AI会看图还能读懂病例，医生被迫躺平？

　　2016 年底开始，阿尔法狗（Alpha Go） 横扫中日韩数十位围棋高手，网上快棋对决连续 60 局无一败绩，震惊全球。
　　2017 年 5 月，中国乌镇围棋峰会上，它以 3:0 的傲人战绩击败世界围棋冠军柯洁，问鼎世界围棋排行榜  [1] 。
　　2017 年 5 月，中山大学中山眼科中心开启了全球首个眼科「AI 医生」门诊。
　　2018 年 2 月，广州市妇女儿童医疗中心研发的能同时诊断眼病和肺炎的人工智能系统登上了世界顶级期刊《细胞》（《Cell》） 封面  [2] ，中国加速进入疾病诊疗的 AI 时代。
　　一、内卷愈演愈烈，催人奋进的居然不是「人」
　　2017 年 8 月 26 日至 27 日，全国临床执业医师综合笔试开考，53 万名考生参加，而其中一名考生在 4 场分别用时 17 分 36 秒、13 分 46 秒、15 分 09 秒和 16 分 44 秒就结束了战斗。
　　在成绩「放榜」时，发现该考生竟然取得了 456 分的好成绩。而这名神秘考生的真实身份，其实是一个名叫「智医助理」的机器人！ [3]
　　因为不是真人，它受到了特殊「照顾」，断网屏蔽、现场监督、单独考场，国家医学考试中心全程监管，北京国信公证处全程公证……
　　机器人考试有什么难的？刷题刷得多，记忆力又好，题目都记下来了，考个试不是手拿把掐的事儿？然而事实并非如此。
　　作为我国法定考试，临床职业医师资格考试有着严格的保密措施，想拿到题库纯属痴心妄想，单靠刷题来应付考试也不现实。
　　反倒是跟其他考生相比，AI 机器人学完了人卫版五年制医学本科的全部 53 本教材，还有临床指南、大量最新的论文与病例……
　　AI 不仅要有足够的知识储备，还得能看得懂题目，在通过知识点、题干、选项等「症状体征」进行「鉴别诊断」，最终得出答案。
　　如果 AI 有思想，估计只想说一句「求求你做个人吧！」
　　所以才有了国家医学考试中心官方定论：以优异成绩大幅超过合格线，达到全国考生的中高级水平。
　　谁能想到通过率只有 20%～30% 的执业医师考试，居然还有这种「考试机器」横空出世，贩卖焦虑，令人头秃——医学生往医学「僧」的道路上又进一步。
　　二、AI 考试是过了，但它能看病吗？
　　无论在哪个领域，AI 的出现，都会带来「抢人类饭碗」的忧虑。那么，AI 真的能看病吗？看的准吗？
　　2021 年 7 月，中山大学中山眼科中心科研团队牵头完成了全球首个眼科多病种人工智能真实世界研究。
　　该团队的研究成果《Application of Comprehensive Artificial intelligence Retinal Expert (CARE)  system: a national real-world evidence study》在国际顶级期刊《柳叶刀——数字健康》（The Lancet Digital Health） 上在线发表。 [4]
　　该研究项目推出的眼科多病种人工智能可以筛查 14 种常见眼科疾病，平均准确率在 95% 以上。如此亮眼的表现，CARE 称得上是眼科 AI 领域的的「阿尔法狗」了。
　　该研究团队在全国 35 家不同级别的医疗机构，对「CARE」模型进行了临床真实环境验证。
　　「CARE」模型可以识别 14 种常见眼底异常，包括糖尿病视网膜病变、高血压眼底病变、病理性近视眼底、视网膜脱离等疾病，模型的平均准确率为 96.8%。
　　在「人机对弈」中，将「CARE」模型的表现与 16 位来自不同地区、不同年资的眼科医师进行比较，结果显示，不同眼科医生对眼底病变识别灵敏度差异大，特别是基层年轻医生，人类医师的准确度范围在 50% 至 92.9% 之间，不由得让人感叹一句「人不如狗」……
　　三、会「看图」还能「读懂」病例，医生怕是要被迫成为躺平的「咸鱼」吗？
　　2019 年 2 月，国际知名医学科研《自然医学》（Nature Medicine） 在线刊登了题为《使用人工智能评估和准确诊断儿科疾病》（Evaluation and accurate diagnoses of pediatric diseases using artificial intelligence）  [5] 。
　　在该项研究中，广州市妇女儿童医疗中心牵头组织 AI 医生自动学习了 56.7 万名儿童患者的 136 万份高质量电子文本病历中的诊断逻辑，诊断包括消化科、呼吸科等 55 种疾病，覆盖 75% 以上的常见儿童疾病，准确度与经验丰富的儿科医师相当。
　　在 2019 年的第一季度调用量已经超过了 3 万次，诊断与临床符合率达到了 87.4%，工作 20 天相当于一个儿科副主任医师一整年的门诊工作量。但 AI 医生真的就无敌了吗？远远不是！
　　作为医疗 AI 界的 OG——沃森医生（Dr. Watson） ，自 2011 年起就开始接受纪念斯隆—凯特琳肿瘤中心（MSKCC） 、梅奥医学中心（Mayo clinic） 、奎斯特诊疗（Quest Diagnostics） 等国际顶尖肿瘤医学中心的训练，学习了超过 300 种医学专业期刊、250 种以上的医学书籍、1500 万页论文研究数据，以及大量临床案例。
　　尽管长期有「帝王体验卡」加持，德州安德森肿瘤中心全额支付了 IBM 研发团队 6210 万美元的研发费用，可海量资金烧光后，Watson 仍然无法有效应用于临床，只剩一地鸡毛  [6] 。
　　但是，Watson 的没落并非 AI 医疗的没落，国内相关研究越来越倾向于证明，AI「打辅助」远比「纯输出」更加实际。
　　AI 通过对海量数据的深度学习，可以把影像、病理甚至肿瘤等领域的医学专家们数十年的经验积累并转化为诊断思维，给出更为快速、准确的诊断。
　　相当于给年轻医生加了个「外挂」，既可以降低漏诊、误诊率，也可以大幅减轻医生的工作量。
　　但 AI 医生输入的数据和其输出的答案之间，通常存在误差，也就导致在整个流程中必须由医生的介入、监管和修正。
　　另外就是，部分罕见病因数据样本不足，还是要依据人类医生的诊断。医生「躺平」「当咸鱼」？不可能！绝对不可能！
　　正如科幻作家刘慈欣所说，想象力是人类战胜 AI 的唯一优势。所以，AI 并不能取代医生。
　　但相关行业领域应加快解决 AI 医疗普适性、普惠性的问题，以更好的技术手段、更便捷的平台、更低的价格，提升医疗服务能力水平，提高健康服务的公平性。