AI医疗是“中医式”科学

    
    人工智能和中医这两个话题，看起来似乎是八杆子打不着，但它们又有一个诡异的共同点—这两个已经成为互联网上极其火爆的引战话题。在每天你方唱罢我登场的口水仗中，支持者和反对者各成阵营，唾沫星子漫天飞舞，却很难再用讲道理的办法拉拢敌方阵营。
    用AI赋能医疗已经是老生常谈了，但AI医疗究竟是什么？它又是如何进化的呢？我们或许可以从这些“口水战”中探索其本质。
    AI医疗和中医学的“纠缠”
    之所以认为AI医疗是“中医式”科学，是因为AI医疗和中医本质上是非常相似的。智能相对论分析师颜璇认为，这体现在以下三个方面：
    1．相似的公众认知
    AI医疗是什么？我们可能还没有达成共识，人们对它的评价也褒贬不一，而中医是什么？似乎也缺失一般性法则。在公众眼里，两者都没有一个一以贯之的评价标准。而中医，似乎一直处于科学的阴影中，人们给予的尊重也太少。AI医疗虽然是科学在实际中的应用，但似乎也没有得到极高的评价，人们对它的信任似乎也不高。
    除了有限的尊重与信任，很奇怪的是，AI医疗和中医在公众眼里还有一种死马当做活马医的“神奇力量”。许多在西医化疗下痛不欲生的人，往往会转而投向中医的怀抱，相信中医的一方药剂或许能将自己治好。这也是我国中医们一直很头疼的问题，患者在经过西医一系列诊治后，在疾病晚期才会找到中医，寻求最后的希望，而事实上，到了晚期，中医能给予的奇迹也是有限的。
    对于AI医疗，人们则坚信这种技术的“神奇力量”一定会出现在未来。最具代表性的就是冷冻人体技术，女作家杜宏女士的大脑就被分离保存在－196℃的液氮下，患者选择冷冻自己的大脑，也就是寄希望于未来的科技能助这些冷冻大脑找回过去的记忆和意识。
    2．相似的逻辑框架
    智能相对论分析师颜璇曾在文章《急诊室里的AI与爱》中写道，AI的深度学习系统是不具有任何解释力的。事实上，深度学习的系统越强大，其结构就越是不透明。随着更多的数据特征被提取出来，AI的诊断会变得越来越准确。但为什么这些特征会从数百万个数据中被提选出来，仍是人工智能的未解之谜。
    这也就是AI著名的黑匣子问题。与此类似的是，中医的解释力也并不如西医的强大。中医里的阴阳五行让人们觉得很是悬乎，药方里的中草药标明不了具体的分子学药理机制及毒副作用。即使中医能够妙手回春，在当今自然科学的教育背景下，没有科学的逻辑思维，一直是中医的痛点。
    3．相似的特征工程
    AI医疗和中医还有一个相似的点就是特征工程，即由特征来诊病。与西医的重重检查不同，中医诊病望闻问切四字足矣，《难经》有云，望见其五色，以知其病，比如观察到舌苔潮红，中医可能会判断病情主热。
    AI如果做医生，本质上也是以观察为主。比如FDA批准的一个AI系统，就能通过观察患者的视网膜来判断其是否患病。而除此之外，AI的特征工程更表现在其诊断时与数据库的配对连接。阅片AI分析影像时，会将正在阅读的图片上的特征与数据库相对应，并实时输出特征的匹配结果。总结成一个公式大概是：输入特征——匹配特征——输出结果。
    “中医式”科学的进化论
    基因是生物进化的基本单元，而对于中医学来说，我们可以把“经验”称为中医的基因，将“经验”换一个现代点的说法，大概就是“数据”。
    某一个基因是不会直接改变某种组织的，一个基因改变不了心脏的性能，但心脏的结构形状和性能等等都是由基因组合创造的，它们扮演了构成程序语言的元素。
    在医学方面，经验的组合和进化是一直存在的。我国诺贝尔生理医学奖获得者屠呦呦发现了可以有效降低疟疾患者的死亡率的青蒿素，而青蒿素得以“现世”，其实是屠呦呦寻找古籍，从古籍中的经验得来的启发。
    与中医相似，AI医疗的重要进化单元就是“数据”。人工智能凭借着不断积累的数据，形成算法从而产生无数的应用。比如，在求解机器学习算法的模型参数，无约束优化问题时最常用的梯度下降（Gradient Descent）。尽管目前有成千上万的学术论文和数不清的方法应用（也就是理论），但整个研究过程还是依赖于不断尝试和错误的经验，也就是数据。
    
    从前的人们是如何寻找中草药的呢？以止血草药为例，人们割伤了一条蛇并将其放行，蛇游行后不久即止血，人们这才发现蛇爬过的地方生长了一种植物，取之一试，果然有止血效用。然后，一种中草药就这么被发现了。
    是不是觉得很玄幻？其实这样的现象在中医内很常见了。比如被毒蛇咬伤后可以在就近寻找解蛇毒的草药。从本质上来看，中医其实就是自然现象的被捕捉并使用。
    而现象也是AI医疗赖以发展的源泉，AI要达到某个医疗目的，总是需要依赖于某种可被开发或利用的自然现象。就在近日，Nature在线发表英国Deep Mind团队，阿法狗和阿法元的开发者，与UCL的一篇合作论文，题为Vector－based navigation using grid－like representations inartificial agents，在神经学和人工智能领域都引起轰动。
    这篇高度抽象的论文题目背后，隐含的是一个事实，AI产生了类似于网格细胞活动特征的结构，而网格细胞则是动物和人类的与认路有关的细胞，是大自然经过亿万年才进化出的生命杰作。
    精准医疗的智慧
    精准医疗本质上是一种个性化医疗，既包括对疾病的早期筛查、预防和帮助医生做出准确的临床决策，也包括治疗的过程中所提供的一系列服务，比如合理用药、精准外科以及针对重症和疑难杂症的精准的靶向治疗。
    中医治病讲究一人一方，辨证施治。在诊疗过程中，通过理、法、方、药的精准应用，使患者获得最精准的个体化治疗。其中，辨证论治作为中医诊病的基本法则，是理法方药在临床的具体运用，并最终落实在患者的个体化。
    AI医疗似乎也更看重个体化医疗。将理法方药换一个说法，在AI医疗里，似乎就是预防、诊断、临床医学手段、药剂四个方面，对抗生成网络就是AI医疗内里的辩证法论治了。
    在早筛和预防方面，各种AI医疗影像和健康管理系统在市面上可以说是屡见不鲜了。在诊断上，美国食品和药物监管局（FDA）也曾批准了一种人工智能诊断设备IDx－DR，该设备可以通过观察视网膜的照片来检测一种眼科疾病，并且不需要专家医生的参与。
    而在医治手段和药剂上，AI医疗要做到真正的精准，就用到了两个试验——“篮子试验”和“雨伞试验”。“篮子试验”是指将某种靶点明确的药物看作一个篮子，将带有相同靶基因的不同癌症放进这个篮子里进行研究，用一种药物治疗不同的肿瘤。“雨伞试验”是指同一种疾病基于不同驱动基因分型的临床研究，对病理分型类似的肿瘤，通过分子分析进行分子分型，进行不同的治疗。
    这集中体现在药物研发上，最著名的药物研发深度学习模型可能是IBM的Watson机器人。IBM早就于2016年12月与Pfizer公司签署协议，协助Pfizer的免疫肿瘤药物研发，除此之外，IMB还和多个药企有合作协议。今年5月，苏格兰Exscientia公司与法国Sanofi也签署了一项潜在价值约2．8亿美金的合作和许可交易，旨在开发针对代谢疾病的双特异性小分子药物。
    我们还可以从腾讯布局的AI医疗逻辑中看到AI精准医疗的影子。从腾爱APP实现医患线上沟通，到腾讯最新发布的微信智慧医院3．0，将原来碎片化、断裂的就医链条全部打通，贯穿了AI导诊，在线挂号，在线咨询，线下AI辅助诊断和检查，支付，治疗，AI随访等环节。通过精准医疗信息来联接医生和患者，而不是颠覆线下医疗实体和利益格局，一直以来都是腾讯的一种渗透式长远布局。
    唯一不同的是
    人的存在应该和自然，和我们生存的环境，以及最初使我们成为人的那些条件融合。我们熟悉自然，依赖自然，缘于自然是我们300万年的家，人类从骨子里信任自然。
    所以，当我们看到中医用某剂不知名的药方救人于生死之间，我们不会觉得这不符合自然，贴近自然的中医让我们追求延年益寿的愿望更加坦荡。但是，当我们邂逅某项技术时，比如冷冻人体，我们即使心怀希望，也会马上反思：这样延长人的生命是否自然？而机器伦理也一直是我们讨论的热点。
    对于AI医疗这一命题，人们寄托在技术上深切的希望和对自然的最深切的信赖一直在碰撞，如何让二者达到和解？AI需要“亲生物”的设计，而使用AI技术的医院也需要给患者亲近大自然的感觉。