健康界|| 深度，AI不能“取代”医生给我们看病，这并不是因为AI不够强大约翰霍普金斯医学院的娜塔莉·特拉雅诺

约翰霍普金斯医学院的娜塔莉·特拉雅诺娃（NatalieTrayanova）教授，刚刚度过了魔鬼一般的一年。在外人看来，她的科研道路仿佛是一帆风顺。她带领的心血管造影技术团队拿着来自美国国立卫生研究院（NIH）的研究基金，过去三年光论文就发表了50多篇；她的项目还频频在媒体上曝光，她本人甚至被邀请到TEDTalk上做演讲。然而，当她着手将这套“领域内前所未有的解决方案”向临床应用推进的时候，却遭遇了前所未有的困难。

文章图片
YourPersonalVirtualHeart|NataliaTrayanova|TEDxJHU
她的方案在临床上的首要任务是治疗心颤。所谓心颤，指的是心脏不再有规律地按照周期跳动，而是无规律地快速“颤抖”；轻度的心颤有时本人都感觉不到，但严重的心颤可以让在几分钟内夺人性命。你可能在商场、路边或者影视作品里见过仪器装在红色盒子里，上面写着“AED”三个大字，还可能有红色的心形和闪电标记，这就是自动化的电除颤仪，依靠放电的办法结束心颤。这样的设备已经拯救了很多心脏病突然发作的人。
不过等到心颤发生再采取除颤，还是稍微有点晚。医学研究者开发出了一种心脏除颤手术，找到那些引发心律不齐的微小心肌纤维，把它们切除，从而根本上解决问题。麻烦的是，这些微小心肌纤维很难找，很大程度都靠医生经验，经常切不准地方还会误伤正常的部分。
特拉雅诺娃实验室就开发了一套结合了影像和人工智能的心脏造影方案，构建出全息3D的心脏模型，重建每一束心肌纤维、模拟心脏动态，精确地找出病灶，让手术“指哪打哪” 。 “我们还能顺便用这个影像，给心脏做3D打印，送给病人做留念。 ”来自保加利亚、已经在这个领域摸爬滚打了三十多年的特拉雅诺娃谈起自己的技术，仍然是一脸兴奋。而最近兴起的人工智能技术，更是有希望为这个技术添砖加瓦——例如，使用机器学习提高图像精度，优化计算流程，把时间和成本大幅降低。
然而，谈到实际应用的前景，她的乐观减少了大半。病人的各类实际需求，总是不能与技术设计完美结合，她不得不一周三天跑医院、两天跑实验室，与医生和工程师反复沟通。更大的挑战来自美国食品药监局（FDA），任何一项技术想要投入应用，都免不了和FDA大战三百回合；要是不能将研究成果转换为审批标准，发了再多论文都相当于白做。 “还不知道什么时候会通过审批。 ”她对我说， “明年或者后年吧？希望如此（Hopefully），希望如此。 ”
“希望如此” ，成了她挂在嘴边的口头禅。在人工智能计算能力大幅提升的今天，乐观派们认为AI接管医院只是时间问题，然而从实验室到医院的这段路，依然困难重重。
AI能对疑难杂症做出独立诊断吗？
“你拿一万张猫的图片训练一个机器，机器能够非常迅速地判断眼前的图片是否是猫， ”约翰·霍普金斯生物工程教授杰弗里·希维尔德森（JeffreySiewerdeson）给我打了个比方， “但你要让机器从一张元素繁多的图片里找猫，难度就指数级增大了。 ”
他的实验室曾经是约翰·霍普金斯医院的病房，墙上还残留着当年的病床支架和插座。如今的实验室已经远离了医院的喧闹，被各类计算机和影像仪器所占据。生物医学领域，基于机器和数据，而不用和湿漉漉的培养基或组织器官打交道的“干科学”（dryscience）逐渐成为了领域热门。据医药研究机构SignifyResearch的数据预测， 5年内光医疗影像和AI这一个细分领域的市场就将超过20亿美元，其中深度学习技术更是占据了半壁江山。