读一张医学影像片子只需几十秒，而且还不会因为情绪、疲劳出错，这效率比一般医生高出很多倍。随着人工智能越来越发达，能够深度学习的机器会在未来威胁到医生的“饭碗”吗？
在日前举行的金桥产业技术创新论坛上，这个问题引起了诸多医生的关注。浙江大学医学院教授、上海产业技术研究院特聘教授钱大宏认为，临床问题十分复杂，目前人工智能还无法进入医生的工作流程，但随着深度学习的发展，医生也需要向机器学习“思路”。
“深度学习”过程就像培养一名医生
其实，早在上世纪80年代，人们就开始尝试用人工神经网络来解决现实问题。“当时，这种尝试还在模仿单个神经元或浅层神经网络上，与真正的智能相距还很远。”钱大宏说，由于这种“粗糙”，它很难在临床上真正发挥作用。
然而近一年来，人工智能，尤其是深度学习，在医学辅助诊断上的应用被炒得很火，因为现在的人工智能已经进入了更高级的阶段。“机器学习在本轮人工智能热潮中受到高度关注，在东亚的关注度尤其高。”上海交大生物医学工程学院特别研究员王乾介绍，根据医学图像计算和计算机辅助干预协会统计，2016年，有超过70%的医学图像研究工作使用了机器学习的方法。
病人手术后可以活多久？脑胶质瘤患者的生存期可以预测吗？深度学习已开始超越简单的人类经验重复，开始有自己的“见地”。钱大宏介绍，这个过程与培养一名医生的过程很接近。当机器在学习了一大堆医学影像资料之后，可能会从新的影像中发现一些人类医生难以发现的问题，“它们对于图像的记忆、精细对比，这种能力是人类医生难以企及的。”这时，我们就可能要向机器学习思维过程，去了解它们是如何得出结论的。
临床问题很复杂，需要不断研究新算法
如果有更高级的人工智能软件诞生，在很大程度上可以造福很多医疗水平不高的地区，在罕见病领域也会很有市场。因为医生对于疾病的诊断，很重要的一点是依靠经验。“医生是难以复制的，但如果医生的经验可以通过人工智能软件加以复制，而这种复制还可以产生新的判断，这将可能使更多人享受到更高水平的诊疗。”钱大宏说，直到目前为止，这还是一种理想状态。
目前，人工智能在医学辅助诊断的应用，真正用到临床的几乎没有。上海产业技术研究院生物医学转化中心主任黄薇认为，主要原因之一是人工智能系统在复杂的临床应用中，不能保持其测试数据集上的高准确率，其次则是临床医学数据的收集和预处理不够完善，并且没有考虑到医生的工作流程。
在这次复旦大学附属肿瘤医院和上海产业技术研究院合作召开的金桥产业技术创新会议上，不少专家就提到如何针对促进临床医学与人工智能的紧密结合，展开科研和产业的合作，选择几个合适采用人工智能的方向切入，目标是做成真正对临床有意义的人工智能系统。
就在上个月，上海交大和上海联影医疗科技有限公司签约共建了“医学影像先进技术研究院”。该院院长杜一平介绍，校企将一共投入2.5亿元，旨在建设国际领先的前沿技术原创地，引领我国医学影像技术的创新研究和技术转化。
“希望再过三五年，逐步建立起针对中国人群的自主标准的结构化医学图像大数据库。用新的方法学，使某种疾病的垂直智能诊断模块实用化。”钱大宏对人工智能的未来充满信心。
