DeepMind聯(lián)合創(chuàng )始人：AlphaGo之后，AI拯救落后醫療

智能醫療過(guò)去20年來(lái)發(fā)展緩慢，但在A(yíng)lphaGo名利雙收之后，谷歌DeepMind宣布進(jìn)軍醫療，是什么讓這家公司敢于“啃這塊硬骨頭”？

【編者按】本文由新智元編譯，來(lái)源：Business Insider、Guardian、TechCrunch，譯者：胡祥杰、李靜怡

智能醫療過(guò)去20年來(lái)發(fā)展緩慢，但在A(yíng)lphaGo名利雙收之后，谷歌DeepMind宣布進(jìn)軍醫療，是什么讓這家公司敢于“啃這塊硬骨頭”？DeepMind聯(lián)合創(chuàng )始人、DeepMind Health負責人Mustafa Suleyman日前發(fā)表演講，表明其宗旨是“永遠跟隨一線(xiàn)醫護人員”（Always be clinicians led）。NHS公共醫療數據風(fēng)波時(shí)，DeepMind Health也明確自己只作為“數據處理器”。服務(wù)于醫護人員而非病患，或許是DeepMind這個(gè)智能醫療新玩家最大的不同。

根據埃森哲最新報告預計，數字化醫療每年將為美國疾病診療開(kāi)支節約100億美元。其中，改善最大的領(lǐng)域將是提高醫生問(wèn)診病人的數量（PCP）。上圖說(shuō)明了使用數字化醫療解決方案，將為主治醫生問(wèn)診病患平均節約5分鐘時(shí)間，由此節省的經(jīng)濟價(jià)值超過(guò)70億美元。

當前，醫療領(lǐng)域正在經(jīng)歷從技術(shù)引導、體力勞動(dòng)為主的模式向以人為本、數字化驅動(dòng)的新模式轉型。隨著(zhù)精準醫療計劃的提出，健康醫療領(lǐng)域“以人為本”、“個(gè)性化”、“定制醫療”這類(lèi)的詞語(yǔ)出現得愈加頻繁。將來(lái)，每個(gè)人都有適合自己的疾病治療乃至預防保健方案。

不過(guò)，最近大舉進(jìn)軍醫療領(lǐng)域的DeepMind卻認為，智能醫療應當以工作在第一線(xiàn)的醫護人員為本。

今年2月份，谷歌DeepMind宣布成立DeepMind Health，與英國國家醫療服務(wù)體系（NHS）的倫敦帝國理工學(xué)院、倫敦皇家自由醫院（Loyal Free）展開(kāi)合作。根據雙方簽署的協(xié)議備忘錄，DeepMind Health和皇家自由醫院簽訂的合作期為5年，DeepMind會(huì )獲得與急性腎損傷（AKI）檢測直接相關(guān)的數據，以及合作機構過(guò)去3年的病人名字、NHS數、MRN、出生日期等數據的使用。

這引發(fā)了好幾輪針對病人數據隱私安全的討論，連英國政府調查也牽涉進(jìn)來(lái)。DeepMind Health 在一份聲明中稱(chēng)：在這種情況下，共享數據是必要且妥當的做法……如果醫護人員不能很好地獲取信息，就有可能為病患帶來(lái)危險……DeepMind Health將且僅將處理數據。

上周，DeepMind聯(lián)合創(chuàng )始人、DeepMind Health 負責人的Mustafa Suleyman在倫敦的國王基金會(huì )（King's Fund）發(fā)表演講。Suleyman介紹了DeepMind是怎樣與NHS展開(kāi)合作的，他還解釋了從長(cháng)遠看來(lái)，人們可以從這一合作中期待什么。

DeepMind：發(fā)展通用人工智能

DeepMind聯(lián)合創(chuàng )始人Demis Hassabis曾多次在公開(kāi)場(chǎng)合表示，DeepMind的目標是發(fā)展通用人工智能。Suleyman也在演講中提到，DeepMind的業(yè)務(wù)是獨立于谷歌的，其主要目標是創(chuàng )造能自我思考的軟件，為了實(shí)現這一目標，DeepMind利用多個(gè)大型數據庫，來(lái)幫助訓練DeepMind的AI系統怎樣去執行特定的任務(wù)。

Suleyman表示，一切都是從一個(gè)智能體開(kāi)始。你可以把一個(gè)智能體看成是機器人手臂或無(wú)人駕駛汽車(chē)和推薦引擎上的一個(gè)控制系統。智能體有明確的目標，并且會(huì )不斷嘗試進(jìn)行優(yōu)化。人類(lèi)會(huì )手動(dòng)為這些目標編代碼，這也是我們給予智能體唯一的東西。

在一些環(huán)境中，智能體能夠采取一系列的行動(dòng)，并嘗試獨立和自動(dòng)地進(jìn)行交互。作為智能體與給定環(huán)境相互作用的結果，環(huán)境本身會(huì )反饋一些觀(guān)察報告，反映其狀態(tài)發(fā)生了什么變化。當然，智能體能夠從環(huán)境的反饋中進(jìn)行學(xué)習。所以，它們真的是從反饋或者增強的學(xué)習過(guò)程中進(jìn)行學(xué)習的。

《新科學(xué)家》獲取的DeepMind與NHS之間的協(xié)議 Memorandum of Understanding（MoU）?？梢钥闯?，DeepMind Health想要發(fā)展的是通用智能算法。

永遠跟隨一線(xiàn)醫護人員

谷歌DeepMind想要做的，是用AI驅動(dòng)的軟件幫助醫生。近期來(lái)說(shuō)，則是幫助醫生及早發(fā)現疾病的早期信號。實(shí)際上，在DeepMind Health剛剛成立時(shí)，負責人Suleyman在Bloomberg采訪(fǎng)時(shí)就表示，DeepMind Health的雄心是開(kāi)發(fā)出能讓醫生更好地處理數據的工具。

Suleyman說(shuō)：“關(guān)于醫療，最值得注意的是，如果我們能成功地把尖端和現代的技術(shù)運用到其中的話(huà)，其改進(jìn)的空間是非常大的。”

“實(shí)際上，我認為從技術(shù)的角度看來(lái)，世界上再沒(méi)有一個(gè)領(lǐng)域像醫療一樣離前沿技術(shù)那么遠了。如果我們成功了，就意味獲得了一個(gè)巨大的機會(huì )，進(jìn)而產(chǎn)生積極的影響。正如許多人指出的那樣，在過(guò)去的20年間，健康醫療領(lǐng)域使用技術(shù)時(shí)遇到的失敗案例已經(jīng)太多了。”

“我想，在這樣的背景下，我們確實(shí)需要思考，我們能帶來(lái)什么不一樣的東西。當然，我們有機器學(xué)習和人工智能，但是，我認為，其中大部分取決于我們開(kāi)發(fā)軟件的方法，以及你要如何把病人和醫生推到技術(shù)的最前線(xiàn)。”

DeepMind Health開(kāi)發(fā)的Stream，一款能讓醫生實(shí)時(shí)檢測病人血液數據的App。這款App所使用的技術(shù)由DeepMind收購的英國醫療初創(chuàng )公司Hark研發(fā)。目前這款App并沒(méi)有使用機器學(xué)習算法，因此也飽受詬病。Suleman表示，現階段DeepMind Health的人物主要是與醫生建立信任關(guān)系，之后會(huì )添加智能功能。

“我們花費了大量的時(shí)間，走入病房，和護士進(jìn)行交流，嘗試觀(guān)察護士是如何工作的，我們希望能發(fā)現他們所面臨的挑戰，盡可能多地獲得見(jiàn)解，然后立即開(kāi)始開(kāi)發(fā)一些東西。盡可能快地，我們希望展示一個(gè)粗略的設計應該看起來(lái)是什么樣的：先是有一些線(xiàn)框，隨后進(jìn)一步改進(jìn)，測試，再然后，我們開(kāi)始設計解決方案，進(jìn)行嘗試和衡量、建造和學(xué)習、再然后是修正和重復。以非常非?？斓难h(huán)來(lái)做這些事。”

“所以，在去年9月和10月，在我們與第一名護士見(jiàn)面，并與Royal Free見(jiàn)面后的三個(gè)星期內，我們有了一個(gè)工作模型。因為還沒(méi)有與任何數據連接，所以，醫生和護士能指出某一個(gè)按鈕放錯了位置，某一個(gè)顏色很難辨認，或者某個(gè)菜單的級別排錯了諸如此類(lèi)的問(wèn)題。我們能立即獲得反饋，做出醫生和護士告訴我們他們希望看到的東西。”

“這就是我們的信條，ABC（Always be clinicians led，永遠跟隨一線(xiàn)醫護人員）。所以，我們將要開(kāi)展的每一個(gè)簡(jiǎn)單的項目，以及我們目前已經(jīng)在做的項目，都是由護士或者醫生帶來(lái)的，他們對于這些項目怎樣可以改變他們的日常工作，以及技術(shù)解決方案如何才能起作用，都有著(zhù)自己的主意和見(jiàn)解。”

那么，病人看護怎樣才能更好地獲得技術(shù)的支持？顯然，改進(jìn)的機會(huì )還有很多。每10個(gè)病人中，就有至少1個(gè)在醫院里遭受過(guò)傷害，這些傷害中，有一半都是完全可以預防和阻止的。在這些案例中，對病人病情惡化的探測，實(shí)際上都是延遲的。而這是溝通和協(xié)作的問(wèn)題。

我認為，由于目前存在的局限，絕大多數具有價(jià)值的數據都只是在紙和圖表上，還沒(méi)有被記錄、追蹤或者存檔。目前還沒(méi)有可審計的日志，讓人可以證實(shí)被發(fā)出去的紙上的信息，以及發(fā)出去的日程提醒上的信息。

所以我認為，有兩個(gè)病人安全上的核心難題，構成了我們在DeepMind健康醫療部所做的全部事情。第一個(gè)是，我們怎樣才能更好地發(fā)現哪些病人的病有惡化的風(fēng)險，這些惡化大部分都是實(shí)時(shí)發(fā)生的。第二個(gè)是，一旦我們確定了哪一個(gè)病人存在病情惡化的風(fēng)險，我們怎樣才能真正地進(jìn)行干預。我們不想最終只是發(fā)表一份報告，建議對病房的設施進(jìn)行而已。我們真正想做的是，在現實(shí)中運用科技，讓醫生可以在對病人進(jìn)行階梯治療和干預時(shí)可以做得更好。

DeepMind Health 具體在做什么

DeepMind與NHS在兩個(gè)主要的項目上進(jìn)行合作。第一個(gè)涉及幫助醫生發(fā)現急性腎損傷（AKI），第二，就是上周公布的，使用機器學(xué)習來(lái)發(fā)現眼疾。

Suleyman說(shuō)，我們在病人安全上面臨的難題，第一個(gè)是，更好的探測。在過(guò)去12個(gè)月甚至更長(cháng)的時(shí)間中，我們研究了急性腎損傷的問(wèn)題。這是一個(gè)非常重要的難題。所有入院病人中，有25%的人都表現出了不同程度的急性腎損傷的問(wèn)題，并且，每年，在英國有超過(guò)4萬(wàn)人因為急性腎損傷住院。據估計，這些病例中，有近20%是可以預防的。治療這些病人的花費可達到15億歐元。

所以，在2年前的2014，NHS England 發(fā)布的一份病人安全警告規定在醫院中實(shí)施急性腎損傷算法。

我們做的第一件事是嘗試在用戶(hù)每天的生活中進(jìn)行觀(guān)察。我們深入到Royal Free醫院，找到了具體的方法，從病人當天的反饋中學(xué)習經(jīng)驗。事實(shí)證明，這真的是非常非常復雜的。

在病人獲得治愈的可能道路上，有許多不同的階段。我們注意到的是，在我們錯過(guò)的關(guān)鍵性的惡化階段，存在著(zhù)各種各樣的生命危險和復雜的情況。所以，我們想要做的是，退一步，看看我們能不能更早地進(jìn)行干預，做出更好的風(fēng)險評估，更加實(shí)時(shí)的預防和監管，然后重新引導病人走向通往完全康復的道路。

一旦我們把這些分解為這些步驟，我們和醫生在關(guān)鍵性的干預機會(huì )究竟存在于何處這一問(wèn)題上就擁有了一個(gè)共享的視野。

作為回應，我們開(kāi)發(fā)了Stream 應用程序，這是我們的AKI預警系統，基于血液檢測結果。

這是目前為止我們所做的非常簡(jiǎn)單的干預，把其真正的關(guān)注點(diǎn)聚焦于一個(gè)非常具體的條件——使用血液測試結果。我認為，這對我們來(lái)說(shuō)是一個(gè)真正的機會(huì )，會(huì )讓我們走得更遠，把這一方法拓展到更加寬泛的以病人為中心的合作平臺上。

重要的是，這讓我們掌握了實(shí)時(shí)監測存在病情惡化風(fēng)險的病人的能力，而這還只是挑戰的一部分。下一個(gè)我們需要掌握的能力是進(jìn)行階梯治療和更好的干預，這也是信息和評論變得如此重要的原因。以X光為例，在軟件上，我們可以看到一位注冊用戶(hù)能夠對并檢測報告中的X光部分進(jìn)行評論，并通過(guò)呼吸系統專(zhuān)家的咨詢(xún)，來(lái)獲得專(zhuān)家的觀(guān)點(diǎn)。

這樣的交換能夠以一種可計算的方式發(fā)生，如果有必要的話(huà)，我們可以相互證實(shí)資深的醫生說(shuō)了什么，接下來(lái)應該采取什么行動(dòng)。

另外，獨立于這種方法，我們現在也開(kāi)始啟動(dòng)一個(gè)研究項目，想看看我們的機器學(xué)習和AI技術(shù)是否能切實(shí)在某些方面幫助病情的診斷。

一個(gè)比較重大的發(fā)現是，如果你患有糖尿病，那么你失明的概率是正常人的25倍。但是，有意思的是，由于糖尿病視網(wǎng)膜病變導致的幾種類(lèi)型的失明，可以通過(guò)早期的探測進(jìn)行預防，所以，我們想的是，怎樣才能在更好、更實(shí)時(shí)的放射線(xiàn)檢查進(jìn)行分類(lèi)時(shí)發(fā)揮作用，讓更加靈敏的分診成為可能，在這中間，要求病人有更加實(shí)時(shí)的回應。

當下的現實(shí)是，如果由人類(lèi)來(lái)完成這個(gè)工作，診斷報告會(huì )出現滯留，也就說(shuō)，在醫院中，四周之內，診斷結果都是不能獲取的。在不同的級別間，也缺乏一致性。一些時(shí)候，報告會(huì )錯過(guò)一些敏感的變化，在糖尿病視網(wǎng)膜病變 和AMG (年齡相關(guān)性黃斑病變)。

有了機器學(xué)習，我們希望可以做的一件事是，在即時(shí)的結果中進(jìn)行更快的處理，同時(shí)保持更高的一致性和更加標準化的表現。

我認為，這也能幫助我們理解，通過(guò)調整一些我們認為標準的變量，將會(huì )讓我們增加自己的專(zhuān)一性。這還是一個(gè)很早期的工作，但是，我們會(huì )公開(kāi)所有的工作，包括我們的算法，我們的方法論，以及技術(shù)上的實(shí)施。所以，當我們準備好了以后，你會(huì )聽(tīng)到更多關(guān)于這些研究的消息，可能會(huì )是在今年年底。

最后，記得關(guān)注微信公眾號：鎂客網(wǎng)（im2maker），更多干貨在等你！