过去十年，深度学习为人工智能的发展提供了契机。再加上并行计算（parallelcomputing）的快速处理能力和对海量数据的训练，人工智能在很多领域得到了应用。可应用于语音、图像识别、人脸识别、语言翻译、自动驾驶等多种场景。但是，医疗领域不同于上述场景。后者已经有大量的标注数据，而前者则没有。医学博士AbrahamVerghese表示，如果人类要克服这一障碍，就必须更多地挖掘人工智能的潜力。发展的关键是如何让机器摆脱对标记数据的依赖，具备人脑的学习能力，将一个领域的知识应用到另一个领域。此外，虽然人工智能颇受争议，但其所能带来的优势也十分可喜。医学博士EricJ.Topol认为，这些优势将很快导致医院发生许多变化。人工智能未来将面临的挑战获取人类的学习方法未来人工智能将面临诸多挑战，其中最重要、最关键的就是如何获取人类的学习方法。目前人工智能的学习方式是“监督学习”，即研究人员需要将标记数据输入到他们的程序中进行学习和训练。显然，“监督学习”不是人类的学习方式。人类的学习方式是“迁移学习”，即将一个领域的知识应用到另一个从未接触过的领域。这就是“学习”的真正含义。如果一个人在一个有限的领域所学到的知识不能应用到其他领域，就说明他还没有学到那个领域的基本抽象概念。目前，人工智能过于依赖计算机模型而不是真实环境。以糖尿病视网膜病变为例，在计算机模拟的实验室环境中，研究人员进行了4组实验，诊断数据的准确率高达98%~99%。但在临床试验中，准确率下降到90%左右。从计算机到真实环境，原始数据集的准确率呈下降趋势。如果人工智能的发展停留在监督学习阶段，未来计算机模拟数据与临床数据的差异将进一步扩大。因此，如何摆脱监督学习，或者说如何实现知识迁移学习，是未来10年人工智能技术取得突破的关键。自然语言处理到2020年，大多数临床医生每与患者相处一小时，就会花2小时处理电子病历，他们每晚还会花1小时处理电子邮件。Verges表示，现在人工智能和视网膜病变的诊断已经取得突破，是时候应对电子文本对医生工作的不断干扰了。他认为人工智能中的自然语言处理技术（NaturalLanguageProcessing，NLP）可能有所帮助。所谓自然语言，其实就是人类使用的语言。文本转录是自然语言处理的进步之一。梅兰妮·米切尔（MelanieMitchell）是人工智能领域的专家，《人工智能：人类思维学习指南》（人工智能：人类思维指南）的作者，目前就职于圣达菲研究所（SantaFeInstitute，SFI）和波特兰州立大学.她的哥哥曾经是一名病历员，每天的工作就是按照医生的口述记录病历。但现在，这项工作已被自然语言处理系统接管。米切尔说，这是医学上的一个巨大进步，因为它证明了蛮力统计是一种有效的方法。之所以称为“蛮力”，是因为自然语言处理系统无法理解人类语言，但仍可以转录。其实不同语言之间的翻译也是一样——翻译好的软件有很多，也是用“暴力统计”的方法。然而，“暴力统计”并不是自然语言处理技术的终结。米切尔认为，真正的自然语言处理技术可以满足更多的需求，包括真正理解人类语言，比如IBMWatson技术平台。如果您没有时间阅读所有已发表的医学文献，IBMWatson可以在阅读指定文献后回答您的问题。为此，IBMWatson需要理解文献的内容，而“理解”文本比翻译或简单的文本转录要困难得多。米切尔表示，这个“理解”目前还不确定是什么，但有一点非常清楚，那就是“理解”并不是人工智能技术真正的终点，甚至可以说是很遥远。复制危机2020年初，中国研究人员发布了一个模型，可以预测新冠肺炎确诊患者的死亡率，准确率超过90%。该模型选择了3个标志物，即C反应蛋白、淋巴细胞计数和乳酸脱氢酶。2020年12月中旬，美国、荷兰和法国的三份研究报告发表在《自然》子刊《机器智能》（NatureMachineIntelligence），否定了此前中国的研究。研究人员在对本国确诊新冠肺炎的患者进行检测后发现，如果用中国研究中的三种标志物来预测死亡率，准确率不到50%。这就是“复制危机”。复制危机是医学界普遍存在的问题。可能有人认为计算机处理比人工处理更客观，所以复制危机的解决可以依靠计算机，但事实并非如此。计算机系统、数据本身、数据处理过程等方面都有各种影响因素。研究人员可能认为计算机已经排除了影响因素，但有一些影响因素是研究人员完全没有想到的。因此，要复制别人的研究成果是极其困难的。现在，为了尽可能避免复制危机，一些权威期刊要求研究人员在发表文章之前提供研究数据的全部细节，包括如何开展研究。但在人工智能领域，人工智能专家并没有接受过这种属于其他领域的训练，也没有办法系统地研究统计学，避免科研成果不可复制。因此，“复制危机”成为人工智能在医疗实践中应用的新障碍。人工智能与医学的融合趋势很多人可能会问，“人工智能带来了这么多的问题和威胁！为什么要研究人工智能？”米切尔表示，这些质疑是有道理的，但不可否认的是，人工智能可能带来的优势，尤其是在医学上的应用，也同样令人惊叹。而且，这些优势很快就会让医院发生很多变化。Topol表示，随着自然语言处理技术的不断发展，在键盘上键入文字的形式将首先从医学领域消失。随着键盘的消失，医生和患者可以进行真正的对话，共度更多时光。从长远来看，人工智能的数据和算法将不断扩大其可验证的空间，并最终成为可复制的。当然，这离不开人的监督。除了对医院的好处之外，人工智能还有其他惊人的潜力。例如，偏远地区的居民可以获得与城市居民相同的医疗服务；老年人可获得与年轻人相同的疗效；行动不便的人可以获得与健康人相同的定期护理体验；远程医疗等。另外，未来人工智能算法会给患者更多的尊重。届时，患者数据将不仅仅掌握在医生和护士手中。作为数据生产者，患者也可以通过传感器、电子病历等多种方式查看和了解自己的诊疗数据。米切尔表示，科技的立足点始终在“人”上，人工智能技术更多地作为辅助工具，拓宽医生诊断、治疗和护理的能力，为患者提供更好的医疗服务。人工智能技术可以给医生带来很多帮助，不会对医生这个职业构成威胁。
