大数据系统化进程分析

乔尔·杜德利（Joel Dudley）对未来医疗的形态充满憧憬。作为美国西奈山伊坎医学研究所所长，他致力于数字健康和人工智能领域，曾通过大数据分析出阿尔茨海默病的可能病因是疱疹病毒。他还在西奈山医学院创立了下一代医疗研究所，并于今年担任西奈山卫生系统精准医疗执行副总裁。

在他的未来健康体系蓝图中，数字医疗占据了相当大的板块。在高度信息化的当代社会，数字医疗综合了计算机技术、人工智能，不仅精准服务个人，还为公共卫生管理创造了巨大利好。无疑，数字医疗将成为未来医疗生态中不可或缺的一环。

在“2018腾讯WE大会”之前，我们有幸对话了杜德利教授，并和他一同探讨数字医疗的现状和前景。在聊到中国是否会引领数字医疗时，他认为答案是肯定的，因为中国的环境有利于数字医疗的创新。事实上，我们已经能在国内看到一些创新了，例如结合人工智能和医学的“腾讯觅影” ，就在尝试帮助医生分担观察切片在内的一系列工作。

当然，数字医疗在未来不仅仅是一种医疗辅助手段。在杜德利的畅想中，数字医疗还包括新型的智能诊所，它们将独立于中心化的传统医院和诊所，未来甚至可能出现在每家每户中。

果壳：首先，我们想请教一个关于数字医疗的伦理问题。AI是数字医疗的重要组成部分，如果它在临床诊断中，为病人开了错误的药，那谁该承担责任呢？

杜德利：好吧，这确实是个值得思考的问题。实际上，目前数字医疗中的AI不会直接面对患者。它只能提供建议，医生对此有选择的权力。如果开错了药，那么AI就是横在患者和医生之间的障碍。因此，很难说谁该负责。而且并不是只有AI犯错，医学里还有其他容易出错的地方。比如，为了预防乳腺癌的乳房造影术。临床推荐每次执行都要隔一段时间。然而，随着时间的流逝，人们发现这种筛查太频繁，而且花费也不少。同样的例子还有前列腺癌筛查。所以这个问题的确很难回答。好在美国食品药品监督管理局（FDA）已经开始制定一系列的法规解决这类问题。

我们对很多药物的作用原理都不是很清楚。和AI一样，药物也处于一个黑箱中。但两者的不同之处在于，药物获得新信息时并不会改变自己，而AI可以。所以一个想法是，算法开发者应该确保AI的内部运作不会改变太多，来防止这种情形发生。

果壳：您认为如何降低数字医疗的成本呢？

杜德利：总的来说，数字医疗最好的一点就是其成本低于药物。因为它不必涉及化学物质的生产。而且，药物需要考虑供应链带来的成本，因此APP要比药物更便宜。此外，我们缺乏临床证据表明数字医疗能起作用，而相关临床试验的花费是很大的。所以，我们需要在这方面加大投资。不过一旦投资得到回报，数字医疗应该会比药物便宜。

果壳：您觉得如何在发展中国家或地区建立数字医疗体系？

杜德利：某种意义上，在这些地区建立数字医疗体系更容易些。可以用短语“跨越”（leap-frogging）来解释。举个例子，中国的支付系统比美国好，原因恰恰是因为中国曾经没有支付系统。所以，中国需要跨越到新的支付系统——和过去几十年发展起来的旧系统一样完善，并抛开旧系统的负担。一些欧洲国家的支付系统比美国还糟。比如德国，那里只接受现金，抗拒任何数字支付手段。所以同样的道理，如果一个地方没有像样的医疗设施，恰好给了数字医疗设施建立的契机。

果壳：如果未来某一天，数字医疗的成本变得极低，那它会取代人类医生吗？

杜德利：更有可能是辅助医生。随着越来越多的信息进入医疗保健领域，医生们如何整合信息成为难题。很长一段时间内，数字医疗都会是医生的辅助工具，帮助他们接触更多病人，并改善患者的就医体验。至少目前，美国的医生们都忙着在电脑前录入数据，和患者沟通的时间不多。在我看来，人类总还是喜欢沟通的。但这不意味着人们也喜欢和聊天机器人对话。当聊天机器人更先进时，它们可能会接管医生的一些工作。

果壳：所以在未来数字医疗会成为简便的医疗助手？

杜德利：有可能，它会使医疗所需要的教育和经验的积累越来越低。打个比方，在上世纪七十年代，你的电脑坏了，想修好它得读个计算机科学或者电气工程师的博士学位。但今天，随便一家百思买电脑城或者电子产品店，甚至一些高中生都能修好。因为他们有了强有力的工具。同样的事或许也会发生在医疗领域，你可能不再需要内科医生和护士了。

果壳：那数字医疗在今天取得了哪些突破性的进展呢？

杜德利：我想大概是心血管疾病领域。可穿戴设备之类的数码工具能够远程监控心脏功能。例如，最新的Apple Watch就有ECG传感器。假设苹果有人试图通过手表获得你的血压数据，这是很难实现，因为他们只能在手腕上做文章。不过，我依然认为血压和心脏病是数字医疗最容易取得成果的地方。×××领域也是，虽然在这方面有所进展更难一些。此外，别忘了精神健康领域。一些研究表明，有些APP确实能减少抑郁等。对经济状况和个人福祉来说，精神疾病属实是个沉重的负担。

果壳：您认为中国会在数字医疗领域成为领先国家吗？

杜德利：我觉得中国很有把握成为领头者。原因并不是有人所说的不注重隐私带来的数据共享，而是中国的环境更适合某些创新。比如说，中国人比美国人更习惯体检。在美国，人们只有生病才去看医生，因此错失在发病前干预的机会。

果壳：在医学研究领域，AI如何取代研究人员？

杜德利：在AI方面，有许多激动人心的进展，比如深度学习。不过这种神经网络不是最近才有的，我们能够实现的神经网络规模取决于加速算法的GPU等。而一些算法在强化学习方面取得了进步。再有就是生成对抗网络，算法能模拟出以假乱真的图片。这意味着，算法不仅能从现有的海量数据中学习，还能从这些数据中模拟未来的情况。

接着加上强化学习的部分。最早出现在大众媒体上的强化学习，据我回忆应该是谷歌的一个算法——机器自学如何快速过关《超级马里奥兄弟》。机器先读取屏幕，然后随机按下按钮，如果马里奥走对了，或者说游戏得分上涨，机器学习就会得到正确操作的强化。而有的随机操作没有让得分上升的话，神经网络就会选择别的方法。

不断的尝试，不断的犯错，算法能靠自己学会玩《超级马里奥兄弟》。AlphaGo也是同样的道理，只不过难度有所提升。可见强化学习的力量有多大。因为它不需要人教它规则，自己就能学会怎么做。在生物医学研究领域，它同样会发挥巨大作用。这是研究者们的巨大机会。

事实上，目前已经有一些美国的公司在做这些事了，比如斯坦福大学人工智能专家、在线教育平台Coursera联合创始人达芙妮·库勒（Daphne Koller）创办的公司。她致力于研究与高通量方法结合的机器人学，使AI能直接和机器人连接。

西奈山医院的Lab100智能诊所。图片来源：Cactus

果壳：您对数字医疗的展望？

杜德利：我的兴趣在于，我们如何打造全新的医疗保健体系，打造一个去中心化的体系。现在的医疗保健都还围绕着医院和诊所。我们设计了一个电话亭原型机，能实现健康检查功能，比如测量血压什么的。我认为健身房、药店甚至家中都能安装这样的智能诊所。打造全新的医疗保健网络，便是我的兴趣所在。

郑州不孕不育医院×××:http://jbk.39.net/yiyuanzaixian/zztjyy/