納粹集中營中有一位猶太醫生，他看到一位剛被毒打過的猶太同胞因為疼痛而大聲喊叫和呻吟，但因為沒有搶救器具而心急如焚，他在無奈中下意識地把對方攬在懷里，而就在此時，奇跡出現了，病人驟然停止了喊叫和呻吟，一下子安靜下來，臉上露出安詳的表情，仿佛他不疼了，仿佛身體上重傷一下子好了。

這個故事正應了文章開頭的那句話，技術上的治愈只是醫學的“有時”。田向陽介紹，在健康的影響因素中，技術性醫療服務占比不到10%，還有人類生物學因素、社會與物質環境因素、心理行為因素等。現代循證醫學為人類健康問題的解決提供了重要的指導思想，但是詢證醫學并非完美無缺，如通過AI技術獲得的有效性證據是99%，那對于屬于1%的患者來說卻是100%的痛苦和不幸。

“人是世界上最精密、復雜、敏感的生命體，同樣的疾病在不同的個體上表現迥異，一種疾病在同一個體上的不同階段區別巨大，醫學說到底是人學，不是機械學、物理學，也不是生物學、細胞學和疾病學，醫學比任何一個學科都要復雜得多。人的問題必須靠人解決，單純依靠技術是行不通的。”

田向陽表示擔憂，過度依賴人工智能技術，會把浸透著人文溫情的醫學變成冷冰冰的技術，把溫暖的醫院變成人體修理廠，有違醫學的“初心”，最終可能會導致醫學的異化。

在醫療領域，人工智能的應用具有廣闊的前景，如疾病診斷、病因推斷、治療方案遴選、精密手術等，但前提是必須由醫生來操控，任何人工智能技術都只能是人腦和人手的延伸，是幫助醫生解決患者健康問題的工具。可見，AI診療的最后一步，是最遙遠的一步。