AI能从根本上解决紧张的医患关系吗？专访美国国家工程院院士何志明：“机器人根本不能独立看病！”

虽然大数据医疗的应用前景广泛，但是现实情况往往令人沮丧。在个性化医疗中，“光有AI是不够的，因为AI还是需要大数据。”

“如果机器人通过一定的医学考核后，上岗给你看病，你会接受吗？”

这个问题抛出来肯定很多人第一反应是不可置信，有人会戏谑：机器人看病，可以省红包了。

就像国内愈加紧张的医患关系，在医疗诊断上，关于人工智能的争议也一直“剪不断理还乱”。

“如果我自己生病了也不会愿意让机器人来给我看病。”在何志明院士来看：“机器人和人工智慧是两码事，机器人只是一个物理设备，但是人工智能如果要运用到医疗上，它就要有考试外延的其他功能。”

何志明教授，美国国家工程院院士，中组部“顶尖千人计划”获得者，现任美国加州大学洛杉矶分校工程学院教授，细胞控制中心主任，曾任加州大学洛杉矶分校副校长。

在个体化医学、微纳米流体，紊流三大研究领域做出了突出的贡献，是横跨紊流系统、微纳米流体科学和生物纳米科技研究领域中享誉世界的科学家。

光有“AI”是不够的

大数据收集是难题

AI医疗到底有多火？

今年11月，强生对外宣布要开始做医疗机器人；

Deepmind开始将深度学习算法用于乳腺癌X光检查；

IBM Watson在辅助癌症诊断和改善医院病人护理上取得重大突破；

英伟达和通用电气合作，准备全面升级全球50万台医疗影像设备。

而何志明院士研究的个体化医学也离不开人工智能的协助，问题来了，个体化医学又是什么？

对于患相同疾病的不同病人，现在的用药方法是用同样的药；而在将来的个体化医学中，由于可以预测不同病人的药物效应，所以即使是治疗同一种疾病，医生也可能根据病人的遗传背景来选择合理的药物和最合理的剂量。

众所周知，药物研发的周期非常长，何志明院士通过他们的技术和算法，可以快速缩短这个过程。

“通常一个药从细胞实验到临床需要十年以上，但是我们三、四年，用三四百万美金就已经做完了临床试验的初期阶段。目前，我们现在已经和一些机构合作研制HIV和TB的药。”

也就是说，相比较传统的药物研发，在AI的帮助下，何志明院士他们能够在极短的时间内用很少的资金实现药物筛选。

“我们用人工智能的方式，找出药物和病人表型之间的函数转换，实现药物筛检、因人施药。”

何志明一开始采用神经网络方法，用了几百个数据，但是找到规则、发现致癌率其实仅仅只用了五六个实验，所以就像何志明所说，他们的方法是基于神经网络优化得到的，用这个算法去做到个性化医疗。“根据每一个人很少的数据，通过我们的方法来确定什么药什么剂量。”

在这个过程中，大数据的作用功不可没。

何志明举了个例子，“大数据可以帮我们选药、找靶点，目前肺结核认定的十四种药，就是利用大数据从6000多种药中选出来的。”

虽然大数据医疗的应用前景广泛，但是现实情况往往令人沮丧。“光有AI是不够的，因为AI还是需要大数据。”

在小样本应用领域内，大量的人工标注几乎不可能实现，比如医疗数据方面，考虑到数据隐私性，以及各个医院之间的互通性，这些都让海量数据获取和训练难上加难。当然，这也是AI医疗发展的一大瓶颈。

每一种病都需要个性化治疗

新技术以临床应用为首

马兜铃酸事件后，关于中医有害的讨论再次被推上风口浪尖，在何志明来看，“中医的问题在于没有很准确的测量方式。”

“我们现在是把分子拿出来做，这是绝对科学的，一包中药两三百盎司，但是我们治病大概只需要三、四分之一。从几百个分子之间找出来哪几个最重要的，然后调不同的量，可以有效地将剂量降到四分之一。而降低剂量很重要，因为每个药都有毒，我们增加效用值来降低成分。”

对于组合药来说，各个成分之间的比例很重要，但这个比例是一个很大的区间，所以需要不断去测试研究。

虽然何志明院士一直在致力于推广其研发的个体化医疗，但是在市场普及过程中一直遇到不少问题。

“个性化很难达到，我们之前做肝移植实验的时候一分钱没花，直接根据医生给的药测出结果，和医生说下次就用这个剂量，但是这种情况是无法向FDA（美国食品药品监督管理局）去申请，因为FDA是做出一个片子后卖给大家用，这和我们的标准不一样。”

通常情况下，因为每个中药的分子都是新药，所以必须要通过FDA的批准，组合之后还需要经过二次批准，这个过程往往需要四、五十年。

现在何志明每几个月就会和医生开展临床试验，“目前为止，医生一直做不到临床的个性化医疗，虽然分子生物的机制可以帮忙选药，但是选不了剂量，不过我们定的很清楚，个性化治疗每个礼拜都会定期变，和中医‘视体质而变’一样。”

虽然普及之路漫漫，但是何志明觉得医生是很容易被说服的。“医生的目的在于治病，而不是发表论文之类。他们和工程师一样，是问题的解决者。”

这和我们此前采访的樊代明院士观点不谋而合，“不是说写论文不行，而是说要写了有用，写了能真正用于临床治疗。”

从医生的角度去看待新技术的应用，其实最大的衡量标准就是一切为了临床治疗，控制和解决病症问题。

机器人真的会取代医生吗？

回到我们开篇所提到的问题，其实有一个大前提：机器人真的可以取代医生吗？

“抛开技术因素，这其中还有很多问题要解决，首先，病人会接受吗？病人的心理状态很重要，他们会不会相信机器人医生？其次，国家的FDA会通过吗？即使通过了，如果发生误诊了怎么办，像国内的医患关系就很敏感。”

所以现在机器人可能某些方面做得比医生还好，但是最终的诊断结果还是要医生来决定。

一个有经验的医生，是要经过十几年训练的，在这过程中他可以从病人的病情中学到很多，与病人形成一种互动，而这正是大数据所缺失的。

大数据可以掌握很多基础的知识，像教授一样将这些知识教给学生，但是学生还是要自己去和病人互动，才能拥有经验，成为真正的医生。