智源导读：时至今日，AI医疗虽然已经在药物筛选、辅助诊断等方面有了丰富的应用场景，但仍然存在数据集小、容错成本高等问题。AI医疗，归根结底，应聚焦以人为本，从实际场景出发更好地帮助医患。

对此，清华大学交叉信息学院助理教授、智源青年科学家袁洋提出AI会从六大方面改变整个医疗体系，包括数据格式与数据采集、医患交互、治疗方案、患者反馈、医生评价和挂号。

袁洋，清华大学交叉信息学院助理教授，智源青年科学家。2012年毕业于北京大学计算机系，2018年获得美国康奈尔大学计算机博士学位，师从在线学习与强化学习理论专家Robert Kleinberg教授。2018-2019年前往麻省理工学院大数据科学学院（MIFODS）做博士后，师从Locality-sensitive Hashing算法的提出者Piotr Indyk教授和机器学习鲁棒性专家Aleksander Madry教授。袁洋博士主要研究方向是智能医疗、AI可解释性、AI大系统。

此外，袁洋是2021智源大会AI赋能生命健康与生物医药分论坛的嘉宾。本次论坛将聚焦于AI在生命科学、生物制药、基因工程、健康计算、个体化精准医疗等领域的应用，邀请清华智能产业研究院首席科学家马维英、加拿大皇家学会院士李明、UIUC副教授彭健、CMU副教授马坚、MSRA刘铁岩、医渡云闫峻等国内外知名嘉宾共同探讨相关领域面临的机遇和挑战。

2021智源大会群英荟萃，已确认出席嘉宾包括图灵奖得主Yoshua Bengio、David Patterson，以及人工智能各领域多位世界级的专家。本届大会采用线上+线下模式，30+分论坛，线上报名已开启，详情参见官网https://2021.baai.ac.cn/（详细议程持续更新中）。

人工智能领域不容错过的内行分享，等你一同见证！

AI医疗未来应该是什么样子的？当讨论这个问题的时候，很多人会着眼于AI未来会变成什么样子，即AI会变得多聪明，这似乎是一个算法层面的问题；但是我认为我们应该着眼于医疗未来会变成什么样子，即医疗的模式、数据、流程应该发生什么样的变革，这是一个系统层面的问题。

世界上（至少）有两种AI，一种是强AI，就是所谓的通用人工智能，能够和人一样聪明，甚至很多地方比人还聪明，终身学习，从善如流；一种是专用AI，它只会解决某一个特定领域的问题，例如AlphaGo、GPT3等等，这些AI其实距离通用AI还比较遥远，但是它们确实在某些领域比人类厉害得多。

对于很多人来说，当他们畅想AI未来应用的时候，脑中预置的往往是强AI；这样很多故事讲起来都非常简单，因为只要把日常故事的主人公换成一个不用吃喝不会累，但是和人一样聪明靠谱的AI，就是一个很好的AI故事。

例如，AI+医疗的故事，就是医生被AI替代了，AI可以给病人看病；AI+法律的故事，就是法官/律师被AI替代了，AI可以断案/辩护；AI+教育的故事，就是教师被AI替代了，AI可以教书育人…… 这类想法非常自然，但是它的问题是把AI当作了一个插件，可以直接替换人脑的位置，而其他业务逻辑不会发生更多改变。

打个比方，这有点像是飞机和鸟的故事。在莱特兄弟发明飞机之前，有无数人也尝试过飞行。有一类人做的事情是往身上插上翅膀，认为翅膀是飞行中最重要的插件，如果正确地使用，人类就能够和鸟类一样飞上天。这个想法不能说完全不可能，但是我猜可能需要非常强大的一对翅膀（新能源、新材料、新算法）才能实现，因为人体其他部件和鸟类身体可不太一样，直接插上去不容易。因此，人们采取了别的思路，不仅修改了翅膀，还针对翅膀之外的其他部件做了各种修改，最后得到的飞机飞得很好，但是和鸟类从结构原理到起飞降落方式都完全不同了。

这个故事给我什么启发呢？以医疗为例，我认为AI在医疗中的角色一定不是以插件的形式替换了医生的大脑，那样的AI做起来太难了。真正会发生的事情应该是AI会改变整个医疗体系，得到一个专门为AI或者AI辅助下的医生（而不是传统医生）服务的医疗系统，它很多地方都和传统的医疗系统不一样，这其中至少包括：

1. 数据格式与数据采集：从计算机的角度来看，患者可以被看作是一个数据库，包含了大量的信息，但是医生却只能通过有限的几类方法获取信息，包括询问、测量身高体重、超声、CT、X光、验血等等。这些数据是患者数据库的高维数据的低维带噪声投影，而我们的目标是根据这些数据得到患者身体状态的估计，并找到诊疗方案。这样的流程才是符合AI处理数据的方式。在这个过程中，数据的存储格式、采集方式至关重要，如果这两个方面做得不规范，可能对于人类医生来说问题不大，对于目前的AI算法来说就是很大的问题了。

2. 医患交互：医生与患者的交互使用的是自然语言，表达能力极强，但是也更难理解。我认为需要规范医患交互的方式，让他们使用更加规范的语言，这样得到的信息可以更加容易被AI理解。这个听起来可能比较抽象，但是其实有大量成功的例子。例如网购买东西。在现实中要买一个东西，询问价格的时候我们可以使用肢体加上自然语言，比如“老板，这个架子上的杯子多少钱一个？”——这样的自然语言是非常难以处理的。网购则不存在这个问题，每个货物都对应于一个网页，标记清楚。当你进入网页，选中某个商品，选了大小、颜色的分类之后，价格也随之清晰地显示出来。这个过程中不存在任何的交流出错的可能性，而且使用了非常简单的交互方式。外卖中使用地图定位、快递使用快递单号等等，也达到了类似的效果。医患交互涉及的信息当然要比之前这些应用复杂很多，但是我认为需要把这些信息也结构化成AI系统善于处理的格式，之后才能够被AI算法消化使用。

3. 治疗方案：对于AI系统，如果要真正实现个性化医疗，必要步骤就是治疗方案多样化个性化精细化。在这个过程中，治疗方案中的元素个数可以适量增多，每种元素的剂量可以更加多样。例如，一个药片，一般是一天是一片，或者根据体重，>100kg吃2片，<=100kg吃1片。但是AI系统应该可以用实数表示剂量，对于一个80kg的患者，可以吃0.8片。而且，可以对不同的治疗方案进行有效的组合，例如把某几种药物混合到一起作为类似于鸡尾酒疗法的治疗方案提供给患者。

4. 患者反馈：患者反馈其实是形成数据闭环的重要一步。没有患者反馈，无论是医生还是AI系统，都无法了解当前的治疗方案的有效程度。需要有很好的机制，从患者身上得到有用的服药之后的信息，才能够反过来不断提升智能算法的效果。

5. 医生评价：基于患者反馈得到的疗效，医生的评价可以做得更加客观精细。我们主要对医生的疗效进行评价，包括这个医生所有病例疗效如何，对某一种特定病例疗效如何等等。这样，对于患者来说，就可以对应该选哪个医生有更加精准的认识。

6. 挂号：挂号本质是一种患者与医生的匹配过程，目的是让患者选择最适合自己病情的医生。目前挂号往往针对于的是非常粗糙的分科，包括外科、内科、妇科、儿科等等。我认为正确的做法应该可以更加精细，根据患者的身体情况，自动找到几个对这种病有治疗经验、疗效较好的医生。

当然，这些只是整个AI医疗系统改进的一小部分。随着新的技术引入到医疗领域，我们可以做的事情会变得越来越多，最后得到的系统可能会和我们最初想象的很不一样。

目前，我们在做的就是搭建一个初步的AI医疗基础设施平台，为以上讨论的种种可能的变革提供平台化支持与解决方案。这本质是搭建一个大的AI医疗系统，我们在搭建过程中也遇到了各种各样的问题。这个系统的搭建可能是一个相对漫长的过程，需要2-3年才有一个比较令人满意的版本。我们已经初步完成了系统的框架，还在不断细化过程中。

更多相关内容敬请关注智源大会AI赋能生命健康与生物医药论坛

扫码加入「AI赋能生命健康与生物医药」论坛交流群，参与相关话题讨论