何獻忠，許仲興，陳欣 綜述；龔連生 審校

（1.中國醫(yī)學(xué)科學(xué)院腫瘤醫(yī)院深圳醫(yī)院 醫(yī)用設(shè)備中心，廣東 深圳 518100；2.中南大學(xué)湘雅醫(yī)院 肝膽腸研究中心，湖南 長沙 410008）

1 人機大戰(zhàn)

2016年3月谷歌旗下DeepMind公司開發(fā)的智能系統(tǒng)AlphaGo（阿爾法圍棋）對陣圍棋頂尖高手李世石九段,令人驚訝的是AlphaGo展現(xiàn)了對圍棋的全新理解，對局勢的超強掌控，AlphaGo四比一獲勝。棋圣聶衛(wèi)平評價：計算機下出了讓我向他脫帽致敬的手段。一時間風光無限，AlphaGo引領(lǐng)人類圍棋進入一個新時代！

據(jù)年初發(fā)表在《Nature》雜志上的Mastering the game of Go with deep neural networks and tree search （精通圍棋博弈的深層神經(jīng)網(wǎng)絡(luò)和樹搜索算法）介紹，作為一種人工智能系統(tǒng)，AlphaGo擁有兩個基于深度神經(jīng)網(wǎng)絡(luò)的大腦：Move Picker（落子選擇器）和Position Evaluator（棋局評估器）。圍棋的變化有10 170，棋路無窮無盡，AlphaGo通過把棋局看做為一個19×19的圖像，使用若干卷積層構(gòu)造該局面的表征值。雖說圍棋b≈250，d≈150（b是游戲廣度，即每個局面可合法落子的數(shù)量；d是游戲深度，即對弈步數(shù)），AlphaGo結(jié)合Policy Networks（策略網(wǎng)絡(luò)，預(yù)測最佳走法）和Value Networks（估值，評估局勢）運行蒙特卡洛模擬算法（Monte Carlo method），使得這些神經(jīng)網(wǎng)絡(luò)需要考慮的搜索空間的有效深度及搜索樹廣度大大降低，而這一“棋感”就像人腦的直覺思維[1]。AlphaGo把此前幾乎所有國際比賽中的棋局和對弈策略存入到知識庫系統(tǒng)，這是對弈的分析基礎(chǔ)；通過機器自我學(xué)習以往棋局和自我訓(xùn)練，AlphaGo棋技提高達到了專業(yè)圍棋水 準。

2 人工智能與神經(jīng)網(wǎng)絡(luò)

谷歌的人工智能（Artificial Intelligence, AI）成果AlphaGo，結(jié)合了機器學(xué)習和神經(jīng)網(wǎng)絡(luò)技術(shù)，構(gòu)建功能強大的通用學(xué)習算法，即使左右互搏也能實現(xiàn)自我學(xué)習和自我思考，成為有邏輯的AI產(chǎn)品，谷歌的AI除了能下圍棋，還能運用于無人機、無人車及隱形眼，甚至用來操控低溫睡眠、空間傳輸。智能化服務(wù)將會快速地接入醫(yī)療、出行、旅游、電影、教育和餐飲等生活服務(wù)領(lǐng)域，人工智能的發(fā)展使人類勞動往更高級的狀態(tài)發(fā)展。

AI的重點之一是人工神經(jīng)網(wǎng)絡(luò)，一種應(yīng)用類似于大腦神經(jīng)突觸聯(lián)接結(jié)構(gòu)進行信息處理的數(shù)學(xué)模型及算法。人工神經(jīng)網(wǎng)絡(luò)的計算模型靈感來自動物的中樞神經(jīng)系統(tǒng)（尤其是腦），通常呈現(xiàn)為相互連接的“神經(jīng)元”，在輸入大量的樣本進行訓(xùn)練后，神經(jīng)網(wǎng)絡(luò)進行自我學(xué)習及模式識別，成為自適應(yīng)性質(zhì)的系統(tǒng)，從而對輸出結(jié)果進行邏輯判斷。人工神經(jīng)網(wǎng)絡(luò)適用于醫(yī)用計算機輔助診斷，理論上來說，只要用于機器學(xué)習的病例樣本足夠多，對疾?。ㄈ缒c癌、肝癌等）特征點的抓取、識別和判斷就越趨于正確。筆者曾應(yīng)用誤差反傳算法神經(jīng)網(wǎng)絡(luò)（backpropagation neural network）算法開發(fā)肝癌數(shù)字減影血管造影（digital subtraction angiography, DSA）圖像計算機輔助診斷系統(tǒng)[2]，也曾運用美國MathWorks公司出品的Matlab軟件的“神經(jīng)網(wǎng)絡(luò)、樣條擬合”模塊，預(yù)測消化內(nèi)鏡的五年消毒合格率[3]。

3 醫(yī)療應(yīng)用與前景

神農(nóng)氏嘗百草后有了白胡子老郎中端坐藥房的典型老中醫(yī)，近代分門別類的西醫(yī)大量采用內(nèi)鏡等開展微創(chuàng)手術(shù)，百年醫(yī)療掀起了巨變。AlphaGO此次橫空出世引燃了培育多年的AI行業(yè)[4]。在可以預(yù)見的未來，大數(shù)據(jù)與人工智能將改變各行各業(yè)，醫(yī)療、金融和保險是3個將面臨變革最深遠的行業(yè)[5]。

臨床醫(yī)生可以通過層次索引和增強神經(jīng)網(wǎng)絡(luò)檢索診斷相似病例[6]；運用誤差反傳算法（backpropagation, BP）建立神經(jīng)網(wǎng)絡(luò)循環(huán)系統(tǒng)疾病死亡人數(shù)的預(yù)報模型[7]；通過比對脈搏信號分類識別高興、憤怒、平靜和悲傷4種情感狀態(tài)[8]。管理人員能采用向量空間模型法建立非收費醫(yī)療耗材的規(guī)范分類[9]，通過徑向基函數(shù)（radial basis function, RBF）神經(jīng)網(wǎng)絡(luò)分析子宮肌瘤患者的住院費用[10]。醫(yī)療科研人員可通過人工神經(jīng)網(wǎng)絡(luò)的醫(yī)療氣象預(yù)測模型,為心血管疾病的醫(yī)療氣象預(yù)報提供科學(xué)參考[11]。

人工智能目前仍是早期階段，還沒有辦法創(chuàng)造出主動式的意識，谷歌承認未來幾年內(nèi)也很難見到可以上市帶來真金白銀的產(chǎn)品。目前醫(yī)療領(lǐng)域的人工智能基本是經(jīng)驗式學(xué)習，主要是人體四肢功能的擴展，還未達到AlphaGo自主學(xué)習的高度。我國智能醫(yī)療的運用很多處于學(xué)位論文實驗階段，臨床突破較少。解決問題（Problem-solving）的智能機器，有知覺有自我意識并最終解放人腦力勞動的未來智能醫(yī)療，其路漫漫且大有可為。

以心電圖為例，如果運用AlphaGo，不僅能通過學(xué)習自動識別心電圖曲線，還能模仿人類神經(jīng)網(wǎng)絡(luò)根據(jù)亞洲人、歐洲人不同體征進行抽象思維，優(yōu)化提高判斷的準確性。AlphaGo后繼者，DeepMind Health公司的Streams目前正在皇家自由醫(yī)院進行試點，Streams幾秒鐘便能查看存在急性腎臟損傷風險患者的驗血結(jié)果，并對患者的治療方案進行優(yōu)化。IBM的“沃森”機器人正在閱讀大量醫(yī)療日志，在美國一家醫(yī)院學(xué)習像一名醫(yī)生那樣正確診斷疾病，它將基于患者癥狀給醫(yī)生提出重要治療建議[12]。谷歌DeepMind計劃將AlphaGo和醫(yī)療、機器人等結(jié)合,開發(fā)一款醫(yī)生或患者說出癥狀后在互聯(lián)網(wǎng)上搜索醫(yī)療信息、尋找診斷和處方的人工智能應(yīng)用程序，必能將診斷準確度得到劃時代性的提高。將Alpha Go搭載于機器人身上，就能制造出觀察人類感情的家庭用機器人。未來，人工智能、互聯(lián)網(wǎng)、大數(shù)據(jù)、云計算、手術(shù)機器人、VR、3D打印、納米離子平臺以及基因工程等這些先進技術(shù)都將成為醫(yī)生的得力助手，而非對手。

[1]Silver D, Huang A, Maddison CJ, et al. Mastering the game of Go with deep neural networks and tree search[J]. Nature, 2016,529(7587): 484-489.

[2]唐靜波. BP神經(jīng)網(wǎng)絡(luò)在肝癌數(shù)字減影血管造影診斷中的應(yīng)用[J]. 中華生物醫(yī)學(xué)工程雜志, 2009, 15(1): 55-57.

[3]何獻忠. 消毒級內(nèi)窺鏡的消毒合格率分析與預(yù)測[J]. 中國醫(yī)學(xué)工程, 2009, 17(3): 231-232.

[4]汪蕾. AlphaGo大勝背后:人工智能產(chǎn)業(yè)化尚未成熟[N]. 中國企業(yè)報, 2016-3-15(13).

[5]彼得·迪亞曼迪斯. 將會被人工智能和大數(shù)據(jù)重塑的三個行業(yè)[J]. 中國青年, 2015, (23): 41-41.

[6]趙衛(wèi)東. 基于神經(jīng)網(wǎng)絡(luò)的案例推理醫(yī)療診斷[J]. 東南大學(xué)學(xué)報(自然科學(xué)版), 2000, 30(3): 46-50.

[7]張瑩, 邵毅, 尚可政, 等. 人工神經(jīng)網(wǎng)絡(luò)在循環(huán)系統(tǒng)疾病死亡人數(shù)預(yù)報中的應(yīng)用[J]. 衛(wèi)生研究, 2014, 43(5): 774-778.

[8]楊超. 基于改進的EMD脈搏信號特征的情感識別方法[D]. 重慶:重慶理工大學(xué), 2015. 1-41.

[9]謝海源. 人工智能技術(shù)在醫(yī)療耗材分類中的應(yīng)用研究[J]. 中國醫(yī)療器械雜志, 2014, 38(5): 386-388.

[10]高棟. 基于RBF 神經(jīng)網(wǎng)絡(luò)的子宮肌瘤患者住院費用分析[J]. 現(xiàn)代醫(yī)藥衛(wèi)生, 2015, 31(21): 3358-3360.

[11]高磊. 基于人工神經(jīng)網(wǎng)絡(luò)的心血管疾病醫(yī)療氣象預(yù)警模型設(shè)計[D]. 濟南:山東大學(xué), 2010. 1-54.

[12]謝紅生. 計算機、大數(shù)據(jù)與醫(yī)、護專業(yè)發(fā)展趨勢[J]. 貴陽學(xué)院學(xué)報( 自然科學(xué)版), 2015, 10(3): 72-76.