李彦宏要用人工智能推进“智能医疗”，你买不买账？

李彦宏认为互联网+医疗分为四个层次，

分别是O2O服务，智能问诊，基因分析和精准医疗，新药研发。

百度的 O2O 和人工智能在其中都有不同程度的应用。

　　

　　

11 月 17 日，百度董事长兼 CEO 李彦宏在乌镇举办的第三届世界互联网大会的“互联网+智慧医疗”专场发表演讲《智能医疗，奇点临近》。李彦宏认为互联网+医疗分为四个层次，分别是 O2O 服务，智能问诊，基因分析和精准医疗，新药研发。百度的 O2O 和人工智能在其中都有不同程度的应用。

比如人工智能可以帮助医生更好地根据症状判断是何种疾病：

比如说同样的症状，有 99% 是某个疾病，但是可能有万分之一，甚至十万分之一的概率是另外一个东西，在这种情况下，作为一个电脑，它可以辅助医生做一些相应的判断。这些技术不仅仅需要对大量的医疗知识进行机器学习，也需要对病人表述的理解能力不断地提升，实际上这就是自然语言理解的方向。

李彦宏希望真正把几十万台服务器的计算能力、深度学习的最先进的算法能够应用到医疗和健康领域。

百度和医疗之间的关系一直被外界诟病，2016年，“魏则西事件”的发酵，牵连出臭名昭著的“莆田系”医院，令百度品牌形象受到广泛质疑。百度在“魏则西事件”之后提高了竞价排名审核门槛，减少了医疗广告的份额，也导致了此前第三季度财报营收上的负增长。之后，在人工智能领域的一系列动作（成立百度资本和百度风投）和传闻抛弃视频、O2O等非核心业务，似乎在表示百度和李彦宏对于自身转型的决心。

在改善品牌形象的问题上，腾讯或许能给百度更多启发。当年 3Q 大战正酣时，腾讯曾“作出艰难的决定”，要求用户在QQ和360杀毒软件之间二选一，引发广泛用户广泛抗议。马化腾当年面临的品牌危机并不比百度更好，而后的移动互联网时代，腾讯能够成功转型成为一家受人尊敬的公司。如今，百度品牌形象不断遭遇挑战，而李彦宏在不断鼓吹人工智能的同时，似乎并无意放弃医疗业务。在“魏则西事件”之后能够真正承担起身为企业的社会责任，真正能够将人工智能应用于医疗领域。

而就在今年10月，丁香园前 CTO 冯大辉也宣布进军医疗搜索创业领域，声言“要跟百度干一架”。有竞争压力，会不会给百度一些改进的动力？

以下为李彦宏演讲全文：

大家早上好，我在昨天的大会发言中说在人工智能时代我们需要重新想象每个行业，今天我就试着站在互联网的角度重新想象一下医疗行业。

今天的嘉宾主要来自两种背景，一个是互联网背景，一个是医疗健康背景。就像我在公司里经常讲的，两个不同领域的人，需要像修桥一样，从各自的一端往中间去修，如果大家目标一致的话，中间对上，这个桥就通了，如果大家想象的不一样，修到中间对不上，那就失败了，所以我们要尽量让两边各自往对方的那一边去靠。

我们先从百度人工智能的角度来看一看，我们已经具备了哪些能力，然后再看看这些能力在医疗健康领域应该怎么样去应用。人工智能在百度的体现主要是通过百度大脑，百度大脑的主要功能有四项，一个是语音，语音的识别，今天的语音识别已经达到了 97 %的准确率，也就是说在安静环境下它已经超越了正常人的听力水平；图像识别其实在医疗领域的应用大家也都很清楚，就像刚刚有人讲过的医学影像，一个医生一生当中只能看几万个片子，但对于电脑来说，看几十万几百万的片子可能都算是很小的数据；用户的画像、自然语言的理解其实在智能问诊这些领域都可以有非常多的应用。对于医疗行业来说，我们有一个对应的叫百度医疗大脑来提供相关的解决方案。

在我看来，或者从互联网角度来看，互联网+医疗基本上可以分为四个层次。我们认为，第一个层次是 O2O的服务，怎样通过线上把用户引流到线下，并分发到那些适合处理用户疾病的地方去。第二个是智能问诊，刚才詹启敏院士也提过，像是 IBM Watson 对于癌症的诊疗，计算机可能在很多时候也能够超越人类医生。百度在百度医生方面也做了一些尝试。第三个层次我们觉得是基因分析和精准医疗，这方面待会我也会详细地讲。第四个层次我觉得是新药研发，这方面现在在国内的关注度不是很够，但我觉得这是大数据和人工智能真正能够起到决定性作用的一个领域。

首先，我们看这个 O2O 服务，百度的百度医生现在已经有 50万的医生参与咨询，累计有 800万人通过百度医生平台来获得相关的医疗服务。

第二个层次是智能问诊，我刚才讲到的是的 Watson 的这个例子，百度医生我们最近推出的智能问诊也做了一些测试，比如说，我们在北大国际医院做过一个测试，在 80% 的情况下，百度医生的诊断和北大国际医院的医生诊断是一致的，也就是说它的准确度其实是在迅速地提升。而且它有可能想到一些比较罕见的情况，比如说同样的症状，有 99% 是某个疾病，但是可能有万分之一，甚至十万分之一的概率是另外一个东西，在这种情况下，作为一个电脑，它可以辅助医生做一些相应的判断。这些技术不仅仅需要对大量的医疗知识进行机器学习，也需要对病人表述的理解能力不断地提升，实际上这就是自然语言理解的方向。

第三个层次是基因分析和精准医疗，其实这是这些年做计算机科学最觉得兴奋的方向。因为在 IT 领域我们讲摩尔定律，在 IT 领域以外唯一符合摩尔定律的就是基因测序的成本，所以我们觉得这方面很有可能会不断地出现一些革命性的东西。目前看，用基因来进行治病，最大的一个问题是大多数已知的基因导致的疾病都是单基因导致的，而这些病又大多是罕见病，而大多常见病我们猜测是多基因导致的。多个基因的共同作用再加上有各种各样 pathway 过去导致的，所以怎样能够搞清楚一个病它是由哪些基因共同作用导致的，其实需要大量的计算。詹启敏教授在协和时我们跟他有一个合作的项目，就是对中国的食管癌病人进行基因测序，试图找到是哪些基因的共同作用能够导致癌症的发生，一旦我们搞清楚这些，未来像基因编辑等这些治疗方法就可以用在更多常见病上。目前，基因编辑的应用都是在一些罕见病上，比如美国 Spark Therapeutics 它能对一种导致人视力下降、失明的病毒造成的罕见病进行治疗，但是这些病都太罕见了。大多数的病我们需要搞清楚是哪些基因共同导致的，而这里就需要大量的计算。

当我跟医疗行业的人进行交流的时候，在我们看来很深奥的医学知识，在他们看来其实很简单；反之亦然，在我们看来很简单的计算，在他们看来这就是大数据、人工智能，有点难。所以我们很希望真正把几十万台服务器的计算能力、深度学习的最先进的算法能够应用到医疗和健康领域。

第四个层次是新药研发，今天已知的有可能能够形成药的小分子化合物大概是 10 的 33 次方这么多，这大概就是全宇宙所有的原子加起来都没有这么多。这样的一个量，怎样用它的分子式跟产生疾病的蛋白去合在一起，用来治病？已知的药物是怎么合的？未知的那些分子式怎样进行大量的筛选，找到有限的药的 target？这也需要极其强大的计算能力和最先进的算法，这方面美国的有些创业公司，比如 Atomwise 已经在做这个事情，我们也是觉得计算机科学、人工智能能够在这方面有所帮助。

正如我在开头讲的，很希望两方面的人共同努力，我们用我们大数据的能力、用自己无穷无尽的计算能力，而医疗健康领域希望能够收集越来越多的数据、提出一些至少是计算领域越来越难的问题，我们共同造福数亿患者。

谢谢大家！

　　 > > > > 本文摘选自PingWest品玩，欢迎分享到朋友圈，转载请联系后台。