A
只用半年时间就熟读了
100万份优质甲等病历
即便是拥有超强处理器做后备的人工智能，它的早期学习阶段也是非常痛苦的。人类的语言可以很轻松的理解，一个孩子是不是发热、肚子痛。但AI阅读时，就得调动很大的内存，去运算这几个简单汉字所能表达的真实意义。不仅需要理解，还得意会出这些字透露的衍生意义。“咪姆熊刚刚满月的时候，她的主要工作就是学习语义理解，和同近义词判断”，梁会营博士表示。比如医学上所说的小细胞肺癌、肺小细胞癌、肺部……小细胞癌这些医学同义词之间的区别，一个非胸外科、呼吸内科的医生都可能搞混的知识点，也能将咪姆熊整得团团转。
但AI的一个巨大优势，就是学习能力超群，而且速度极快。在能够将医生的病案表述转化成自己的语言理解和消化吸收后，咪姆熊只用了半年的时间就熟读了100万份优质甲等病历，30多份全国、全球性的治疗指南和共识。最了不起的是，她还学会了150万篇儿科发热相关学术论文，知识已然渊博得很。“在她半岁的时候，已经对15种发热相关疾病滚瓜乱熟了。”而到了现在，咪姆熊医生一岁的时候，熟悉和掌握的儿童发热疾病已经达到32种，而且已然能够根据孩子的不够完整的症状、信息，给出最佳的疾病诊断模型，俨然成为一个驾轻就熟的郎中了。
“在人工智能研发领域，我们通常会认定一点，那就是给人工智能学什么，他就会变成什么。如果给他学习的是优质病历，他会快速地成长为一个成熟医生。但如果给了他一条不好的内容，则有可能将其培训成一个庸医。”梁会营表示，通俗点说，就是一条错误的信息，可能需要十条、百条的正确信息来纠正。正是基于这一点，从现有的门诊病历中遴选优质病历供咪姆熊学习，其实就是给人工智能喂食最为精细的粮食。一年来，不断的学习中，“咪姆熊医生”已经吸收了180万份优质病历样本。
B
以计算机软件形式
和医生一起“出诊”
除了学习病历，咪姆熊医生也是会出诊的。只是以一种计算机软件的形式，存在于医生的工作电脑中。高年资、有经验的医生出诊时，往往会快速地形成一张门诊病历，书写好病童的症状、检查结果，而这些东西在输入电脑的同时，AI“咪姆熊医生”就开始转换成自己的语言加以演算了。“头痛、咳嗽、流涕，伴呕吐”，出诊医生寥寥九个字，咪姆熊将其转换成两三页的是非判断题后，很快得出一个孩子患病的概率。
虽然AI的工作量很大，但速度还是很快的。出诊的专家在输入后只要点击一下请咪姆熊诊断，小家伙立即就能在电脑界面上形成一系列的结论。73%的概率是急性支气管炎、13%的概率是急性上呼吸道感染、4%的概率是急性鼻咽炎、3%的概率是急性扁桃体炎。结论如果和出诊专家的判断一致，专家可以点取同意结果，这时咪姆熊医生的界面便会有一个洋洋自得的表情在闪烁；而如果专家反对咪姆熊的判断，界面会立即有一个心碎的表情闪烁，而且咪姆熊也会立即重点学习这一病案，去自己的资料库中调取错误的原因，丰富自己的知识库。
最为难得的一点是，这台小AI是能够根据孩子的病情去发现一些高危因素的。比如一个小朋友的症状，主诉怀疑有极小概率是急性咽炎，咪姆熊医生也能演算出概率，同时用标红的字体提醒医生需及时排查急性咽炎，否则这一疾病可能因不及时治疗而引起窒息并危及生命。通过自己的不断学习，以及高年资专家的不断带教，咪姆熊医生目前的诊疗能力是在32种发热相关性疾病中，有24种已经能够做到90%左右的准确率。当然，由于咪姆熊的资料库中，是百万计的既有病例。发生的新病例是根据疾病的要点、相同点，去资料库中找出相同的病历做参考。与其说咪姆熊是诊断出了患儿的疾病，不如说她是“算”出了患儿的病种。
C
未来可以通过智能终端
进行问诊并得到诊疗建议
一年的训练，咪姆熊医生已经可说是日臻完善的地步了。在5日下午与8名副高以上专家PK中，咪姆熊医生已经表现出了非常精纯的熟悉度。在诸如泌尿系统感染、急性腮腺炎、呼吸道异物、结膜炎、过敏性紫癜五种疾病的判断上甚至能够达到和高年资医生一样的准确率。当然，其在急性支气管炎、口腔炎等方面，诊断成功率还是偏低，仍需进步。
“我们的下一步目标，是让咪姆熊能够熟练地再掌握41种新增的呼吸内科疾病。这就基本上能解决97%的发热疾病了。”梁会营表示，熟练掌握了所有和发热相关的疾病后，咪姆熊医生发热版这个熊大医生也就成熟了。除了研读发热的咪姆熊熊大，梁会营等开发团队也在陆续研发熊二、熊三医生，分别能够帮助医生分析儿童B超检查报告，能够提供精准的儿童患者营养支持。
此外，针对患儿家长的家用型咪姆熊医生也在开发、研究当中。“这个版本的咪姆熊医生面世后，家长们可以通过手机、iPad这些智能终端，点击屏幕上的额头、四肢、躯干就能进行问诊和疾病的早期判断，并得到专业的诊疗建议。”“准确率肯定比家长们漫无目的地上网去搜要高”，梁会营表示。
揭秘
机器人医生
如何上课学习？
在梁会营等开发团队成员眼中，人工智能医生咪姆熊更像是掌握了摄魂大法、吸星大法的武林高手，能通过对现有优秀病历的研读、好的医生带教，来实现优质医疗资源的重塑和复制。梁会营表示，目前咪姆熊学习的一大特点是相对被动。暂时只能在医院内部网络上运行，开发团队给她什么东西学，她就学什么东西。“这样做主要是让咪姆熊能够仔细研读医院内部的成功病历。这样也能保证她学习的每一条信息都正确，不至于将来影响其诊断。”
此外，由于目前的病历、病案往往处于一个个的信息孤岛中，医院和医院之间并不联通，咪姆熊即便上了外网，也搜不到准确的好的信息。这就好比一个起步阶段的学生，不能让她沉迷网络。将来外部信息优化了，咪姆熊医生的诊断能力稳定、可靠了，开发团队也能让她通过关键词搜索去网上、云上主动学习。
美国IBM公司开发的肿瘤机器人WATSON，已经取得了美国的行医执照。咪姆熊目前在儿科领域的技能，集中于32种疾病。“让她去考中国的职业医师考试，她肯定是通不过的，但我们的咪姆熊医生和WATSON有着本质的区别。美国的人工智能是一个诊断后的治疗方案的提供者，能根据肿瘤的种类、分型给出不同的诊疗方案。而我们的咪姆熊，是直接给诊断。”
