機器人醫生用于輔助醫療，有多靠譜？

前不久，復旦大學附屬腫瘤醫院泌尿外科及泌尿男生殖系腫瘤MDT(多學科協作)團隊，與國內一家智能機器人公司合作，欲開發一個智能機器人“小泌”。據稱，這可能是國內泌尿腫瘤領域會出現的第一個“機器人醫生”，可以在微信公眾平臺，網站和醫療服務平臺為公眾提供泌尿腫瘤防治相關的在線客服。

復旦大學附屬腫瘤醫院副院長葉定偉表示，小泌還可以對非泌尿腫瘤診治專業的醫務人員提供初步的繼續教育。他說，這一智能機器人已經“學習”了三本泌尿腫瘤防治領域的專業書籍，掌握的知識量總計超過600條。

現在人工智能技術用于醫療領域已經有了案例，最出名的應屬IBM Watson。不過對于醫療領域的智能機器人，默認狀態還是懷疑的好。為此，雷鋒網采訪了這一技術的提供者小i機器人公司的智能醫療團隊，了解了其中的技術細節。

雷鋒網：“三本泌尿腫瘤防治領域的專業書籍”、“知識量總計超過600條”，這兩個數字是不是太少了？

答：600條知識量是基礎知識條數，與我們平時理解的數據量并非一個概念。如果加上從基礎知識延伸出來擴展問、工作日志數據等，這個數量將會以幾何級的規模擴張。

同時，醫療行業不同于其他行業，是一個對專業度和精準度要求極高的領域。在最初，主要考慮兩個方面的問題，首要是必須保證知識是精確的，然后就是要保證這些知識要實用，能夠幫助到患者和用戶。所以小泌開始掌握的600條專業知識也是經過斟酌和篩選的，目的在于精，而不是多。后期，隨著用戶量和交互量的增長，會根據數據反饋和用戶的需求表現，讓它學習更多的知識。

雷鋒網：小泌可以解決哪些問題？

答：第一期主要是面向患者，提供一些科普宣教的知識以及疾病護理、就診流程方面的信息，解決患者日常遇到問題，減輕醫務工作者重復勞動，還有非泌尿腫瘤專業醫務人員繼續教育。

雷鋒網：無法解決哪些問題？

答：目前，專業治療方面還暫時無法立刻解決。要實現機器人治療的目標，不僅需要人工智能技術和應用，還需要納入非常多的醫療資源，打通與此相關的產業上下游，與更多的合作伙伴一起努力。這個路程任重道遠，也是未來醫療追求的目標之一。

雷鋒網：其中的關鍵技術有哪些？

答：小泌使用了小i機器人人工智能交互平臺，并不只是關鍵字匹配，而是通過文字和語音、語義分析、上下文關聯以及互動式問答，最大限度增加用戶尋找到最終答案的準確度。

交互平臺包括自然語言處理、語義分析理解、知識構建及語音技術等。自然語言核心處理技術，包括中文分詞、詞性標注、實體識別、句法分析、自動文本分類等技術；語義分析和理解以及知識推理技術，知識表示、本體理論、分領域的語義網絡、機器推理等技術。另外知識構建和學習體系包括搜索技術、網絡爬蟲、數據挖掘、知識獲取、機器學習等技術 。語音技術則分為語音識別、語音合成和聲紋識別等。

雷鋒網：怎樣才算合格的輔助診斷智能系統？

答：輔助診斷智能系統的主要職能是協助醫生的工作，除了能夠幫助醫生處理病人的病例等大數據外，還能夠運用它的計算能力和推理能力幫助醫生提高診斷率。所以合格的輔助診斷職能系統，第一是要幫助醫生提高工作效率，第二是幫助醫生提高診斷率。在目前的情況下，能在醫生的診療過程中提高準確性就是大家歡迎的輔助診斷智能系統。

雷鋒網：智能系統用于輔助診斷，還有哪些技術上與非技術上的挑戰？

答：醫生診斷是一個非常倚賴于經驗的職業，需要閱讀大量的醫學專著、論文，了解最新的醫學知識，同時還要通過大量的臨床診斷來提高診療水平。而經驗的積累，正是計算機非常擅長的。就像圍棋，規則就是這樣，但機器經過大量學習和練習能打敗人類。除了常規的經驗積累，病人基因數據、家族史、各項檢查結果的數據等，也是診斷需要積累的。

我們會逐步制訂泌尿腫瘤領域的均質化診治標準，開發相關的知識庫（包括國內外專家成果，國家及醫院規范、臨床數據），希望用人工智能融合病人所有相關數據，通過機器學習體系，建立精準治療系統，為醫生提供精準的輔助治療，節省診療時間、降低誤診率。

從采訪中可以看出，目前的小泌從功能和技術上，類似大眾熟知的智能客服。雖然達不到大眾對機器人醫生的幻想，但足以為疑心重的人提供基礎咨詢，減輕醫生的重復勞動。

相關文章：

國內人工智能+醫療影像公司大盤點：今年又是“元年”？ | 2016 影響因子

WMRC 2016 | 關于IBM Watson醫療應用的小歷史

雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。