擔(dān)任平安集團(tuán)首席科學(xué)家之前，謝國(guó)彤已在IBM與認(rèn)知醫(yī)學(xué)深交了15年，算得上國(guó)內(nèi)認(rèn)知醫(yī)學(xué)從“0”到“1”的見(jiàn)證者。

認(rèn)知醫(yī)學(xué)，是以認(rèn)知計(jì)算為核心技術(shù)，以醫(yī)療大數(shù)據(jù)為底層數(shù)據(jù)支撐，借助AI對(duì)患者數(shù)據(jù)進(jìn)行深度挖掘和分析利用，探索醫(yī)學(xué)問(wèn)題新解法。描述之中有個(gè)兩個(gè)關(guān)鍵，一是AI，二是數(shù)據(jù)。

理論上，AI人人可有，數(shù)據(jù)卻不一定可有。訓(xùn)練圍棋AI時(shí)，DeepLearning團(tuán)隊(duì)可以輕松調(diào)用豐富的棋局?jǐn)?shù)據(jù)，通過(guò)不斷模擬演練，對(duì)AI的決策方式、決策能力進(jìn)行調(diào)整完善。相比之下，打造醫(yī)學(xué)AI則困難得多，這一難度的提升很大程度上歸結(jié)于“醫(yī)療數(shù)據(jù)”本身的特征。

醫(yī)學(xué)數(shù)據(jù)存在非標(biāo)準(zhǔn)化與倫理限制兩個(gè)特點(diǎn)。一方面，由于學(xué)習(xí)、習(xí)慣的不一致，不同醫(yī)生的病歷錄入往往不盡相同；另一方面，數(shù)據(jù)的歸屬權(quán)雖然沒(méi)有定論，但肯定不屬于想要?jiǎng)?chuàng)造AI的企業(yè)。

這便是謝國(guó)彤來(lái)到平安的原因之一。坐擁完整醫(yī)療生態(tài)的平安擁有充分的動(dòng)力去生產(chǎn)并標(biāo)準(zhǔn)化醫(yī)療數(shù)據(jù)，這意味著它擁有成熟的AI造血能力。在這里，謝國(guó)彤可以解決“知識(shí)”與“數(shù)據(jù)”的問(wèn)題。

在平安集團(tuán)，謝國(guó)彤看到了什么？AI的未來(lái)將要發(fā)生什么？近日，動(dòng)脈網(wǎng)和謝國(guó)彤一起，展開(kāi)了一場(chǎng)深刻的對(duì)話。

平安科技首席醫(yī)療科學(xué)家 謝國(guó)彤

“AI的發(fā)展就像一個(gè)鐘擺，它在兩級(jí)之間搖擺，一級(jí)是知識(shí)，一級(jí)是數(shù)據(jù)。”

Ｑ：算法、算力、數(shù)據(jù)三要素外，現(xiàn)在尤其強(qiáng)調(diào)知識(shí)這一新要素。新階段下，如何同時(shí)做好知識(shí)與數(shù)據(jù)？

A：人工智能概念剛興起時(shí)，走的便是“知識(shí)”這一重推理的方向。具體而言，研究人員嘗試將人積累的知識(shí)轉(zhuǎn)寫(xiě)為機(jī)器可以理解的邏輯算法，又名專(zhuān)家系統(tǒng)。

專(zhuān)家系統(tǒng)的嘗試以失敗告終。要想把專(zhuān)家的知識(shí)變成規(guī)則，就需要一個(gè)非常強(qiáng)的規(guī)則表示語(yǔ)言，還需要擁有非常強(qiáng)領(lǐng)域知識(shí)的工程師對(duì)知識(shí)進(jìn)行編碼。實(shí)際操作下來(lái)，就算能把專(zhuān)家的經(jīng)驗(yàn)轉(zhuǎn)化為知識(shí)，但實(shí)際上也就只有五、六成的水平，醫(yī)院是跑不下來(lái)的。

知識(shí)方向的失敗推著大家走向另外一個(gè)極端，許多研究人員開(kāi)始沉迷于數(shù)據(jù)，將海量的數(shù)據(jù)堆至算法之中。這種重學(xué)習(xí)的方式在別的領(lǐng)域或許可以，但醫(yī)院領(lǐng)域不行。醫(yī)療太大，你永遠(yuǎn)不可能說(shuō)你的大數(shù)據(jù)是大而全。

GPT-3便是一次關(guān)于數(shù)據(jù)量的嘗試，它聚焦于通用的NLP模型，使用了45TB的數(shù)據(jù)進(jìn)行訓(xùn)練，但在關(guān)于醫(yī)療相關(guān)任務(wù)的測(cè)試之中，“人工智能暴力美學(xué)”的表現(xiàn)仍然不盡人意。

因此，無(wú)論是“重推理”，還是“重學(xué)習(xí)”，偏重任何一側(cè)都不能充分發(fā)揮AI的力量。但要找到其中的平衡點(diǎn)也并不容易。許多學(xué)者都在其中進(jìn)行了深入淺出的嘗試，希望在一個(gè)框架下讓機(jī)器學(xué)習(xí)和邏輯推理二者能更均衡更充分地發(fā)揮效用。

AI的發(fā)展就像一個(gè)鐘擺，它在兩級(jí)之間搖擺，一級(jí)是知識(shí)，一級(jí)是數(shù)據(jù)。到目前為止，沒(méi)人知道這個(gè)平衡點(diǎn)在哪里。這也意味著，處理知識(shí)與數(shù)據(jù)的方法，沒(méi)有最好，只有更好。我們一直在路上。

Q：到了今天，創(chuàng)造AI的方式是否因時(shí)代的進(jìn)步而發(fā)生變化？醫(yī)療領(lǐng)域是否因變化而受益？

A：打孔機(jī)時(shí)代，數(shù)據(jù)存儲(chǔ)的方式是在卡片上打孔；數(shù)據(jù)的傳輸是由交通工具對(duì)卡片進(jìn)行物理位置上的轉(zhuǎn)移后再進(jìn)行讀取……60年過(guò)去了，數(shù)據(jù)的處理方式依然是收集、治理、存儲(chǔ)、應(yīng)用，但其中的每一個(gè)環(huán)節(jié)，都因?yàn)榧夹g(shù)的介入而使得數(shù)據(jù)的價(jià)值得以提升。譬如，過(guò)去只能處理存儲(chǔ)文本信息，現(xiàn)在能夠存儲(chǔ)影像、聲音等等各式各樣的信息。越來(lái)越多的非結(jié)構(gòu)化信息進(jìn)入可處理的范疇，這賦予了AI被創(chuàng)造的可能。

游戲領(lǐng)域便非常適合打造AI算法，因?yàn)檫@里有確定的規(guī)則，豐富的可供調(diào)用的數(shù)據(jù)。谷歌AlphaStar開(kāi)發(fā)的星際爭(zhēng)霸AI便是以百萬(wàn)份游戲《星際爭(zhēng)霸2》的游戲錄像為數(shù)據(jù)進(jìn)行學(xué)習(xí)，短短一年時(shí)間便能與職業(yè)選手一爭(zhēng)高下。

相比之下，醫(yī)療數(shù)據(jù)往往是非結(jié)構(gòu)化數(shù)據(jù)，且不同數(shù)據(jù)之間的差異與聯(lián)系需要專(zhuān)業(yè)人士進(jìn)行甄別。這意味著，要理解醫(yī)療數(shù)據(jù)并用機(jī)器進(jìn)行處理并不容易。以糖尿病為例，醫(yī)生的治療有一線二線三線四線藥物，你不能一上來(lái)就給醫(yī)生推薦四線藥物。四線藥物的療效支撐是有前提的，AI不能對(duì)前提條件視而不見(jiàn)。

另一個(gè)問(wèn)題來(lái)源于醫(yī)療數(shù)據(jù)分布的不均勻，我們?cè)鴩L試做一個(gè)覆蓋大多數(shù)眼疾診斷的人工智能軟件，但當(dāng)我們綜合了四家頂級(jí)眼科醫(yī)院的脫敏數(shù)據(jù)后，我們發(fā)現(xiàn)常見(jiàn)病如青光眼、白內(nèi)障占據(jù)了大部分?jǐn)?shù)據(jù)，而網(wǎng)膜裂孔、視網(wǎng)膜動(dòng)脈阻塞等病種的數(shù)據(jù)便非常少，這些病種便很難打造出成熟的、符合臨床需求的AI工具。

總的來(lái)說(shuō)，創(chuàng)造AI的根本路徑?jīng)]有變，但細(xì)節(jié)一直在變。醫(yī)療領(lǐng)域的確因此受益，但就現(xiàn)在而言，這些益處非常有限，AI還需要很長(zhǎng)一段時(shí)間的發(fā)展。

“輔助醫(yī)生工作的AI，不應(yīng)想著做一個(gè)破壞者”

Q：如此看來(lái)，現(xiàn)階段的醫(yī)療AI功能還十分有限，我們應(yīng)該怎樣正確的認(rèn)識(shí)AI，以避免盲目樂(lè)觀，或帶給醫(yī)生過(guò)高的預(yù)期？

A：指出錯(cuò)誤認(rèn)識(shí)，剩下的便是正確的認(rèn)識(shí)。

首先是要理解醫(yī)療行業(yè)。很多AI企業(yè)在同醫(yī)生溝通時(shí)，把他們的訴求想得太過(guò)簡(jiǎn)單。答應(yīng)得很容易，但做著做著就開(kāi)始認(rèn)清現(xiàn)實(shí)了，發(fā)現(xiàn)自己辦不到了。這種情況不僅僅出現(xiàn)在醫(yī)療領(lǐng)域，當(dāng)你把任何一個(gè)算法應(yīng)用到一個(gè)具體行業(yè)中時(shí)，必須先有對(duì)這一行業(yè)的深刻理解。包括行業(yè)的應(yīng)用、流程、關(guān)系生態(tài)……然后你才知道怎么把你的東西嵌進(jìn)去。

其次是認(rèn)清自己在做什么。過(guò)去幾年，很多AI企業(yè)總想著“破壞”與“重構(gòu)”，想著用AI代替醫(yī)生。就像往平靜的湖面上丟石頭，這會(huì)打破醫(yī)院現(xiàn)有的平衡關(guān)系，但沒(méi)人會(huì)歡迎破壞者。醫(yī)療是個(gè)慢行業(yè)，互聯(lián)網(wǎng)思維在這里很難走通。

到了今天，醫(yī)療AI與醫(yī)生的磨合也就短短數(shù)年，醫(yī)生從一張片子里看到的信息關(guān)聯(lián)著他的認(rèn)知，他對(duì)患者情況的理解……這不是一個(gè)從影像中找到可疑區(qū)域的過(guò)程，醫(yī)生的推理貫穿這過(guò)去與今天的知識(shí)，還夾雜著想象力。

要學(xué)習(xí)這些，AI任重道遠(yuǎn)。

Q：探索至今，現(xiàn)有的AI應(yīng)用場(chǎng)景中，哪些有前景？哪些還需要變革？

A：談?wù)撨@個(gè)問(wèn)題，一般需要區(qū)分為院內(nèi)和院外兩個(gè)部分來(lái)思考。

先談院內(nèi)。俗話說(shuō)“三分靠院內(nèi)治，七分靠院外養(yǎng)”。現(xiàn)在我國(guó)慢性疾病患者人數(shù)劇增，年診療量從70億到80億再到90億。患者出院后，醫(yī)院是想管的，希望留住客源，收集完整的患者數(shù)據(jù)，這對(duì)醫(yī)院的收入、后續(xù)的科研都是有幫助的。同時(shí)，患者全程由同一個(gè)醫(yī)生跟蹤管理，也會(huì)有更好的效果。

不過(guò)，院外疾病管理全靠醫(yī)生來(lái)管，肯定是管不過(guò)來(lái)的，全靠患者自覺(jué)，患者也沒(méi)那么自覺(jué)。所以，院外管理是可以由機(jī)器幫助醫(yī)生進(jìn)行統(tǒng)計(jì)、監(jiān)督的。這是一個(gè)有效的應(yīng)用場(chǎng)景，藥企、醫(yī)院都有需求。

當(dāng)然，很多企業(yè)想要切入三甲醫(yī)院的核心流程，不過(guò)到目前為止，我覺(jué)得沒(méi)有什么AI真的切入到了三甲醫(yī)院的核心流程，肺結(jié)節(jié)沒(méi)有，病理也沒(méi)有。可能有小案例確實(shí)做到了，但成規(guī)模的現(xiàn)象沒(méi)有發(fā)生。

那么AI能在診療中發(fā)揮大作用嗎？我認(rèn)為是的。不過(guò)不是在三甲醫(yī)院，而是在基層醫(yī)療。

中國(guó)有100萬(wàn)家醫(yī)療機(jī)構(gòu)，三家醫(yī)院才不過(guò)3000多家，基層醫(yī)療是一個(gè)擁有龐大AI需求的場(chǎng)景。當(dāng)然，基層醫(yī)療的需求自然與三甲醫(yī)院不同，那里的醫(yī)生跟大醫(yī)院相比確實(shí)有差距，醫(yī)生們也沒(méi)有那么忙，更多需要的，不是效率的提升，而是規(guī)范性的提升。AI開(kāi)發(fā)者要抓住這些特征。

規(guī)范下來(lái)的好處很明顯，第一是對(duì)患者好，能夠提高診治準(zhǔn)確率；第二是省錢(qián)，避免了各種不合理的醫(yī)療行為。

院外的AI應(yīng)用場(chǎng)景合理的非常有限，最重要的便是藥物研發(fā)。

藥物研發(fā)是一個(gè)需要大量數(shù)據(jù)密集計(jì)算的領(lǐng)域，從上億個(gè)分子中去尋找，從無(wú)數(shù)臨床試驗(yàn)中去探尋，最后看到底什么物質(zhì)最有可能成為藥。

如今一款創(chuàng)新藥的研發(fā)全流程花費(fèi)動(dòng)輒十億美元，時(shí)間跨度也長(zhǎng)達(dá)十年。但其中的每一個(gè)環(huán)節(jié)，都有很多可以用算法優(yōu)化的地方，這里擁有很大的市場(chǎng)。

到目前為止，有很多創(chuàng)業(yè)公司在里面競(jìng)速，但都沒(méi)跑得太遠(yuǎn)，如今包括平安、騰訊、百度等企業(yè)都加入了其中，要追上去，并不困難。

Q：有了方向，怎樣才能做好AI？

A：第一是動(dòng)力問(wèn)題，就我個(gè)人的經(jīng)驗(yàn)而言，簡(jiǎn)單說(shuō)可分為兩點(diǎn)。

第一點(diǎn)是這個(gè)問(wèn)題得足夠有挑戰(zhàn)，不是我伸手就能夠到的。我得對(duì)這個(gè)問(wèn)題花點(diǎn)力氣、花心思，然后做好他，這樣我才會(huì)去做這件事。

第二點(diǎn)是解決這個(gè)問(wèn)題得有意義，不能說(shuō)為了掙錢(qián)來(lái)做這個(gè)事。醫(yī)療本身特別有價(jià)值，當(dāng)你看見(jiàn)醫(yī)生逐漸通過(guò)醫(yī)療手段將腫瘤患者從死亡邊緣拉回來(lái)時(shí)，幫助他重獲新生時(shí)，你會(huì)覺(jué)得這事特別有意義，我們也想用科技手段幫助醫(yī)生，進(jìn)而幫助到患者。

有了動(dòng)力，其次便是執(zhí)行的問(wèn)題。為什么選擇平安？因?yàn)獒t(yī)療科技并非任何地方都可以做，需要多方共同開(kāi)拓，而平安擁有這樣的生態(tài)。三十年的保險(xiǎn)業(yè)務(wù)經(jīng)驗(yàn)，十年的醫(yī)療業(yè)務(wù)、數(shù)據(jù)積累，這些東西研發(fā)AI很需要，也很難復(fù)制。

如今我們正在將這么多年積累的用戶(hù)體檢數(shù)據(jù)、保險(xiǎn)理賠數(shù)據(jù)、互聯(lián)網(wǎng)問(wèn)診數(shù)據(jù)、影像中心數(shù)據(jù)等等數(shù)據(jù)沉淀下來(lái)，知識(shí)圖譜化，然后變成醫(yī)學(xué)大腦，去服務(wù)更多的患者，為患者構(gòu)建疾病全生命周期的管理。

只做單一環(huán)節(jié)的AI很難發(fā)揮作用，這樣的AI企業(yè)要么做不大，做么在做好后被整合，能啃下硬骨頭的企業(yè)太少了。最后能活下去的，一定是一個(gè)有醫(yī)療業(yè)務(wù)的公司，而不是單純的醫(yī)療科技公司。

“如果沒(méi)有NVIDIA的GPU，沒(méi)有Google，Microsoft的開(kāi)源算法，我們?cè)趺崔k？”

Q：醫(yī)療AI，需要怎樣的底線？

A：數(shù)據(jù)問(wèn)題一直是醫(yī)療AI中最為敏感的問(wèn)題，也是企業(yè)需要遵守的底線。過(guò)去大家少有隱私意識(shí)，但隨著人們對(duì)于隱私問(wèn)題越來(lái)越敏感，從事醫(yī)療大數(shù)據(jù)的公司將會(huì)越來(lái)越困難，這個(gè)行業(yè)發(fā)展會(huì)相對(duì)放緩。

當(dāng)然，這種發(fā)展的放緩是相對(duì)于近年來(lái)的AI醫(yī)療野蠻生長(zhǎng)而言的，一家從事數(shù)據(jù)處理的公司，首要任務(wù)便是處理好數(shù)據(jù)的安全問(wèn)題，保護(hù)用戶(hù)的隱私，做不到這一底線，就不要去談發(fā)展速度。

做好數(shù)據(jù)安全不單單是企業(yè)的事，我們也需要國(guó)家推動(dòng)數(shù)據(jù)的使用指南。海外一些國(guó)家對(duì)于數(shù)據(jù)的交易擁有明確的定義，主要滿(mǎn)足相關(guān)的要求便可進(jìn)行合法交易。在一方面，我們還很缺乏。需要向外學(xué)習(xí)。任何產(chǎn)業(yè)，有了規(guī)范，遵守底線，才能蓬勃發(fā)展。

Q：中國(guó)能在AI方向做到世界最前沿嗎？

A：毫無(wú)疑問(wèn)，我們會(huì)站在世界的最前沿。

當(dāng)我還在IBM的時(shí)候，無(wú)論是紐約的同事，還是硅谷的同事，我都告訴他們，做醫(yī)療AI，中國(guó)是一個(gè)不錯(cuò)的選擇。五年過(guò)去了，看著他們這些年的成果，我覺(jué)得當(dāng)時(shí)的話更在理了。

中國(guó)擁有開(kāi)發(fā)醫(yī)療AI源源不斷的動(dòng)力，病人多，醫(yī)生少，需求就擺在這里。同時(shí)，對(duì)于新技術(shù)，我們擁有其他國(guó)家人民難以望其項(xiàng)背的熱情，所以我們能做成，也能做到最好。

現(xiàn)在要解決的，是我們?nèi)匀狈Φ膬蓚€(gè)關(guān)鍵點(diǎn)。第一是定義問(wèn)題的能力；第二是底層的核心技術(shù)。

為什么需要定義問(wèn)題的能力？一直以來(lái)，我們都擁有濃厚的實(shí)用主義精神，從來(lái)不缺乏解決問(wèn)題的能力，別人做什么，我們就能跟著別人做，甚至做的更好。不過(guò)，當(dāng)我們逐漸走到最前面時(shí)，這時(shí)就迷茫了，因?yàn)槲覀內(nèi)狈﹂_(kāi)創(chuàng)性的想法，沒(méi)有東西可學(xué)了。

所以，我們需要為企業(yè)構(gòu)建創(chuàng)新發(fā)展的環(huán)境。

其次是底層的核心技術(shù)。現(xiàn)在的AI就像沙灘上的城堡，很輝煌，但也很脆弱。如果NVIDIA不向我們出售GPU，Google、Microsoft不向我們開(kāi)源算法，我們?cè)趺崔k？

華為是一個(gè)很好的案例，我們要引以為戒。

現(xiàn)在是一個(gè)很好的機(jī)會(huì)，由于美國(guó)對(duì)于華人科學(xué)家的打擊，很多人都回國(guó)了。他們知道應(yīng)該怎么去做開(kāi)創(chuàng)性的東西，問(wèn)題的關(guān)鍵在于我們能不能給他們一片適合他們生長(zhǎng)的土壤。說(shuō)到底，我們需要為人才構(gòu)建創(chuàng)新發(fā)展的環(huán)境。