1
雷鋒網按：本文作者為利茲大學數據分析研究所負責人Owen A Johnson，來源World Economic Forum，由雷鋒網獨家編譯，未經許可拒絕轉載！
近日，東京大學醫學研究院利用 IBM的人工智能Watson判斷一位女性患有罕見的白血病，而這只用了10分鐘的時間。患者為一名60歲的女性，在四處尋醫無果之后，她嘗試了Watson。Watson最初根據診斷結果，顯示她患了急髓白血病，并向東京大學醫科學研究所提出了適當的治療方案，為這名女性的康復做出了貢獻。
這次的成功診斷，顯示了人工智能在醫療方面的無限潛力，也顯示了IBM的Watson系統的巨大實力。不過，在人工智能領域，Watson系統已經大名鼎鼎了，而它的第一次“成名”，還是因為在2011年2月，Watson在智力節目《危險邊緣》上打敗了人類對手，用自然語言實現深度問答，展示了其強大的學習能力。而Watson在醫療機構的合作，同樣也幫助醫學研究人員在認知計算應用上不斷推進。
同時， IBM前一代的AI系統Deep Blue在1996年打敗了當時的象棋冠軍Garry Kasparov，成為世界上第一個能夠打敗世界冠軍的AI系統。從打敗世界冠軍到拯救生命，AI花了20年時間，而這20年對于AI來說，是一段艱苦的歲月。
人工智能、機器學習、大數據在醫療方面的運用一直飽受爭議。一方面，大數據等可以帶來醫療上的突破，諸如FitBit等可穿戴設備為人們的健康保駕護航，一些人對這些技術的醫療應用熱情不減；另一方面，質疑之聲也四下飛起，人們對于機器人缺乏信任，對其可能帶來的隱私侵犯嗤之以鼻，人們對于醫療機器人的顧慮和懷疑還是太多太多。
事實上，你也許會很驚訝，世界上的第一個醫療支持計算機系統在1972年就出現了，它由英國Tim De Dombal和Susan Clamp兩位杰出的科學家發明。
這個醫療AI的鼻祖叫做AAPhelp，運用了Bayesian算法，診斷出了病人的腹痛之源。在1974年，De Dombal的團隊已經將此系統調教得比高級醫師的技能更高，它的在此方面的醫術已經可以和最高級的醫療咨詢師媲美。
而令人悲傷的是，40年過去了，AAPhelp仍然沒有得到常規使用。
現在，要想讓AI拯救生命，首先需要克服很多障礙。AI顛覆著人們對于醫療的價值觀：機器可以比專業醫師的醫術更加精湛、病人在治療之前需要經過復雜的算法運用等等。因此，醫療方面的實用科技創新通常要花上幾十年。
然而幾十年過去了，AAPHelp和IBM的Watson取得了巨大成就，讓世人明白：計算機也可以拯救生命。醫療方面大數據的使用暗示著：病人記錄、醫療數據、個人資料細節都可以被研究人員使用，來訓練AI作出診斷。但是，人們對于自己個人數據的使用非常敏感，同時人們也希望政府和相關機構能夠出臺相關法律法規，為機器人在此方面的應用劃出明確的標準。這也造成了醫療機器人發展的阻礙。
東京系統與軟件開發研究所Watson Health Cloud的軟件工程師林雪婷表示，目前醫療方面的項目難點其實比較統一：
首先，你要有可以對照的數據，在Watson拯救生命的項目里是和紐約基因中心進行合作；
其次，數據使用時，第三方只能根據HIPPA協議使用個人數據的統計信息；
再者，可能就是怎么把數據導出來作為這個研究的樣本了，這個也很麻煩，因為基因數據很大。
因此，現在醫療機器人面臨的最大阻礙并不是算法，而是人們的耐心和信賴。最近，在利茲大學的數據分析研究所，我們使用了IBM的Watson分析軟件，來分析英國的5000萬病理和放射學報告。出于此事的敏感性，我們將IBM的Watson帶到研究中心，而不是直接將數據傳輸給IBM。
我們使用自然語言程序來處理數據，讓腦轉移瘤、HER陽性乳腺癌和腎盂積水等數據的精確度超過了90%。在接下來的兩年中，我們將繼續開發此項技術，爭取讓AI的醫療應用成為常規的醫療手段。
我們深知此事的不易，雖然我們已經收到了120萬英鎊的投資，但是我們現在尚未拯救一條生命。而要實現拯救世人的高尚愿望，我們需要攻克下大眾的態度和思維這塊硬骨頭，讓人們開始接受、慢慢信賴醫療機器人。而要贏得大眾的心，我們面前依然道阻且長。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
