丁香园CEO谈医疗AI：信息化带来的效率提升远大于人工智能 | 独家专栏

题图来自视觉中国

钛媒体注：“人工智能在外行看起来有力而魔幻，比起技术布道者各种鼓吹，真正的从业者们都保持非常克制的乐观。”在丁香园近日的一次内部会议上，CEO张进谈了谈关于医疗人工智能的12点看法，总结成一句话是“前路坎坷，仍值得行走，但勿盲目乐观。”

钛媒体此前曾报道过，在投资人、创业者以及医生们的讨论声中，医疗人工智能出现了冰火两重天的局面：一面是医疗企业无不谈AI，资本市场对医疗AI频频加注；另一面是医疗人工智能的先行者IBM Watson陷入舆论风波，媒体报道“AI成了医生们不常用的功能键”。

虽然丁香园在皮肤病和智能分诊上做了一些AI相关的尝试，但张进坦言，即便人工智能技术能够在短期内取得突破性的进展，从实验状态打败人类的算法到真正的产业应用也是非常漫长的过程，尤其是医疗领域。

该栏目为丁香园在钛媒体开设的独家特约专栏，专注于对大健康行业趋势及技术创新的观察，每月更新。本篇文章作者为丁香园CEO张进，独家首发钛媒体。

请注意，以下观点主要基于人工智能在医疗场景落地的假设。

1、人工智能在外行看起来有力而魔幻，比起技术布道者各种鼓吹，真正的从业者们都保持非常克制的乐观。

建议不要通过媒体报道来认知人工智能，要和真正一流的人工智能从业者交流，并且到实际技术落地的场景去看看。去看看在医院的「机器人」过的好不好，去看看那些已经比医生准确度更高的人工智能算法是停留在Paper、公关稿上，还是真的可以在医疗场景落地。

2、总的来说，人工智能还在出发点附近，走的并不远，距离人们期待的智能还非常遥远。人工智能概念加持可以让你的项目听起来更加sexy，乃至获得资本溢价，但真正要在项目中落地还是要保持冷静和清醒。 

3、人工智能目前还是分类系统而不是感知系统，分类能力很强，理解、推理和泛化能力很弱，还在弱人工智能时代，强人工智能还只是一个概念，且并没有明确的实现路径。

4、人工智能需要基础研究及理论的重大突破，目前看起来挺困难。所以，弱人工智能时代会持续相当长的时间（至少在基础理论获得重大突破以前），弱人工智能比较适合解决明确输入输出，不需要长链推理和泛化，不需要详细解释，允许出错的窄场景。 

5、很多人误以为医疗诊疗决策是基于精确的科学依据、统一的诊断标准和统一的治疗方法。但实际上大量的医疗决策经常是基于经验、推测、惯例，甚至是便利或习惯，还有患者的支付能力等等因素。 

简单地说，除了医疗的标准，还有大量非标准的推理在起重要作用，这和弱人工智能的确定性数据和场景及弱推理能力相去甚远。

6、在医疗某个确定的小场景，算法可以带来一定的辅助作用，但是如果不能带来体验、效率或者质量、数量级的提升，也很难在医疗领域落地实施，因为成本太高，获益有限。

很多做医疗影像的人工智能公司都宣传读片某个环节的准确度超过了医生，“但很多时候只是在电脑上多了一个「不常使用的AI功能键」，（医生）一般不会用。”行业人士曾这样说。

只能识别肺部结节的AI对于需要全面解读片子的影像科医生来说，有时候甚至是累赘。以相对成熟的语音识别来说，技术上确实已经可以实现比较高的识别率，但用它来写报告和病历的医生非常少，因为大部分时候，实际上还不如模板加键盘的效率高。

7、弱人工智能很容易受干扰，鲁棒性很差，这在医疗的核心诊疗领域基本不可被接受。医生是「小错不断、大错不犯」，人工智能则是「小错不犯，一犯就犯大错」。

8、与机器相比，人类算的慢，但可以通过推理和理性纠正；机器又快又认真，但容易出大错。 

比如特斯拉无人驾驶汽车未能识别横穿公路、白色车身且车身过高的拖挂车，从而导致重大事故，新手司机应该也不太会犯这种错误。说白了，在无人驾驶和医疗应用领域，无法预先让机器学习所有未来可能遇到的场景数据集，需要推理和泛化。 

从分级上看，无人驾驶已经到了仅次于最高级别的 L4 ,但是要从 4 到 5 ，需要完成的不是简单的爬坡升级，而是质的飞跃。包括 Google 在内的大量无人驾驶团队，之前宣称要在 2020 年量产 L5 级别的车，大考之日临近，这一目标能否实现？如果不能实现 L5 级别的无人驾驶， L4 级别辅助无人驾驶根本谈不上数量级以上的体验和效率提升，就像很多汽车有自动泊车功能，但实际运营非常少。这一点，无人驾驶和医疗领域非常相像。

9、提到无人驾驶和医疗人工智能，就不得不提伦理和法理。无人驾驶汽车撞死人，应该谁负责？涉及到人体，伦理是回避不了的话题。如果抛开伦理的限制，药物临床研究会快很多，但是没有伦理，好莱坞电影中的「邪恶博士」就真的会降临人间。

10、另外，人工智能是一个底层的工具，和互联网一样。未来不会有人工智能公司，人工智能会成为每个公司的一个部门，就像公司的大数据团队一样，输出底层的数据和算力。人工智能现在还不是一个严丝合缝的工程科学，还远没有到可以像安卓一样成为行业大规模应用的工具平台。 

11、在医疗领域只有场景明确且狭窄、容错性相对高，并且容易得到确定数据（少推理）的少数问题我们可以进行尝试性的投入和关注。实际上我们也在皮肤病和智能分诊上做了一些尝试，并借此保持对这个领域接触和关注。但必须明确，技术层面的关注和公司战略层面的实施是两个事情。 

12.最后，即便人工智能技术能够在短期内取得突破性的进展，从实验状态打败人类的算法到真正的产业应用也是非常漫长的过程，尤其是医疗领域。 

「老技术」在消费互联网领域似乎示弱，但是在医疗领域，哪怕是简单的信息化带来的效率和体验提升都远大于人工智能。我们对人工智能保持长期乐观，但短期的泡沫还是挺明显的。

前路坎坷，仍值得行走，但勿盲目乐观。 （本文首发钛媒体，作者/丁香园CEO 张进 编辑/付梦雯）

更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App