打败智力竞赛冠军后，机器人将取代医生？

文 / Miggy Chang

苹果的 Siri、微软的 Cortana，或 Google的 OK Google 都是日常生活中常接触到的人工智能，人们在闲暇时将它们当作聊天对象，并惊艳于它们能在短时间内对问题进行快速检索并解答的能力。近年来，随着人工智能科技不断“自我提升”，触角也伸向了更专业的领域。

人工智能大放异彩

人类和机器人，究竟谁比较聪明？至今尚未有明确定论。当人工智能于 1956 年在达特茅斯会议 ( Dartmouth Summer Research Project on Artificial Intelligence) 首次问世，IBM 始终致力耕耘此一领域，如 1997 年的 Deep blue 击败当时的国际象棋冠军 Garry Kasparov，另一人工智能 Waston 于 2011 年美国哥伦比亚广播公司的 Jeopardy！智力问答比赛中，战胜最高奖金得主 Brad Rutter 和连胜纪录保持人 Ken Jennings， Watson 因此一战成名。根据 IBM 官方表示，“ Watson 是目前地球上唯一能在 3 秒内回答 Jeopardy! 问题的电脑，速度足以媲美全世界最强的人类参赛者。”2016 年，人工智能 AlphaGo 在韩国首尔举行的围棋大赛中击败世界棋王李世乭，震惊全球，才让人们开始思考，不断自我进化的人工智能是否有一天能在更高度专业的领域 (如医疗) 占有一席之地 ?

Alphago 对战世界棋王李世乭，来源：http://news.ltn.com.tw/news/world/breakingnews/1633197

Watson 在医疗领域的应用

近年来，它最新的成就是在 2016 年８月８日的日本东京大学， Watson 在 10 分钟内比对 2,000 万份癌症研究论文，诊断出一位让群医束手无策的 66 岁女性罹患罕见的白血病，并提出适当的治疗方案，最后该患者也顺利痊愈出院。

在太平洋的彼端，位于纽约、历史悠久、规模庞大的私立癌症中心之一的 Memorial Sloan-Kettering Cancer Center 也利用该院的肿瘤数据来训练 Watson 的机器学习能力，以提高其在癌症诊断的预测和分析能力。 Watson 是一台拥有人工智能且不断更新数据的超级电脑，可透过学习大量的医学论文，处理庞大的医疗健康数据，在有限时间内协助医生寻找合适的治疗方法、药物、临床实验和医学影像。近 40 年来，临床决策支援系统不断致力于改善临床医生知识的侷限，减少人为疏失，帮助病人找到最佳治疗决策。一般来说，临床决策支援系统包含诊断辅助工具（ Diagnostic Support Tools）和治疗辅助工具（Treatment Support Tools）。优秀的决策支援工具需要在短时间内整理相关数据，迅速得到结果，若是人工作业则通常需要几小时或几天来处理数据。现在透过 Watson 系统，只需要几分钟即可处理完毕。如此降低时间成本的特质，在治疗过程中可大幅减少医疗人员负担，让医疗人员有更多时间与病人互动；在药物的使用方面，则能减少药物浪费，提升整体治疗成效。

IBM 的 Watson ，来源：https://commons.wikimedia.org/wiki/File:IBM_Watson.PNG

延伸阅读：人工智能在健康产业的应用：先找到最好的问题 !

像人类一样思考-能处理结构性资料与自然语言

其实，Watson 的革新与优势并非来自新的算法，而是利用类似人类分析事物的步骤 (1.观察现象与证据 2.提出假设 3.评估假设的正确性 4.决定与采取适合的反应)，同时透过进行大量的资料分析，快速处理庞大的统计数据，以寻求正确的答案。与一般电脑不同的是，一般电脑只能处理特定结构的资讯，如存在特定数据库与数字化的资料数据。但 Watson 除了处理结构性资料，还能处理非结构性资料，即解读自然语言（如：文献、研究报告、网络资料等），而现代 80% 的资料是属于这类型，并将两者结合，互相比对找出答案，一旦发现潜在的有效解决方法，便会开始核对数据库以确认答案的可信度。

Watson 产出答案的决策过程　（图片来源：http://www.ibm.com/developerworks/library/os-ind-watson/)

Watson 如何回答问题 (如上图 1 所示)：

将自然语言收集汇整后，产生一个可用来进行搜索的问题；
Watson 利用嵌入式搜寻引擎，搜索大数据数据库来寻找相关文件；
Watson 将搜索结果汇整成自然语言，产生可能的解答（假设）： (a) 对每个假设， Watson 构建并启动搜索及收集证据支持此假说； (b) Watson 的嵌入式搜寻引擎为每一个假设搜索论据； (c) 总结搜索结果，对每个结果进行评分； (d) 对每个假设的支持论据， Watson 都给予评分。 4.最后将所有的假设输出一张答案列表，回馈给使用者。 (Reference：作者：袁钧涛（ Michael J. Yuan）, Ringful Health 首席科学家。)

Watson 于高专业领域的表现

Watson 作为一个发展中的人工智能系统，在实际应用时仍需要现实世界的大数据作为建模和改善基础。 IBM 董事长兼执行长 Ginni Rometty 在 2015 年财报中表示，以 Watson 为代表的认知系统，不同以往以程序事先定义的计算系统，Watson 透过学习现实世界的数据、资讯、知识、经验等来自我发展。因此，Watson 想要进一步工程化与产品化，就必须与外部系统互通，因为要将这样的能力扩大运用在医疗、金融、法律和学术界等其他领域时，须运用高度的专业能力及更复杂的语言词汇。目前，法律界已出现第一位人工智能的律师 ROSS，而 Watson 也同时应用于打击网络犯罪。

Watson 除了协助东京大学与 Memorial Sloan-Kettering Cancer Center，也与麻省理工学院（ MIT）及哈佛大学布罗德研究所合作，用五年的时间，蒐集全美约一万名匿名病人的肿瘤基因子据，先让研究员分析，再由 Watson 整理归纳这些数据，协助研究人员找出癌症病患产生抗药性的真正原因。
于 2016 年底， IBM 与奎斯特诊断公司 (Quest Diagnostics) 宣布合作，发布了结合认知计算与肿瘤基因体定序功能的 Watson Genomics，透过将患者肿瘤的 DNA 排序，以寻求更好的个人化医疗。此举将过去需耗费庞大人力、物力与时间的作业，交给 Waston 处理。该专案开始在纽约市区的 Memorial Sloan Kettering 和 Columbia-Presbyterian 医院进行，约 200 名患者参与。和以往只能针对 30-50 个基因的小型精准医疗专案不同，IBM 纽约基因体中心此次要探究包括全基因体定序约 22,000 基因的不同面相，同时，这也是 Watson 首次广泛地提供资料给医生及病患使用。

另外，IBM 和 Memorial Sloan Kettering共同开发的 IBM Watson 肿瘤解决方案 (Watson for Oncology)，在印度的玛尼帕尔医院 ( Manipal Hospital) 针对 638 位乳癌患者，由两个肿瘤研究团队将病患资料输入 Watson for Oncology 中，分析 Watson 的判读结果与肿瘤联合讨论会 (Tumor Board) 提出之治疗方案的差异，同时比较两者所花费的时间成本。 Watson for Oncology 输出的决策结果分为三部分：建议之治疗方案、可参考之治疗方案以及不建议之治疗方案。结果发现，Watson for Oncology 在建议与可参考之治疗方案的判读和肿瘤联合讨论会的判读具有 90% 的一致性，在非转移性病灶 (nonmetastatic disease) 判读有 79% 的一致性，而在转移性病灶之判读只有 46% 的一致性，在三阴性乳癌 (triple-negative breast cancer, TNBC) 的判读一致性是 36%，HER-2 阴性乳癌则是 35%。“这项实验不是为了比较谁的正确性更高，所以我们并没有决定两者的优劣。”研究人员在记者会上说明，并表示在决策时间的比较上，肿瘤联合讨论会平均需要 20 分钟来决定治疗方式，但若对病情更加熟悉后，可缩短至约 12 分钟，而 Watson 仅需 40 秒即可分析数据并做出决策。其中一位成员 Somashekhar 进一步表示，人工智能的确有助于个人化医疗的发展，但它只是辅助，并不会取代医疗人员，因为人的多元特质 (personal factors) 有助于灵机应变。癌症研究专家 Mark Leiser 也曾说道：“Watson for Oncology 虽然是个具有潜力的认知运算工具，能针对各种临床与研究的设定进行深度评估，但它的角色仍属于顾问咨询，无法取代真正的临床诊断与医病关系。”

渐趋成熟的人工智能与无限的商机

尽管目前 Watson 仍无法归类为强人工智能 (Strong AI)，也无法完全取代人类，但 Watson 能快速分析数据并依其重要性做排序，协助人类更有效率地分析与做决策。当然 Watson 也不可能完全正确，但它的优势在于能从错误中学习，且学后永不遗忘。随着每三年就成长一倍的庞大医疗数据，与相关认知解决方案及云端科技 (Watson Health Cloud) 的快速发展，人工智能这个年轻且可塑性高的市场将会不断地发展下去。甚至，有分析者看好 Watson 未来能创造出智慧决策的商业模式，该市场也预计在 2025 年可望达到 2 兆美元的规模，相当值得期待。