詳談IBM的醫(yī)療AI為何失敗

最近，看到一篇關(guān)于醫(yī)療AI的文章《IBM醫(yī)療AI宣告失敗，率先入局卻踏步不前》。1997年IBM深藍戰(zhàn)勝國際象棋世界冠軍卡斯帕羅夫，名聲大噪；2011年開始，IBM在醫(yī)療AI押上重注，此后，IBM投入巨資（10億美元），用以收購醫(yī)療數(shù)據(jù)公司、研發(fā)AI醫(yī)生，開展了一系列令人眼花繚亂的項目，但仍然“逃脫不了走進死胡同的一天”。沒有理解錯的話，這篇文章的意思是IBM的醫(yī)療AI失敗了。

醫(yī)療AI的“失敗”（核心是AI醫(yī)生）是我所意料的；當然，這個“失敗”也是有所特指的，并不是不能研究或不可能取得研究的進展，而是專指“落地”；這個“落地”，也不是說永遠不能落地，而是根據(jù)當前科技進展的可見的落地?？梢赃@么說，醫(yī)療AI是注定要失敗的。那么，醫(yī)療AI為何注定失敗？

一、關(guān)注與啟示

幾年前，一位行業(yè)內(nèi)的朋友向我推薦一款深圳某公司開發(fā)的醫(yī)療AI，他強調(diào)這款產(chǎn)品非常好，診斷精確、還可以提供治療方案，還決意要給我演示。在他的要求下，我與他設(shè)置了一例上臂損傷的案例，然后通過軟件輸入信息，結(jié)果則是“胃病”。當著我的面，朋友顯示出十分的尷尬，但似乎還在確信這款產(chǎn)品不會錯的，并且還是很堅定地想要推銷之。這事情使我關(guān)注起醫(yī)療AI，希望找出一個說服像那位朋友的好辦法。

2016年3月，阿爾法圍棋與圍棋世界冠軍李世石進行人機大戰(zhàn)，以4比1的總比分獲勝；2017年5月，又與排名世界積分第一柯潔對戰(zhàn)，以3比0的總比分獲勝。這給了我啟示，圍棋AI比國際象棋AI要復(fù)雜得多，如果用圍棋AI與醫(yī)療AI對比一下，或許可以說明一些什么。

二、關(guān)于圍棋AI

圍棋有黑白二子，圍棋盤共計可以擺放361子，即黑子181、白字180，在實際下棋中,不可能擺滿每一個格子,但可能被互相吃掉，故可以超過361手，但總是可以計數(shù)。據(jù)說，最長手數(shù)的對局紀錄由日本棋手山部俊郎與星野紀在1950年創(chuàng)下，二人共弈411手。

由此，可以這么確定，圍棋AI需要解決兩個維度，即黑子與白子；每個維度有180左右手，因有布局規(guī)則、效率問題等約束，不完全是排列組合，總之是可以計算的。

三、關(guān)于醫(yī)療AI

醫(yī)療AI要解決的核心問題是疾病的診斷，為此，我們必須確定疾病的構(gòu)成。疾病包括三個維度，一是致病因子，沒有致病因子的作用，人不可能患病；二是致病因子必須作用于特定的機體（即人體），離開了機體，疾病就無從談起；三是時間，下圍棋時，每走一手，時間是可以給定的，這是規(guī)則所確定，但疾病在發(fā)生、發(fā)展過程中，時間既不能給定，也無法預(yù)期，故必須加入時間這個維度。

再來看每個維度中到底有多少數(shù)量，相當于圍棋要下多少手。致病因子包括細菌、真菌、病毒等微生物，還有溫度變化、干濕度、化學污染物……這些致病因子每一類都難以計數(shù)，還可以互相組合致病，可以說作用于機體的致病因子及其組合是無限的，無法計算數(shù)量。機體包括身高、體重、營養(yǎng)狀況、精神狀況、生活習慣……及其各種組合，同樣也是無限的，無法計算的。時間是連續(xù)性的，嚴格來說也是無法計數(shù)的。

由此可見，醫(yī)療AI需要解決三個維度，即致病因子、機體和時間，而每個維度的“步數(shù)”是無限的，無法計算的。

四、醫(yī)療AI落地的悲觀與希望

從以上可以明確，國際象棋AI與圍棋AI相比，只是計算量的問題；而醫(yī)療AI與圍棋AI相比，則不是具體數(shù)量多少的問題，而是關(guān)于無限與有限的問題。當今圍棋AI的實現(xiàn)，無論如何，歸根結(jié)底是要基于計算的，智能無非是更加先進的計算方法（如神經(jīng)網(wǎng)絡(luò)模型）、更加快速的計算速度、分類細化到更加精確的程度，前提則是有限的、可計算的。因此，我以為，基于疾病的特點，醫(yī)療AI落地十分悲觀，IBM醫(yī)療AI的失敗，不足為奇。

但，醫(yī)療AI并非沒有希望。有部影片中，把一個得了不治之癥的小女孩放進一個儀器中，這個儀器迅速讀取小女孩的各種信息，明確診斷，并給予治療，數(shù)分鐘后小女孩的疾病得以治愈。這是一個有趣的思路，即應(yīng)該首先有一個非常強大的信息讀取器，可以讀取人體的血液、尿液、組織等各種信息，這個機器無需人類的主觀表達。如果單從診斷層面，這個機器是否應(yīng)該是集中了現(xiàn)今的各種診斷手段？

此外，希望還在于，我們已經(jīng)獲知醫(yī)院管理的標準化困境，這個難題可以讓我們避免一味地解決疾病的標準化問題，而是使用基于非標準化的理論進行考察，揭示疾病的規(guī)律，以此探尋醫(yī)療AI的路徑、方法。

五、小結(jié)

醫(yī)療AI是人類一項更加宏大、復(fù)雜、久遠的探索，必然吸引科學家們、各類機構(gòu)前仆后繼地奮斗不息。但在當前，謀求落地或商業(yè)化的訴求，必須要謹慎，最好制定分步的目標和循序漸進的推進策略，直接針對AI醫(yī)生是錯誤的。

未來智能實驗室是人工智能學家與科學院相關(guān)機構(gòu)聯(lián)合成立的人工智能，互聯(lián)網(wǎng)和腦科學交叉研究機構(gòu)。

未來智能實驗室的主要工作包括：建立AI智能系統(tǒng)智商評測體系，開展世界人工智能智商評測；開展互聯(lián)網(wǎng)（城市）云腦研究計劃，構(gòu)建互聯(lián)網(wǎng)（城市）云腦技術(shù)和企業(yè)圖譜，為提升企業(yè)，行業(yè)與城市的智能水平服務(wù)。

如果您對實驗室的研究感興趣，歡迎加入未來智能實驗室線上平臺。掃描以下二維碼或點擊本文左下角“閱讀原文”