9.3 AI+医生:更好的医疗未来
2014年,马云曾说:“今后阿里想干的就是健康、快乐两个产业。如何让人更加健康,如何让人更加快乐?不是建更多的医院,找更多的医生,更不是建更多的药厂,而是我们(投资)做对的话,30年以后应该是医生找不到工作了,医院越来越少了,药厂少了很多,这说明我们做对了。”那么,真的就像马云所说的那样,医生将会找不到工作了吗?其实并不是,在所有的医疗未来中,AI和医生联合起来,共同为医疗领域做贡献才是最好的,也是最具有吸引力的。
9.3.1 AI 迅速培养年轻医生
如果我们仔细分析“AI+医疗”“互联网+医疗”的提出背景,那么不难发现,它们包含着一个共同的医疗领域痛点——医生稀缺。Lancet杂志提供的数据显示,从2005年到2017年的10多年中,中国一共培养了将近500万名医学专业毕业生,但总的医生数量却仅增加了75万名,这也就表示,有超过400万名的医学人才已经流失。导致该结果的关键因素之一就是培养医生的过程既漫长又严格。在这样的过程当中,有的医生会被无情淘汰,有的医生则会因故放弃。由此可见,培养出一名合格的医生的确不是一件非常容易的事情。
然而,自从AI出现以后,这件事情似乎就可以交给AI来完成。下面以“未来医疗”为例对此进行详细说明。
按照国家相关标准,在进入医院以后,医生要接受严格的规培能力训练和专业的考试。只有这样,才可以成为一个名副其实的医生,并具有真正的处方权。为了打造出一个科学合理的规培系统,“未来医疗”特意结合国家的规培大纲、医学专业课程的特色、医院的具体要求等。
对此,“未来医疗”首席执行官靳超说道:“医生初到医院时,需要在各科室轮转学习记录所学的东西。然后每个科室学习完毕,要进行一个小考试,通过后再去下一个科室。这一过程,医院端需要在后台管理,但是这个任务量非常繁杂。我们将AI嵌入到规培系统后,系统就可以分析管理医生更多细微的情况,如帮助医生轮转排班之类的。另外,还可以详细了解到这个医生在哪些环节或者知识点有问题。如一些环节因为老师打分太松,而导致分数上是达标,但是实际上医生对这个知识并没有掌握。”
从目前的情况来看,“AI+医疗”的尝试主要集中在医疗影像方面,而“未来医疗”则从医生规培着手,正如靳超所说:“我们的目的是对医生的成长提供帮助。对于医生从业的机构,包括医院、医学院提供技术帮助,以助他们丰富专业知识。”
截至2018年5月,“未来医疗”还没有公开融资,但依然有保持营收的办法,其中最主要的就是,为医院提供一些考试软件等。
据了解,与大多数医疗科技公司相同,“未来医疗”也面临着某些棘手问题,靳超表示:“AI 医疗很大的挑战是两个专业性的结合,也就是需要既是大数据专家又是医学专家的复合型人才。”为此,“未来医疗”组建了一个实力超群的核心团队,里面的每一位成员都具有非常丰富的经验和资源,另外,在医学、大数据这两个方面,“未来医疗”也做了相应的努力,例如,聘请了许多医学专家,与一些科研机构合作等。
通过上述“未来医疗”的案例就可以知道,在进行医生规培的过程中,AI 可以发挥比较重要的作用,一方面,这有利于减少培养一名医生的时间;另一方面,这也有利于为医疗领域培养更多高质量的医生。可以说,“AI+医生规培”将会提升中国医生队伍的整体素质和工作能力,从而推动中国医疗事业的长远发展。
9.3.2 AI数据+专业医生经验:研发新药物通常来讲,研发一种新药物应该需要10年左右的时间,以及十亿元甚至上百亿元的资金,这也使药物价格有了很大的提升。
但是,将AI融入研发新药物的过程中,不仅可以降低整体成本,还可以对新药物的安全性进行自动检验。
首先,在筛选新药物的过程中,可以获得安全性比较高的几种备选新药物。具体来说,当出现很多种新药物都可以在一定程度上治愈某种疾病,但医生又很难对这些新药物的安全性进行判断的情况时,AI的搜索算法便可以为医生筛选出安全性比较高的那几种。
其次,对于那些还没有进入动物实验和人体试验阶段的新药物,同样也可以依靠AI来准确地检测其安全性。通过筛选及搜索既有药物的副作用,AI 可以控制进入动物实验和人体试验阶段的新药物种类,这样,不仅可以大大缩短研发新药物的时间,还可以降低研发新药物的成本,一举两得。
另外,值得一提的是,在依靠AI研发新药物方面,Atomwise是一个非常具有代表性的例子。
通过超级计算机对自身已有数据库进行深入分析,利用AI及复杂算法对新药品的研发过程进行精准模拟,借助一些前沿技术对新药物的研发风险进行早期评估,Atomwise 不仅让新药物的研发进程有了极大的加快,还让新药物的研发成本有了大幅度降低,有时甚至只需要数千美元即可。
Atomwise运行在IBM的蓝色基因超级计算机上,也正是因为这样,Atomwise 才具有非常强大的计算能力,也可以完成一些比较困难的任务。例如,2015年,埃博拉病毒突然肆虐,Atomwise用了一个星期左右的时间就找到了可以控制这种病毒的新药物,而且成本非常低,甚至没有超过1000美元。
除了研发新药物,Atomwise还可以提供一些别的服务,例如,为研究机构、创业公司、制药公司准确预测候选新药物的有效性。在合作方面,Atomwise与Merck公司、Autodesk公司达成了密切合作,同时还帮助生物科技公司、制药公司、相关研究机构完成药物挖掘工作。
当然,Atomwise 仅是个例,与之相类似的公司还有很多。正是因为有了这些公司,以及AI的出现和发展,研发新药物才得以变得比之前更加简单、高效、迅速,很多疾病也才得以成功治愈。
9.3.3 医生训练AI:培养AI新技能2018年5月24 日,人工智能医疗论坛暨沃森(Waston for Oncology)胃肠疾病人工智能医学中心启动仪式在中山大学附属第六医院正式举办。中山大学附属第六医院的医生团队将对沃森系统进行严格“训练”,主要目的就是调整并优化沃森系统的胃肠肿瘤治疗,争取将其变得更加本土化,从而为中国病患制订个性化的胃肠道肿瘤治疗方案。
沃森系统是由IBM公司制作并命名的,是以AI为基础的一套肿瘤辅助诊疗系统,可以通过计算机训练学习与算法,实现肿瘤治疗方案的制订和推荐。在当下这个AI医疗时代,沃森系统无疑是一个具有极强能力的超级计算机,其所积累的数据量和数据处理速度是别的系统难以比拟的,同时也是单个医生难以比拟的。
但必须承认的是,沃森系统并不会,或者不可以回答某些医学问题,而是只能在相关数据的基础上给出最接近,也最可能的多个答案,然后由医生挑选出最科学合理的那一个。所以,可以知道的是,沃森系统仅仅是帮助医生和护士更好更快地完成工作,而不是真的要取代他们。
另外,由于沃森系统中包含超级计算机的认知技术,因此在理解和分析肿瘤治疗的信息时,可以做到非常精准,从而更好地帮助医生确定治疗决策。
实际上,早在2013年,中山大学附属第六医院就成立了由胃肠外科领导的结直肠肿瘤和胃肿瘤MDT诊疗中心,此举的主要目的是,让每一位胃肠肿瘤病患在第一次就诊的时候就可以获得胃肠肿瘤专家的联合会诊,从而确定更加有效的治疗方案。
吴小剑是中山大学附属第六医院副院长、结直肠肛门外科五区主任,他曾说:“沃森(系统)的治疗水平,与胃肠肿瘤MDT团队的治疗水平相差很远,还不能达到真正的个性化治疗。”的确,沃森系统的诊断规范和治疗规范,几乎全部都来自国外。与国外病患相比,中国病患有很多不同,例如,治疗习惯、生活习惯、疾病特征、消费水平等。因此,来到中国以后,沃森系统就必须更好地适应中国病患的情况。
举一个比较简单的例子,在面对一个已经80多岁的肿瘤病患时,沃森系统会给出化疗的建议。但是,大多数80多岁的病患并不太愿意接受化疗。这时,医生就会对病患的具体情况进行评估,如果可以根治,就会立即为其安排手术。
吴小剑说:“我们不会改变它(沃森系统)的治疗原则,但会通过中国的病例,不断验证系统,并对它进行训练、调整优化,让它的治疗变得本土化,有实操性。”
同时他还表示:“中山大学附属第六医院胃肠肿瘤MDT团队将会利用沃森系统提供的循证医学证据,结合中国胃肠肿瘤规范化诊疗指南,以及多学科会诊团队的临床经验,针对中国胃肠肿瘤病患的特点,为病患提供更高效迅速、标准化、个性化的精准治疗方案。同时也为沃森系统提供更多中国特色的循证医学证据、顶级专家经验,从而更好地优化沃森系统在中国胃肠疾病临床诊疗的应用及推广。”
在工具、数据、解决方案的助力下,科技的确有利于医疗领域的革新。不过,病患需要的不仅仅是疾病的治愈,还有情感上的关注和医生的重视爱护,在这种情况下,医生就应该多对AI进行一些情感方面的训练,从而提升AI的情商。
本书评论