白胡子老中医和AI小助手

说起老中医，你脑海中的画面大概是这样的：

走进散发着中草药香气的诊所，慈眉善目的老先生指指旁边的诊脉垫，

“来，把手放上来吧”。

你看看老先生的满头银发和厚厚的眼镜片，心想，

“挂这个号虽然贵了点，但肯定是挂对了”。

没错，我们找年长的知名老中医看病，就如同在中国封建社会时期，村民找德高望重的乡绅主持公道一样——胡子越长越白就意味着越德高望重、学识渊博。

据统计，中国获得“名中医”称号的中医出生年份集中于1920至1960年间，也就是说，名老中医们的年龄区间大致位于在60-100岁之间。

在“成名要趁早”的年代，中医恰恰是反其道而行之了。但在这个平均“成名”年龄达到60岁以上的中医领域，也涌现出了一些问题。

比如说，年轻的中医大夫如何“上位”？难道非要熬到胡子花白？

再比如说，医疗资源不均衡。

“名中医”人数远远低于西医的专家而且过于集中在大城市，普通老百姓想找名中医看个病难道非要千里迢迢跑去北京？

人工智能的出现能不能解决这些问题？

其实，人工智能在医疗领域的应用早就从幕后走到了台前。

人工智能甚至还能把人从死神手里拉回来：

为了掌握一手消息，梦呆还采访了从事名老中医研究的两位朋友，请他们给大家简单讲讲人工智能给中医领域带来的突破性进展。

【采访开始】

梦呆：虽然我知道你们是在研究啥，但我得为难你一下。来，一句话描述下你们做这项研究的目的。

答：研究目的就是：以后不让白胡子老头儿给你看病了，而是让贴着白胡子的数据采集器跟你说：舌头伸出来我瞅瞅。

梦呆：厉害了！这其实很有挑战性，对于中医来说，单单是收集数据这一步就已经很难了。

答：确实。对于机器学习来说，样本的优劣可以决定机器学习表现能力的上限。如果不能准确收集到高质量可应用的数据，所得出的结论缺乏可靠性，没法保持测试数据集上的高准确率。

梦呆：听说未来几年里，机器有望实现读片并分析病变组织样本的技术？

答：在医学影像这个领域当中，很多图像识别的算法确实有了突出的表现。比如，在2017年，《自然》杂志发布了斯坦福大学研发的皮肤癌诊断模型，这个模型利用谷歌的猫狗识别算法，对13万张标注的皮肤病变图像进行“学习”。并在与人类皮肤科医生的对比中，准确率达69.4%，优于人类专家的66.0%。

梦呆：这就很强大了，但这个皮肤癌诊断模型是基于13万张图像的样本量才实现的，中医领域的样本量恐怕没这么大，你们有什么解决办法吗？

答：对，训练出一个准确的AI疾病诊断系统需要数十万张高质量标注的图像，但问题就是那么多种疾病，不可能给每种疾病都收集数十万张高质量的标注图像。

解决办法就是迁移学习。在高质量的医学样本稀缺的情况下，采用迁移学习的办法所需的样本量比较少，能够加速医学影像的学习。

[插播一记科普：什么是“迁移学习”？]

“迁移学习”（Transfer Learning）

就是把已训练好的模型参数

迁移到新的模型来帮助新模型训练。

跟大多数学习模型的“从零开始”相比，

迁移学习先利用“卷积神经网络”

学习已有的已经标记好的预训练网络系统。

额，这话怎么理解呢？

举一个不十分恰当的栗子吧。

比如，有一天你想找女朋友。

但是，你感情经历很单纯，

不知道自己想找什么样的。

那咋办？

瞎试呗。

结果，你就采取了广撒网的策略，

按照不同的标准找了一堆，

然后挨个儿试了试。

这个试的过程就是前面提到的“预训练”的过程。

经过了“预训练”，

你就慢慢体会到，

自己最喜欢的是：

那种温柔漂亮又会撒娇的软妹子！

来自电影“撒娇女人最好命”

好了，在你成功get到追软妹的技能后，

花心的你又准备换一个新女朋友了！

恭喜你！

因为这回你可以进行“迁移学习”了。

在进行迁移学习时，

你已经不是一张白纸了，

可以把自己之前追妹纸的那一套拿来用。

这样一来，

就省去了很多在尝试过程中碰壁的麻烦。

换句话说，

大大减少了所需的样本量！

当然，尽管你要找的女生都属于软妹纸类型，

但这世上可没有完全一样的女生，

老套路在不同的人身上也不一定行得通。

这时你就要在原先的经验上，

再进行适当的调整，

完成新一轮的“训练”。

当然了，迁移学习的应用也是有前提的。

最重要的就是你要执行的任务需具有相似性。

如果你要追的妹纸和之前那位性格天差地别，

那可就行不通了。

总之呢，

要进行“迁移学习”，

就得找出不同模型之间的共性，

然后利用这种共性来学新技能。

【采访继续】

梦呆：未来人工智能有没有能力取代传统的医生问诊？

答：答案肯定是不能取代的。

对于AI来说，所扮演的角色应是医生的助手，帮助医生进行病情分析，寻找诊断证据、鉴别依据等，提供快速高效的诊疗服务。

梦呆：那你觉得AI难以承担的部分是什么？

答：AI难以承担的主要是通过跟患者之间的交流，来获取有价值的诊断信息。同时这也是情感交流，建立一种互信关系的过程。

梦呆：对，医者仁心嘛，患者相信大夫有颗仁爱的心，治疗才能顺利进行下去，这确实是冷冰冰的机器做不到的。那就具体的问诊来说呢？

答：比如对于失眠患者的问诊来说，患者就诊时所述的症状往往都是杂乱无章的, 有些信息对于医生的诊断并没有什么帮助。这时候，就需要医生对患者适时进行部分引导，帮助患者回忆有关睡眠的发生发展的重要信息来完成治疗。

梦呆：对了，现在市场上有一些“中医大脑”这样的尝试，比如像微医云开发的“华佗智能医生”。你们的研究在实际中准备怎么落地应用能透露一下吗？会有什么样的改善和发展？

答：这个我现在还不能告诉你。

梦呆：切，我就知道。等公开的那天，我一定要拿到独家新闻。

[1]Esteva A, Kuprel B, Novoa R A, et al. Dermatologist-level classification of skin cancer with deepneural networks[J]. Nature, 2017, 542(7639): 115.

[2]杜辉,洪兰,汪卫东.失眠的中医心理问诊技巧[J].世界中医药,2014,9(06):803-804+807.

[3] 金征宇. 前景与挑战: 当医学影像遇见人工智能[J]. Med J PUMCH, 2018,9(1):2-4