不久前，日本東京大學(xué)醫(yī)學(xué)研究院采用美國國際商用機(jī)器公司(IBM)研發(fā)的“沃森醫(yī)生”(Watson，一種人工智能)為一名60歲的女性診斷疾病，沃森醫(yī)生通過比對(duì)2000萬份癌癥研究論文，在10分鐘得出了診斷結(jié)果：患者得了一種罕見白血病，從而推翻了此前診斷她為急性髓性白血病的結(jié)果。沃森醫(yī)生同時(shí)提出了適當(dāng)?shù)闹委煼桨福瑸檫@名女性的康復(fù)做出了貢獻(xiàn)。

沃森醫(yī)生的如此成就是否就能讓人類放心大膽地放手，讓沃森獨(dú)立地為人診治癌癥和看病呢？答案是否定的，至少目前還不能。這不僅是因?yàn)槲稚t(yī)生診治疾病的正確性與腫瘤臨床醫(yī)生還有差距，也不僅在于沃森醫(yī)生的診治不具備穩(wěn)定性(表現(xiàn)好時(shí)診治結(jié)果特別好，表現(xiàn)差時(shí)則不盡如人意)，還在于迄今人工智能應(yīng)用于醫(yī)療領(lǐng)域也像應(yīng)用于其他領(lǐng)域一樣，還處于探索的階段。

醫(yī)療領(lǐng)域的人工智能探索與其他領(lǐng)域有共性，但還有一個(gè)最大的不同，人工智能面對(duì)的是人，是生命，稍有不慎就會(huì)損害人的健康，甚至對(duì)患者雪上加霜，危及生命。問題的本質(zhì)還是要回到人工智能是否已經(jīng)被人類調(diào)教到了真正具有人類的智能、智慧和能力，這后面的因素當(dāng)然還是人工智能的算法和(深度)學(xué)習(xí)。

人工智能要達(dá)到準(zhǔn)確地診治癌癥，首先需要有像人一樣的感知，知道人的機(jī)體環(huán)境，什么是正常的機(jī)體，什么是異常的機(jī)體，甚至是癌變的機(jī)體，例如只有幾個(gè)發(fā)生癌變細(xì)胞的器官，如乳腺或肺(就連這一點(diǎn)人類也有爭論，是否要對(duì)只有幾個(gè)癌細(xì)胞的組織器官進(jìn)行治療)。此外，人工智能還要理解為何正常和異常機(jī)體有不同，是癌變引起的不同，還是其他疾病引起的不同。最后才是判斷和決策，向醫(yī)生提供對(duì)某個(gè)個(gè)體檢測的結(jié)果，是患癌還是沒有患癌，抑或是患了其他疾病，以及如何治療。

要讓人工智能感知和理解人體環(huán)境和器官，就要讓其學(xué)習(xí)，包括利用大數(shù)據(jù)的機(jī)器學(xué)習(xí)(算法)和深度學(xué)習(xí)，這兩者有時(shí)是相互結(jié)合的，同時(shí)也是互相滲透的。大數(shù)據(jù)學(xué)習(xí)是人工智能的強(qiáng)項(xiàng)，可以達(dá)到比人類能力強(qiáng)幾百倍幾千倍的快速數(shù)據(jù)運(yùn)算、分析和理解。而在癌癥診治的深度學(xué)習(xí)上，更需要人工智能進(jìn)行特別的和專門的學(xué)習(xí)，如對(duì)通過物理和化學(xué)方式拍攝的人體各種部位，以及深淺度不同組織的圖像要有正確的感知和理解，如對(duì)X光圖像、磁共振成像和CT掃描圖像的感知、解讀，并得出結(jié)論，即診斷。

但是，人工智能的癌癥診治深度學(xué)習(xí)并不僅限于對(duì)癌癥和正常組織圖像的解讀，而是包括更多的內(nèi)容，例如，對(duì)癌癥標(biāo)記物和特異分子的識(shí)別。

現(xiàn)在，沃森醫(yī)生的機(jī)器學(xué)習(xí)(算法)已經(jīng)比較可靠而勝過人類，根據(jù)算法，沃森等人工智能可根據(jù)數(shù)據(jù)的輸入、輸出、賦值等運(yùn)算對(duì)癌癥進(jìn)行診斷，如對(duì)上述白血病病人的診斷就是通過大數(shù)據(jù)分析和計(jì)算獲得的。但是，在對(duì)癌癥診治的特殊學(xué)習(xí)(深度學(xué)習(xí)或?qū)I(yè)學(xué)習(xí))上，還有待入門和提高。

例如，讓人工智能學(xué)習(xí)和鑒別癌癥分子標(biāo)記，其中典型的是RAS/RAF通路的蛋白質(zhì)相互作用。RAS基因在上世紀(jì)60年代被發(fā)現(xiàn)是致癌基因，存在于30%的癌癥患者中。之后，人們又發(fā)現(xiàn)了RAS蛋白的直接效應(yīng)因子RAF-1蛋白激酶。RAF-1激酶對(duì)細(xì)胞增殖、細(xì)胞分化、細(xì)胞凋亡和細(xì)胞周期停滯有重要作用，利用這些作用可以知道癌癥的發(fā)生、發(fā)展，以及找到治療癌癥的藥物和方法。當(dāng)然，人工智能還要學(xué)習(xí)對(duì)人體組織各種圖像的解讀等。在這些方面，人工智能還剛剛起步。

同時(shí)人工智能的任務(wù)不只是診治癌癥，還需要學(xué)習(xí)臨床前的藥物篩查和建立腫瘤人口模型等，顯然，這些是更為艱巨的任務(wù)。就目前的情況來看，人工智能參與癌癥的診治可以說在某些方面可能優(yōu)于人類，但總體而言，由于算法和深度學(xué)習(xí)的局限，其診治癌癥還不具有人類的智慧和穩(wěn)定性，因此人工智能目前只能作為人類醫(yī)生的助手而參與和幫助診治癌癥。

更多資訊請關(guān)注機(jī)器視覺頻道