大家不要慌！阿尔法狗是来帮助医疗的
2016/3/11 医学界
实际上，我们自己的脑神经元结构功能，真的比宇宙更复杂……
文：熊坨坨
来源：“医学界”微信号
谷歌的人工智能阿尔法狗战胜了围棋冠军李世石，有些人很方：“这可是围棋啊!比宇宙还要复杂的东西!居然让它赢了!我们是不是要被取代了啊!”
怎么会呢？其实阿尔法狗，或者说Deep Mind做出的进步，是对医学(和其他科技)领域的贡献啊。
对医学神经学的帮助
比宇宙还复杂不是特别稀罕的事情，记不记得《生活大爆炸》中艾米在嘴炮大战谢耳朵关于神经学和物理学谁更强的时候说过：“Babinski eats Dirac for breakfast and defecates Clarke-Maxwell.(神经学家巴宾斯基把狄拉克当早餐吃，然后排泄出克拉克麦克斯韦)”
这一战，嘴炮王谢耳朵完败。
虽然看着像个段子，但实际上，我们自己的脑神经元结构功能，真的比宇宙更复杂……
其实，长期以来计算机AI都是仿生学产品，它所模仿的对象，正是人类的大脑。大家都知道，人的神经系统是由神经元这种基本单位构成的，上世纪50年代就诞生了“神经网络”这一模仿脑神经系统机制制作出的机器“神经元”。但是由于技术条件和当时医学生物方面对人的神经系统和神经功能的理解还受到限制，一开始的模仿非常简单，只是单层的几百或者几千个神经元，功能十分有限。现在，它已经发展出了10亿单位级的神经元，并且构成了多重网络层级，每隔层级的抽象程度不同。许多围棋选手说围棋之所以复杂，是由于有时候我们下棋依靠“直觉”。大家都知道，直觉这种东西，妙不可言，无法准确解释。而目前，这种多层计算机神经网络的铺设，已经可以模仿出“直觉”这种神秘的现象。
如果你觉得10亿单位级神经元很多，那可以看看我们的大脑，我们拥有的是1000亿单位级的神经元。这个世纪以来，医学家和神经学家对大脑的学习和认知早就已经从宏观的解剖角度转向了更微观的分支，而这其中，离不开计算机科学的发展。小编曾经看过一份世界排名前10的脑神经学PHD课程内容，在那份5年的课程中，头两年的大部分课程都是与计算机科学密切相关的。2013年，欧美同时开启了“绘制大脑地图”的计划，企图攻克脑功能到底如何运转这一业界谜题，这个计划的前期投资就得以10亿美元为单位，而后效还不知道何时可见……去年，这项计划的研究组被投资方问责，原因就是“把几乎所有经费花在购买各种计算机上，而没让人看到和神经有关的研究成果”。
(2013年刊登在《Nature》上的项目介绍)
比较遗憾的是，虽然耗资巨大，目前医学科学对大脑神经网络的功能认知还处在一个比较……呃……瓶颈的阶段。《Science》近两年刊文称，尽管大脑神经元之间的线性关系有多次的描述，但是神经元分支的工作机制还有大量需要去搞清的领域。而生产阿尔法狗的DeepMind工作室，其实提供过另一种研究视角——与其用机器去研究大脑，不如用大脑去研究机器(相关文章发表在《Nature》上)。实际上，这个工作室中已经有不少神经学家加入了，有研究者认为，由于目前AI可以初步的模仿大脑神经网络，可以通过训练AI，观察AI的运作方式，来倒推人脑神经元的工作机制。
(计算机科学家通过游戏来训练人工智能，而神经学家通过研究人工智能在训练中的表现来理解人类的大脑)
也许看到这里，还是有人觉得很方：你这不是正好在证明AI像人脑，要取代人类了吗？
不要这样嘛。其实，人脑有许多干起来特别简单，但是其机制复杂到难以破解的功能。比如说，人脸识别。当看到自己的脸或者熟悉的脸，辨识出来对我们来说几乎有如本能一般。但是这对计算机来说却特别特别困难——因为没有具体的辨别规则，其参数的复杂性并不比围棋更低。2014年，阿尔法狗的制造者DeepMind开发出了一个通过四层神经网络来识别人脸的软件，成功率大致在96%。这件事的意义可不比阿尔法狗战胜李世石更差，那时候，你们肿么不方呢？
(2014年刊载在《Nature》上的人脸识别流程示意图)
顺带一提，已经有神经学家观察到阿尔法狗存在学习的“顶点”，即，到了某个程度之后，学的越多它不会变得越好而是开始变差。DeepMind的开发者也提到过这个问题并在寻找解决方案。从这个角度来说，人类大脑的学习功能还是完胜它的。
Deep Mind目前对临床医学的帮助
既然都说到这个份上了，那咱们来说点更让人发方的话题吧。说到模仿人类的脑神经网络，那自然是包括人类当中医生的神经网络啦。而且，进军医疗界本来也是他们的主攻方向之一。
之前在谈及Deep Mind进军医疗的时候，小编的医生师兄师姐们也比较方：
“诊断就是决策啊，决策都被它做了，以后我们只好当蓝领了。
”
“它会不会告诉我，小李，你去做个胸穿。然后(有几十年工龄的)我就只好乖乖去做了……
”
真的会这样吗？眼见为实，我们不妨来看看工作室到底怎么做的。
今年2月底，DeepMind宣布他们成立了DeepMind Health分支，这个小组目前只有15名成员，但是已经试着做出了两款APP产品。如下：
这款由Royal Free Hospital London的肾脏病专家参与设计的APP能实时体现患者的状况，用来帮助医护侦测急性肾损伤案例。内部界面大致上长下面这样子——
这是一款帮助医护进行信息管理的APP，设计者考虑到传统的信息管理和沟通方式(包括用传真和寻呼机)已经束缚了医护的手脚，以智能手机的普及程度，在手机上管理和沟通信息似乎更理想。这款APP耗费了研究者5年的时间来确定如何用电子化的方式来定义、优化和配置院内核心事务。在针对St Mary’s Hospital的试验中，研究者们发现用这款APP的临床医生的工作效率比用呼机的高37%(不要问我为什么有人还在用呼机)。而刊登在《外科学》杂志上的研究表示50%的导致患者情况恶化的治疗延误都是因为信息沟通不畅。
它的界面长这样——
如何，看了他们的医疗产品，是多方了一点还是少方了一点？至少从DeepMind发言人的观点来说，他们做的医疗产品是以帮助医生和护士为核心，减轻繁琐让人分心的杂事，让他们专心治病救人的，而不是取代医护。
注：此文中“方”=“慌”
参考文献
Nature499, 272–274(18 July 2013).doi:10.1038/499272a
Nature505,146–148(09 January 2014).doi:10.1038/505146a
Nature505,146–148(09 January 2014).doi:10.1038/505146a
doi:10.1126/science.1251852
https://deepmind.com/health
“机器学习”——被阿尔法狗掀起盖头来。《经济学人》。2016-03-10
(本文为“医学界”原创文章，转载需经授权并标明出处)
想分享行医故事，诉说行医感悟？快投稿到yxjtougao@126.com吧~(小编微信号：13524393306)
▼过往的君子给我赞~
http://www.duyihua.cn
返回 医学界 返回首页 返回百拇医药