雖是老生常談，但人工智能終究繞不開(kāi)算法、算力、數(shù)據(jù)三要素。這些要素環(huán)環(huán)相扣，緊緊握住了人工智能技術(shù)的命脈。而醫(yī)療場(chǎng)景的人工智能產(chǎn)品越來(lái)越豐富，毫無(wú)疑問(wèn)也離不開(kāi)這三個(gè)要素的快速發(fā)展。為了再度探索醫(yī)療人工智能技術(shù)發(fā)展及產(chǎn)業(yè)未來(lái)趨勢(shì)，在前不久舉行的全球人工智能和機(jī)器人峰會(huì)（CCF－GAIR 2020）上，包括南京大學(xué)計(jì)算機(jī)系主任周志華、華西醫(yī)院副院長(zhǎng)龔啟勇、騰訊天衍實(shí)驗(yàn)室主任鄭冶楓、平安集團(tuán)首席醫(yī)療科學(xué)家謝國(guó)彤、聯(lián)影智能聯(lián)席CEO沈定剛在內(nèi)的醫(yī)療人工智能頂級(jí)專(zhuān)家，對(duì)這個(gè)三元問(wèn)題又提出了新的理解。

神經(jīng)放射科的新需求

華西醫(yī)院副院長(zhǎng)龔啟勇同時(shí)也是一名放射科醫(yī)生，他認(rèn)為，要解決人類(lèi)神經(jīng)類(lèi)疾病，AI的介入必不可少。

在龔啟勇對(duì)于精神分裂癥患者的腦MR影像研究之中，他發(fā)現(xiàn)疾病的發(fā)展會(huì)帶動(dòng)患者腦部結(jié)構(gòu)發(fā)生變化，患者多個(gè)腦區(qū)會(huì)因此便膨脹或縮小。如果能夠通過(guò)影像的方式量化這一類(lèi)變化，醫(yī)生就有可能對(duì)患者的精神分裂、抑郁癥、強(qiáng)迫癥等神經(jīng)疾病進(jìn)行詳細(xì)分類(lèi)。

他在峰會(huì)上提到過(guò)去的一項(xiàng)研究成果：“一位醫(yī)生曾發(fā)現(xiàn)她的患者在犯強(qiáng)迫癥時(shí)，某一特定腦區(qū)的電波會(huì)變得異�；钴S，因此她嘗試用電極對(duì)該區(qū)域進(jìn)行刺激。而后，患者的病癥有了明顯的改觀(guān)�！�

遺憾的是，該結(jié)果在后續(xù)的大量實(shí)驗(yàn)中并沒(méi)有表現(xiàn)出絕對(duì)的效果，對(duì)此，龔啟勇認(rèn)為：“由于人腦的結(jié)構(gòu)非常復(fù)雜，想要通過(guò)二維的影像準(zhǔn)確判斷腦部病變位置非常困難，我們無(wú)法判斷醫(yī)生在操作時(shí)是否準(zhǔn)確的刺激了標(biāo)記區(qū)域，因此，我們需要AI技術(shù)對(duì)腦部進(jìn)行快速準(zhǔn)確的建模，輔助定位�！�

“如果我們能夠通過(guò)AI準(zhǔn)確或許患者腦部信息及病變情況，后續(xù)的治療研究或許也將因此受益�！�

小樣本學(xué)習(xí)或能滿(mǎn)足AI新需求

龔啟勇院長(zhǎng)的研究似乎預(yù)示著AI確實(shí)能夠在輔助神經(jīng)放射學(xué)的發(fā)展，推動(dòng)神經(jīng)類(lèi)疾病診斷、治療的進(jìn)行。但在實(shí)際之中，這里存在的數(shù)據(jù)缺乏問(wèn)題無(wú)疑是擋住研究進(jìn)展的大山。

通常而言，受制于高昂的費(fèi)用，疑似精神病病患在檢查時(shí)并不會(huì)直接進(jìn)行MR診斷，通過(guò)患者的實(shí)際表現(xiàn)與部分精心設(shè)計(jì)的量表，醫(yī)生可以很快完成患者的初診，進(jìn)而直接選擇通用的治療方案。這導(dǎo)致精神病患腦MR影像難以收集。

龔啟勇院長(zhǎng)也提出了多中心協(xié)同的臨床研究以解決數(shù)據(jù)問(wèn)題，通過(guò)聯(lián)合多家醫(yī)院精心標(biāo)注的腦部數(shù)據(jù)，樣本量的確能夠獲得擴(kuò)充，但仍難以達(dá)到AI訓(xùn)練所期望的大數(shù)據(jù)。

這時(shí)，一些新的方法應(yīng)運(yùn)而生。

小樣本學(xué)習(xí)是推動(dòng)深度學(xué)習(xí)發(fā)展的新方向，也是現(xiàn)階段騰訊天衍實(shí)驗(yàn)室研究的重點(diǎn)方向之一，騰訊天衍實(shí)驗(yàn)室主任鄭冶楓在會(huì)上介紹了兩個(gè)小樣本學(xué)習(xí)算法，用于將來(lái)解決醫(yī)療影像數(shù)據(jù)量不足的問(wèn)題。

第一個(gè)方法是遷移學(xué)習(xí)，即將某個(gè)任務(wù)（源域）上訓(xùn)練好的模型遷移到另一個(gè)任務(wù)（目標(biāo)域）。通過(guò)這種方式，我們能夠通過(guò)源域上的大量數(shù)據(jù)輔助目標(biāo)域的小樣本數(shù)據(jù)進(jìn)行學(xué)習(xí)，具體表現(xiàn)為“預(yù)訓(xùn)練＋微調(diào)”的模式。

鄭冶楓以一個(gè)有趣的例子對(duì)遷移學(xué)習(xí)的原理進(jìn)行了表述：“假設(shè)你想做一個(gè)‘識(shí)別老虎’的計(jì)算機(jī)視覺(jué)項(xiàng)目，但你卻沒(méi)辦法經(jīng)常接觸它，觀(guān)察它。不過(guò)，若你能夠養(yǎng)一只橘貓，便能在與它的朝夕相處中，捕捉它進(jìn)食、玩耍、休憩等過(guò)程中的一些特征，進(jìn)而用于老虎的識(shí)別�！�

第二個(gè)方法是無(wú)監(jiān)督域自適應(yīng)學(xué)習(xí)，用以解決域偏移問(wèn)題。在這個(gè)方向上，騰訊天衍實(shí)驗(yàn)室提出了新型無(wú)監(jiān)督域自適應(yīng)（UDA）的方法，來(lái)緩和域偏移所導(dǎo)致的性能下降，該方法僅僅需要源域的數(shù)據(jù)、標(biāo)注以及目標(biāo)域的部分圖像，無(wú)需新的標(biāo)注，即可實(shí)現(xiàn)兩個(gè)領(lǐng)域的自適應(yīng)。

算力重塑人工智能

不過(guò)，僅是對(duì)算法進(jìn)行調(diào)整，能夠解決醫(yī)療人工智能中的問(wèn)題嗎？其實(shí)，算法本身也有優(yōu)化的空間。

南京大學(xué)計(jì)算機(jī)系主任周志華以當(dāng)前最大人工智能模型“GPT3”為例，談到了當(dāng)前機(jī)器學(xué)習(xí)中的暴力美學(xué)。這個(gè)模型用到了45TB訓(xùn)練數(shù)據(jù)，1750億參數(shù)模型參數(shù)，整個(gè)模型大小700GB�；�于這個(gè)模型，很多困難的自然語(yǔ)言處理問(wèn)題都取得大幅度進(jìn)展。

如此來(lái)看，模型、數(shù)據(jù)的擴(kuò)張確實(shí)能夠有效改善模型的質(zhì)量，但對(duì)于醫(yī)學(xué)人工智能影像而言，同樣會(huì)面對(duì)數(shù)據(jù)的問(wèn)題。

假設(shè)醫(yī)生能夠標(biāo)注足夠多的影像，誰(shuí)來(lái)負(fù)擔(dān)高昂的運(yùn)算費(fèi)用呢？GPT3一次運(yùn)算所耗費(fèi)的算力大概價(jià)值1300萬(wàn)美元，即便是模型中存在BUG，也沒(méi)人愿意對(duì)其修改，再耗費(fèi)巨資跑上一遍。

對(duì)于這一問(wèn)題，周志華與鄭冶楓給出了不同的解題思路。

周志華在演講中表示：“這樣的模型能夠解決很多問(wèn)題，帶來(lái)很大的性能提升。但是如此高昂的成本，也給我們從事人工智能研究的人帶來(lái)了新的挑戰(zhàn)，特別值得讓學(xué)術(shù)界從事人工智能研究的學(xué)者思考一個(gè)問(wèn)題：昂貴的成本必須換來(lái)效益回報(bào)，模型性能提升，在工業(yè)界能提升經(jīng)濟(jì)效益，有時(shí)哪怕性能提升一兩個(gè)點(diǎn)，帶來(lái)的回報(bào)可能足以彌補(bǔ)投入。但學(xué)術(shù)界如果花這么大成本，怎么能帶來(lái)足夠的回報(bào)？”

“把對(duì)‘ 性能’的追求交給工業(yè)界，學(xué)術(shù)界不必過(guò)多地關(guān)注“性能”，因?yàn)槟Ｐ托阅芴岣吣敲磶讉�(gè)點(diǎn)，對(duì)于學(xué)術(shù)界并沒(méi)有多大的意義，僅僅是發(fā)表幾篇論文的話(huà)，對(duì)不起這么巨大的投入。那么學(xué)術(shù)界做什么呢？回到本源，做學(xué)術(shù)界該做的工作：探路、思考未來(lái)”。

與之相反，鄭冶楓在接受采訪(fǎng)時(shí)告訴動(dòng)脈網(wǎng)：“1％的效率提升對(duì)于企業(yè)而言意義不大，而學(xué)術(shù)界應(yīng)該精益求精，追求更完美的結(jié)果�！�

誰(shuí)是更好的路徑？現(xiàn)在下定論還太早，但從AI的發(fā)展來(lái)看，工業(yè)與學(xué)業(yè)的合作，或許才是當(dāng)下最有可能的發(fā)展方向。

三元問(wèn)題引入“知識(shí)”新要素

從人工智能誕生至今已經(jīng)近70年歷史，研究者仍未跳出三要素的影響范圍，但隨著技術(shù)逐漸成熟，要追求下一代的人工智能，周志華認(rèn)為必須引入“知識(shí)”這一要素。

如何將“機(jī)器學(xué)習(xí)“與“邏輯推理”結(jié)合，是人工智能領(lǐng)域的“圣杯問(wèn)題”，以往的努力有的是“重推理”，有的是“重學(xué)習(xí)”，偏重任何一側(cè)都不能充分發(fā)揮AI的力量。周志華提出了“反繹學(xué)習(xí)”，希望在一個(gè)框架下讓機(jī)器學(xué)習(xí)和邏輯推理二者能更均衡更充分地發(fā)揮效用。

“從現(xiàn)在來(lái)看，‘機(jī)器學(xué)習(xí)’與‘邏輯推理’結(jié)合方式主要有兩類(lèi)，第一類(lèi)，我們可以看到它是把機(jī)器學(xué)習(xí)往邏輯推理中引，但是后面主體還是通過(guò)推理來(lái)解決問(wèn)題，所以我們稱(chēng)它是推理重而學(xué)習(xí)輕。第二種做法基本上是反過(guò)來(lái)，它把邏輯推理的技術(shù)往機(jī)器學(xué)習(xí)里面引，但是后期主要的問(wèn)題是靠機(jī)器學(xué)習(xí)來(lái)解決，所以我們稱(chēng)它是學(xué)習(xí)重而推理輕�？偸且活^重一頭輕，這就意味著有一頭的技術(shù)沒(méi)有充分發(fā)揮威力�！倍�“反繹學(xué)習(xí)”則是兩者的融合。

對(duì)于周志華的觀(guān)點(diǎn)，鄭冶楓也表示非常認(rèn)同，但他也提出了其中實(shí)現(xiàn)的困難：“在人工智能的初期，我們便嘗試將先驗(yàn)知識(shí)融入AI算法模型。但由于不同的知識(shí)在融入的過(guò)程中必須遵循不同的方式，而沒(méi)有一種通法。此外，當(dāng)時(shí)我們的模型跑起來(lái)并不如大量數(shù)據(jù)支持的黑箱模型有效，這其實(shí)有點(diǎn)打擊人。不過(guò)，如今時(shí)代已經(jīng)不同，知識(shí)的加入或許能夠徹底改變當(dāng)前的人工智能�！�

AI大有可為

無(wú)論是算法、算力、數(shù)據(jù)，還是可能加入的知識(shí)，一切都將服務(wù)于醫(yī)生，服務(wù)于具體的場(chǎng)景，只有場(chǎng)景是AI的試金石。

對(duì)此，在平安集團(tuán)首席醫(yī)療科學(xué)家謝國(guó)彤看來(lái)，AI的發(fā)展必須要借助生態(tài)的力量，醫(yī)療科技的付費(fèi)是企業(yè)、醫(yī)保、患者三方的角逐。

他在采訪(fǎng)中這樣談到：“衛(wèi)健委很信任我們，因?yàn)槲覀冇斜ｋU(xiǎn)生態(tài)，其激勵(lì)便是讓患者健康、長(zhǎng)壽，以控制保險(xiǎn)風(fēng)險(xiǎn)。因此，我們與衛(wèi)健委的利益是一致的”

另外，他也表示：“其實(shí)影像只是醫(yī)療體系中很小的一個(gè)科室，AI在領(lǐng)域之中的應(yīng)用非常有效，是大勢(shì)所趨。即使有同行者在前行路上倒下，這也很正常。錯(cuò)誤的經(jīng)驗(yàn)也是經(jīng)驗(yàn)，一切積累，將幫助我們走得更遠(yuǎn)�！�

作者：趙泓維