李開復：新冠大流行將加速醫(yī)療AI革新

本文作者 李開復博士，創(chuàng)新工場董事長兼首席執(zhí)行官，創(chuàng)新工場人工智能工程院院長。本文來自李開復在《WIRED連線》雜志的專欄文章。

2020年元旦前夜，一家位于加拿大多倫多市的人工智能（AI）企業(yè)BlueDot捕捉到一些異常：中國武漢市海鮮市場周邊出現(xiàn)多起罕見肺炎病例，BlueDot迅即反應，運用自然語言處理、機器學習等技術，結(jié)合大數(shù)據(jù)和定位追蹤，迅速向合作的政府部門和公共衛(wèi)生機構(gòu)客戶傳送警報并報告擴散狀況。BlueDot所監(jiān)測到的異狀，正是數(shù)月后撼動全球的新型冠狀病毒肺炎（Covid-19），這比世界衛(wèi)生組織首度公開警示新冠病毒的時間還要早上9天。

BlueDot的AI平臺示范了人工智能技術對重大疫情能起到早期預警的功用，過去幾個月里，AI在這場全球抗疫戰(zhàn)的許多方面發(fā)揮了獨特作用：從疫情預測到篩檢，從接觸警示到快速診斷，從前線無人配送到實驗室藥物研發(fā)，人工智能助力防疫派上了不少用場，為特定場景應用賦能。

隨著疫情在全球蔓延，AI技術的創(chuàng)新應用也在各地相繼落地。在韓國，基于地理位置的信息傳遞已經(jīng)成為控制病毒傳播的重要工具，當人們靠近確診病例時，就會收到基于位置的緊急信息提醒。在中國，阿里巴巴推出的AI算法能夠在20秒內(nèi)診斷出疑似病例（比人類檢測快了近60倍），準確率高達96%。無人配送車輛很快被投入到人類難以承受的場景，代替人類執(zhí)行高傳染風險的運輸任務。湖北、廣東等省份的多家醫(yī)院相繼使用機器人為病人或被隔離家庭運送食物、藥品和物資。而在美國加州，計算機科學家正在研發(fā)能遠程檢測獨居老人健康情況的系統(tǒng)，一旦老人出現(xiàn)身體異常癥狀，系統(tǒng)就會發(fā)出即時警報。

不過，目前人工智能在公共健康體系的應用仍顯零散也未成體系。坦率說，過去四個月內(nèi)，AI在抗疫之戰(zhàn)中的表現(xiàn)并不十分突出，我最多只能給它打分“B-”。新冠大流行暴露了我們的醫(yī)療系統(tǒng)的脆弱性：預警響應不充分、通報信息不精確、醫(yī)療物資分配不均、醫(yī)務人員超負疲憊、醫(yī)院病床緊繃、疫苗研發(fā)周期長等諸多痛點。當然，AI的零散表現(xiàn)也有客觀原因：醫(yī)療體系可說是現(xiàn)代社會各類運轉(zhuǎn)體系中最為復雜、陳舊不堪且難以變通的體系；且在新冠疫情襲來之前，我們并沒有真正意識到醫(yī)療體系問題的緊迫性，沒有提前采取相應的技術預防措施；最為關鍵的是，我們?nèi)鄙俳?gòu)AI解決方案所需的大數(shù)據(jù)。

把目光投向未來，我看到以下兩個AI賦能醫(yī)療的樂觀因素。

首先，作為AI燃料的醫(yī)療大數(shù)據(jù)已被激活。舉例來說，機器學習數(shù)據(jù)科學平臺Kaggle組建了新冠病毒開放研究數(shù)據(jù)集，名為CORD-19。它將相關數(shù)據(jù)進行匯編，并把最新研究集中收錄，匯總的格式可被機器讀取和解析，以便于AI進行機器學習。至今這個數(shù)據(jù)集收錄了12.8萬篇包含Covid-19、冠狀病毒、SARS（非典型肺炎）、MERS（中東呼吸綜合癥）等關聯(lián)術語的醫(yī)學專業(yè)學術文章。

其次，眼下全世界的醫(yī)學專家和計算機科學家都將精力集中在解決疫情問題。X大獎基金會創(chuàng)始人彼得·戴曼迪斯（Peter Diamandis）估計，全球現(xiàn)在有多達2億名的醫(yī)師、科學家、護士、技術專家和工程師投入防治冠狀病毒的相關研發(fā)中，他們正在進行數(shù)以萬計的實驗，并以“前所未有的透明度和速度”共享信息。

3月16日Kaggle發(fā)起“新冠病毒研究挑戰(zhàn)”，匯集與疫情相關的大量信息，包括病毒的自然歷史、傳播和診斷方法、以及從過往流行病學研究中汲取的經(jīng)驗教訓，幫助全球各地衛(wèi)生機構(gòu)及時掌握最新情況，以做出基于數(shù)據(jù)的分析決策。該項目發(fā)布后的五天內(nèi)被瀏覽超過50萬次，下載量逾1.8萬次。在國內(nèi)疫情爆發(fā)后不到一個月，阿里巴巴便推出了一種AI算法，該算法基于5000多個新冠肺炎確診病例進行訓練，并關聯(lián)到治療后續(xù)諸如肺部白色陰影縮小等的成效追蹤。隨后，阿里巴巴將其云端AI平臺向全球醫(yī)療專業(yè)人員開源，與合作伙伴聯(lián)手部署更大批量的匿名數(shù)據(jù)，推出包括疫情預測、CT影像分析、冠狀病毒基因組測序等模塊。

據(jù)估計，現(xiàn)今全球醫(yī)療數(shù)據(jù)的規(guī)模每隔幾個月就翻一倍。2019年一份覆蓋19個國家AI醫(yī)療市場的研究估計，AI醫(yī)療市場的年復合增長率為41.7%，從2018年的13億美元將增長至2025年的130億美元，主要分布在六大領域：醫(yī)院工作流程、可穿戴設備、醫(yī)學影像和診斷、診療計劃、虛擬助手、以及最重要的藥物研發(fā)，新冠疫情期間浮現(xiàn)的種種需求，將加速AI賦能醫(yī)療的場景落地。

在后疫情時代，我期待AI將加速融入醫(yī)療體系，賦能并推動醫(yī)療改革。其中深度學習（Deep Learning），即以一種高效方法運算海量、多維數(shù)據(jù)的能力，是AI結(jié)合醫(yī)療最為可期的機遇之一。深度神經(jīng)網(wǎng)絡（Deep Neural Networks）作為AI的一個子領域，已經(jīng)被用于醫(yī)學掃描、病理切片、眼科檢查甚至結(jié)腸鏡檢查，以得出準確而快速的算法判讀。十幾年后，不少國家和地區(qū)的醫(yī)療體驗在AI賦能的作用下將發(fā)生根本性改變。

AI賦能醫(yī)療，首先能簡化及優(yōu)化現(xiàn)有的醫(yī)療流程，例如醫(yī)院的作業(yè)流程，保險履約的繁復流程。將AI與RPA（Robotic Process Automation 機器人流程自動化）結(jié)合，可對某項工作流程進行智能拆解及優(yōu)化，進而大大提高醫(yī)療系統(tǒng)的運營效率，預約看診、保險理賠及其他流程性工作都會得到效率提升。AI還能加快早期診斷信息的收錄并實現(xiàn)自動化，AI技術所能處理的文本、語言、數(shù)字的體量，無論在數(shù)量上還是精度上都是機器級別，遠非人類所及。

有了充分的醫(yī)療大數(shù)據(jù)作為基礎，AI還能為每個人或者每個群體建立健康數(shù)據(jù)基準量表。當我們掌握個體健康數(shù)據(jù)，就可以根據(jù)跟蹤動態(tài)數(shù)據(jù)的波動變化，進行數(shù)據(jù)驅(qū)動的診斷，并對潛在大流行疾病的征兆進行早期追蹤研判。然而，再先進的技術系統(tǒng)要做到真正有效，勢必需要與既存的公共衛(wèi)生警示和匯報機制形成高效鏈接，此類信息斷層即是新冠疫情在早期爆發(fā)期間存在的具體缺失。

再上一個層次的AI賦能體現(xiàn)在助力新藥研發(fā)、基因組測序、干細胞、CRISPR（基因編輯）等醫(yī)學突破方面，AI模型和算法應用都有其用武之地。在制藥行業(yè)，研發(fā)一種新藥往往需要付出高昂的投入，某次成功前必有多次付諸流水的失敗試驗，也連帶消耗巨大的時間和金錢成本。現(xiàn)在，科學家們可使用AI機器學習來模擬上千個變量，測試它們的復合效應會對人類細胞反應產(chǎn)生何種影響，這類AI新藥研發(fā)的技術已被用于新冠病毒疫苗和其他療法。創(chuàng)新工場所投資總部位于香港的AI藥物研發(fā)公司Insilico Medicine是首批對新冠病毒快速響應的企業(yè)之一，這家公司利用生成式化學AI平臺設計出新藥物小分子，以復制主要病毒蛋白為靶標，早在2月5日便公布了這些小分子結(jié)構(gòu)。AI為新藥發(fā)明開辟了一個新時代，用人工智能技術來換取藥品研發(fā)周期的時間和成本，整個制藥行業(yè)勢將迎來翻天覆地的變革。

不久的將來，隨著醫(yī)療科學和計算機科學進一步融合，我們將進入一個全面自動化的AI時代，到時人們可以通過可穿戴設備、生物傳感器、智能家居檢測設備等來確保自身和家人的健康?？纱┐髟O備和其他物聯(lián)網(wǎng)設備的數(shù)據(jù)質(zhì)量和多樣性大幅提高，將能產(chǎn)生一個有效的良性循環(huán)。穿越到未來，下一場疫情在大范圍蔓延之前就應該能夠被跟蹤、追溯、攔截并消滅無蹤。

或許再過15年，許多人的家里都會有AI個人助理照料我們，幫著解決全家人的日常健康所需。機器人或者無人機會把我們的藥品送上門，如果需要進行手術或者外科治療，通常會由機器人操作，或由機器人輔助人類外科醫(yī)師完成。在未來，醫(yī)生和護士將把更多的精力放在機器無法勝任的任務上，醫(yī)療專業(yè)人員及富有同情心的護理人員，將同時具備護士、醫(yī)療技師、社會工作者、甚至心理咨詢師的技能。他們會使用經(jīng)AI強化的診斷工具和系統(tǒng)，但更多的時間會與患者溝通，安撫他們的傷痛，為他們提供情感扶持。在我的想象里，15年后的醫(yī)療健康場景可能是這個樣子的：

2035年一個冬季早晨，我醒來后就覺得有點兒喉嚨痛。我起身去洗手間，刷牙的時候，洗手間的鏡子通過紅外傳感器測量了我的體溫。刷完牙后一分鐘，我的私人AI醫(yī)師助理發(fā)出了警報，顯示我的唾液樣本部分指數(shù)異常，并在輕微低燒。AI醫(yī)師助理建議我在家進行指尖探針采血。我在泡咖啡時，醫(yī)師助理返回了分析結(jié)果，判斷我可能是得了這個季節(jié)正在流行的兩種流感其中一種。之后，我的AI醫(yī)師助理建議，如果我覺得有必要聯(lián)系家庭醫(yī)生的話，有兩個時間空檔可以跟她視頻通話。通話之前，家庭醫(yī)生已經(jīng)收到我所有癥狀的詳細信息。她給我開了一種減充血劑和撲熱息痛，一會兒無人機會把藥品送到家門口。

當然，凡涉及到病患醫(yī)療記錄，就得談談隱私和數(shù)據(jù)保護的關鍵問題。我認為，任憑有用的數(shù)據(jù)各自孤島式的存在，不善加利用，不從中提煉有價值的信息，不用以推動社會進步，是相當不負責任的做法。技術產(chǎn)生的問題應該由技術解決。隨著AI技術浪潮而出現(xiàn)的諸如數(shù)據(jù)保護等問題，應該由更為創(chuàng)新的技術方法來應對。

好消息是，近年聯(lián)邦學習（也被稱為分布式學習）已經(jīng)在數(shù)據(jù)保護上取得了顯著的進展?；诼?lián)邦學習技術，患者的數(shù)據(jù)將永遠不會離開所在的醫(yī)療機構(gòu)、醫(yī)院或個人設備服務器等原始存儲設備，機器學習模型將在獨立的數(shù)據(jù)集基礎上進行訓練處理，再進行后續(xù)整合。聯(lián)邦學習、同態(tài)加密，結(jié)合可信硬件執(zhí)行環(huán)境等技術，將進一步確保數(shù)據(jù)的計算、傳輸、存儲過程能夠適配不同的隱私偏好，以因應不同國家與文化對于隱私保護的需求差異。

這次新冠肺炎疫情還驗證了一個事實：整體人類命運是共同體，人們對未來運用AI等先進技術共度難關寄予一致的期盼。過去，國際合作曾消滅了全球延燒的天花，也幾乎根除了小兒麻痹癥。公共衛(wèi)生無國界，控制及消除流行病是個毋庸置疑的共同目標。在醫(yī)學領域，每個國家都能從他國的研究基礎上學習受益并攜手并進，全球化的數(shù)據(jù)科學，將進一步幫助人類獲取對健康和疾病最為深刻、最為全面的洞悉。

AI有潛力協(xié)助我們?yōu)橄乱淮渭膊〈罅餍凶龈浞值臏蕚洹＿@需要醫(yī)學專家、AI科學家、投資者和決策者傾力協(xié)作，也需要關注醫(yī)療保健領域的投資人為聰明的企業(yè)家和科學家注入新一波動能。

經(jīng)歷這次疫情，我們應清醒地意識到，要將人類醫(yī)療體系推往新的高度，著實需要傾盡全球之力。