652
機器人
李彥宏：人工智能改變醫療的四個層次
點擊播放
GIF/312K
在烏鎮第三屆互聯網大會上，百度CEO李彥宏稱，“移動互聯網的時代已經結束了……互聯網的下一幕將是人工智能”，並表示，未來的每一個行業，都會因人工智能的到來發生巨大的改變。
具體到醫療領域，在今天的“互聯網+智慧醫療”分論壇上，他發表了主旨演講《智能醫療 奇點臨近》，進一步解釋了人工智能對醫療的變革。
李彥宏指出，人工智能和大數據在醫療上的發展分為四個層次：醫療O2O智能分診，人工智能參與的智能問診，基因分析和精準醫療，基於大數據的新藥研發。他認為，從分診到新藥研發，人工智能健康大數據奇點已經臨近。
具體來說，醫療O2O主要是將患者從線上引導到線下的診療場所。
對於智能問診，李彥宏表示，百度曾經和北大醫院合作，百度醫生的診斷和北大醫院的醫生的診斷80%是一樣的。而百度醫生還會考慮比較罕見的情況，這需要對病人的描述進行自然語言上的理解。
醫療健康領域，百度醫生是百度大腦在健康醫療領域的體現。9月底，百度推出了百度醫療大腦，用機器替代簡單病症問診，幫助醫生分析和整理患者數據。
關於基因分析和精準醫療，李彥宏表認為這是近年來計算機科學領域最興奮的方向，也是在IT領域之外，唯一符合摩爾定律的，很有可能會出現革命性的東西。李彥宏表示，目前用基因治病，最大的問題是大多數已知的基因導致的疾病都由單基因導致，屬於罕見病，而多數常見病可能是多基因導致的，了解疾病是由哪些基因共同作用導致的，需要大量計算。而通過人工智能對基因和精準醫療數據進行分析，利用基因編輯等技術會在常見病上有更多突破。
對於新藥研發，李彥宏期待，通過人工智能和大數據可以推進製藥變革。通過大數據和人工智能，可以讓數據的計算模擬藥品研發過程，降低研發成本，預測性藥品的效果。
李彥宏表示，期望能把幾十萬台服務器的運算能力和最先進的算法，運用到醫療和健康領域。
以下是演講全文：
大家早上好，我在昨天的大會發言中說在人工智能時代我們需要重新想象每個行業，今天我就試著站在互聯網的角度重新想象一下醫療行業。
今天的嘉賓主要來自兩個領域，一個是互聯網領域，一個是醫療健康領域。就像我在公司裏經常講的，兩個不同領域的人，需要像修橋一樣，從各自的一端往中間去修，如果大家目標一致的話，中間對上，這個橋就通了，如果是大家想象的不一樣，修到中間對不上，那就失敗了，所以我們盡量讓兩邊各自往對方的那一邊去靠。我們先從百度人工智能的角度來看一看，我們已經具備了哪些能力，然後再看看這些能力在醫療健康行業應該怎麼樣去應用。人工智能在百度的體現主要是通過百度大腦，百度大腦的主要功能有四項，一個是語音、語音的識別，今天的語音識別已經達到了97%的準確率，也就是說在安靜環境下它已經超越了正常人的聽力水平；圖像識別其實在醫療領域的應用大家也都很清楚，就像剛剛李斌主任講過的醫學影像，一個醫生一生當中隻能看幾萬個片子，但對於電腦來說，看幾十萬幾百萬的片子可能都算是很小的數據；用戶的畫像、自然語言的理解其實在智能問診這些領域都可以有非常多的應用。對於醫療行業來說，我們有一個對應的叫百度醫療大腦來提供相關的解決方案。
在我看來，或者從互聯網角度來看，互聯網+醫療基本上可以分為四個層次。我們認為，第一個層次是O2O的服務，怎樣通過線上把用戶引流到線下，並分發到那些適合處理用戶疾病的地方去。第二個是智能問診，剛才詹啟敏院士也提過，像是IBM Watson對於癌症的診療，計算機可能在很多時候也能夠超越人類醫生。百度在百度醫生方麵也做了一些嚐試。第三個層次我們覺得是基因分析和精準醫療，這方麵待會我也會詳細地講。第四個層次我覺得是新藥研發，這方麵現在在國內的關注度不是很夠，但我覺得這是大數據和人工智能真正能夠起到決定性作用的一個領域。
首先，我們看這個O2O服務，百度的百度醫生現在已經有50萬的醫生參與谘詢，累計有800萬人通過百度醫生平台來獲得相關的醫療服務。
第二個層次是智能問診，我剛才講到的是的Watson的這個例子，百度醫生我們最近推出的智能問診也做了一些測試，比如說，在北大國際醫院做過一個測試，在80%的情況下，百度醫生的診斷和北大國際醫院的醫生診斷是一致的，也就是說它的準確度有了非常快的提升。而且它可能在一些比較罕見的情況下表現更好，比如說同樣的症狀，有99.99%是某個疾病，但是可能有萬分之一，甚至十萬分之一的概率是另外一種罕見病，在這種情況下，作為一個電腦，它可以輔助醫生做一些相應的判斷。這些技術不僅僅需要對大量的醫療知識進行機器學習，也需要對病人表述的理解能力不斷地提升，實際上這就是自然語言理解的方向。
第三個層次是基因分析和精準醫療，其實這是這些年做計算機科學最覺得興奮的方向。因為在IT領域我們講摩爾定律，在IT領域以外唯一符合摩爾定律的就是基因測序的成本，所以我們覺得這方麵很有可能會不斷地出現一些革命性的東西。目前看，用基因來進行治病，最大的一個問題是大多數已知的基因導致的疾病都是單基因導致的，而這些病又大多是罕見病，而大多常見病我們猜測是多基因導致的。多個基因的共同作用導致的，所以怎樣能夠搞清楚一個病它是由哪些基因共同作用導致的，其實需要大量的計算。詹啟敏教授在協和時我們跟他有一個合作的項目，就是對中國的食管癌病人進行基因測序，試圖找到是哪些基因的共同作用能夠導致癌症的發生，一旦我們搞清楚這些，未來像基因編輯等這些治療方法就可以用在更多常見病上，目前基因編輯應用的一些都是罕見病，比如美國spark Therapeutics它能對一種導致人視力下降、失明的病毒造成的罕見病進行治療，但是這些病都太罕見了。大多數的病我們需要搞清楚是需要哪些基因共同導致的，而這裏就需要大量的計算。在我跟醫療行業的人進行交流的時候，在我們看來很深奧的醫學知識，在他們看來其實很簡單，反之亦然，在我們看來很簡單的計算，在他們看來這就是大數據、人工智能，有點難，所以我們很希望真正把幾十萬台服務器的計算能力、深度學習的最先進的算法能夠應用到醫療和健康領域。
第四個層次是新藥研發，今天已知的有可能能夠形成藥的小分子化合物大概是10的33次方這麼多，這大概就是全宇宙所有的原子加起來都沒有這麼多。這樣的一個量，怎樣用它的分子式跟產生疾病的蛋白去合在一起，用來治病？未知的那些分子式怎樣進行大量的篩選，找到有效的新藥？這也需要極其強大的計算能力和最先進的算法，這方麵美國的有些創業公司，比如atomwise已經在做這個事情，我們也是覺得計算機科學、人工智能能夠在這方麵有所幫助。
正如我在開頭講的，很希望兩方麵的人共同努力，我們用我們大數據的能力、用自己無窮無盡的計算能力，而醫療健康領域希望能夠收集越來越多的數據、提出至少是計算領域越來越難的問題，我們共同造福數億患者。
謝謝大家！
最後更新：2017-10-24 19:55:47