人工智能辅助医学治疗

今年夏天，Riva Melissa Tez在网上搜索治疗她父亲的方法。她的父亲在中风后就陷入了昏迷，她在考虑医生给她的建议–要么就给父亲播放母语音乐，如此使他与这个世界继续保持联系；要么就给父亲服用氟苯氧丙胺，该药物在去年拿老鼠做过实验，也许可以提升恢复的机率。她想，医生们每天都在忙着挽救生命，他们不可能实时跟进最新的研究成果。

她把她的担心告诉了医生，这些医生也在考虑，他们是否在每天发表的250万篇科学论文中错过了什么。像MedCalc和UptoDate这样在医学界很有名的网站，都是医生咨询诊断标准以及检查治疗指南的权威平台。但是获取研究成果的方法仍有很多改进的余地，有些人相信人工智能可能是科学过载的解决方案：机器学习助手可以读入发表的论文，从中提取信息，最后将相关发现突出显示。

去年，Iris公司发布了上述机器注释的第一个版本。该机器可以阅读论文的概述部分，与所需的关键概念进行匹配，从而在论文中定位到与该概念相关的内容。它为一个给定主题的科学研究的信息获取提供了一个快速途径。当你不确定研究方向的确切关键词时，该机器尤为有用。艾伦人工智能研究所最近也推出了一款新的搜索引擎，叫Semantic Scholar，该搜索引擎可以在无关键字的情况下进行高效搜索。

“其中一个需要解决的问题是从鱼龙混杂的数字储藏仓中搜索信息，并将它交到研究者手中，”IrisCEO, Anita Schjøll Brede说。她说，她的工具使得搜索文献变得十分简单，特别是对于做跨学科的研究者来说。在未来三年内，该公司计划做一个更先进的版本，它可以记住你上周读过的论文，并根据你的研究方向给你推送最新的研究成果。在未来十年中，她希望人工智能将强大到凭借自身对文献的阅读和理解，就足以发现新的概念或方向。

Iris的机器学习方法是学科无关的。它不关心你究竟是寻找癌症相关还是复合材料相关的研究内容。但也有其他公司专门致力于医学研究。IBM则将人工智能技术应用到了高风险的癌症治疗领域，推出了一款名为Watson for Oncology的应用，该应用是由Memorial Sloan-Kettering癌症中心的肿瘤学家进行训练的。它通过借鉴论文，患者数据，和临床试验，来帮助广大癌症专家跟上该领域发展的步伐。

IBM的应用程序不能扩展到其他医疗领域，而Iris的机器目前也只是提升了文献的组织和访问效率。对于一个典型的医生和一个例行访问，只是找到对口的研究论文是不够的：必须有人阅读和理解这一研究。“这是一个巨大的问题，”一个纽约医生Setareh Alipour说。“科学研究的数据变得如此巨大，甚至是专家级的医生也无法获知他们领域的一切进展。我说的是很大很权威的研究数据，而不是小的或不可靠的数据。”

科学文献应该在临床实践方面进行拓展，所谓的“循证医学”的思想相对于“实践你在医学院的学习”这种传统的思想来说，是一个较新颖的想法。医师的知识并不总是最新的：在美国只有约一半的患者能够接受到最理想的治疗。任何可以弥合知识的鸿沟或是辅助跟进新的科学成果的努力都会被医生所欢迎。“如果一台机器可以做我的可靠且智能的大脑，我愿意接受它，”Alipour说。

Tez的父亲已经从昏迷中苏醒过来，目前正在康复中。但她在网上找到的一些论文却激起了呼叫医生的兴趣，他们将其打印出来并放在了神经内科病房的告示板上。这件事情之后，人工智能集中风险资本基金排名会的联合创始人Tez，已经对未来带有医学思想的机器设想了很多。

她想象，一个人工智能医生助手可以将你的所有信息，包括你的症状，病史等放入一个共享的电子健康信息档案中，与最新的治疗建议相结合，给你推荐最合适的治疗方法。它也可以将可能有用处的新的研究成果推送给你的主治医生。“与医学研究和人工智能应用相关的问题是，在人工智能领域工作的人不了解医学，”Tez说。就如IBM与那些医疗领域专家合作的那样，如果有一个能提高医疗保健的人工智能解决方案，它很可能是从医学专家和计算机专家之间的合作中得出的。