人工智能（AI）是研究开发用于模拟、延伸和拓展人智能的理论、方法、技术和应用系统的新技术科学，内容包括语音识别、自然语言的处理、机器人系统等。目前 AI 已被应用于多个领域，医疗领域也不例外。在第十三届中国皮肤科医师年会上，华中科技大学同济医学院附属协和医院的陈宏翔教授讲述了 AI 在皮肤科应用所面对的机遇和挑战。
图 1 陈宏翔教授在本次会议中发表演讲
陈宏翔，华中科技大学同济医学院附属协和医院皮肤科，主任医师，教授，博士生导师。美国哈佛医学院麻省总医院博士后，哈佛大学皮肤生物学研究中心研究员，日本九州大学访问学者，武汉协和医院皮肤科副主任，皮肤病与性病研究室主任。
AI 的发展历程
1956 年美国达特茅斯会议被公认为 AI 的起源，AI 发展至今经历了几次起伏。在 50 年代到 70 年代，出现了一个 AI 的黄金时段，但是在 70-80 年代跌入低谷。到 80 年代又再次繁荣，结果遇到技术瓶颈又跌进低谷。随着 2016 年 AlphaGo 战胜人类棋手，最近 Alpha 0 又战胜了 AlphaGo，以及近期汉森公司开发的机器人索菲亚近期获得沙特阿拉伯国籍，特斯拉创始人说或许十年内可以实现人脑直接连接电脑等热点事件出现，AI 再次成为热门话题。我国今年的两会上，AI 首次写入政府工作报告，也出现在十大文化高频词汇中。未来 20 年 AI 可能会发展的非常迅速，在医疗、工业、无人驾驶、智能陪伴等方面都会成为重要的基础。
AI 的学习模式有两种，一种是监督式学习，另一种是非监督式学习。比如 AlphaGo 学会所有的围棋技术是基于人类的知识学习的，属于监督式学习。AlphaGo 战胜人类棋手过程中还存在一点失误，最终以 4:1 战胜李世石，但是 Alpha 0 是 100:0 战胜 AlphaGo，是一个跨越式的进步。Alpha 0 和 AlphaGo 的区别是不基于任何人类智慧，人类只告诉它规则，然后它自己处理，相当于非监督式学习。新一代 AI 的特点，有从人工知识表达转向大数据驱动的知识学习技术，从分类型处理的多媒体数据转向跨媒体的知识的学习、推理，从追求智能机器到高水平的人机、脑机相互协同和融合，从聚焦个体智能到基于互联网和大数据的群体智能，从拟人化的机器人转向更加广阔的智能自主系统等趋势。
AI 与医学的关联
AI 在医学的发展也经历了孕育期、成长期和高峰期。在每一时间段都有标志性的事件，如在孕育期，1974 年成立斯坦福大学医学实验计算机研究项目，主要尝试应用三个领域：分子生物学、临床医疗诊断、精神病学，它处于开发研究阶段，有很好的实验效果，奠定了人工智能在医学中应用的基础。成长期的标志性事件，如 1985 年召开了第一届欧洲医学人工智能会议、1989 年创立了医学人工智能杂志，这一阶段里，专家系统具针对性、透明性及灵活性，采用知识表示和推理技术模拟医生的思维、判断，辅助医生解决复杂问题，该阶段人工智能已经在医学中得到初步的实际应用。孕育期和成长期目前已经不被关注，而高峰期就是指现阶段，在多个方面都有突飞猛进的发展，如医学影像领域，融入更多智能化算法，提高影像的准确性；医学数据处理领域，深入研究数据挖掘方法，使医学大数据发挥更大的价值；诊断治疗领域，通过研究模型、方法，建立更先进的专家系统，甚至智能机器人，帮助临床诊断及治疗；研究探索将更多种类的人工智能方法应用于更多不同的医学领域。
现在 AI 在医学影像中发展非常快，还有智能的询诊。简单的归纳，AI 在医疗领域中应用的场景包括医疗机器人、虚拟助手、电子病历、智能医院、健康管理、智能影像、智能诊疗、智能药物开发，基因分析等，具有广阔的医用前景。
近年来，AI 在医疗领域中不断发展，多个临床专科都有相关高水平的文章的出现， 如 JAMA 文章：糖尿病视网膜病变的高灵敏、高特异诊断；Nature 文章：开启皮肤癌的智能手机筛查；Nature Biomedical Engineering：罕见病的诊疗建议及监控、脑瘤的术中快速诊断、神经假体的精确控制。在临床应用方面，曾新闻报道美国研发的 Watson 机器人去年在杭州中医院学习中医，之后很快便应用于肿瘤的诊断，并与国内多家医院的肿瘤科签订了临床应用的合同。
除此之外，AI 还被应用于预测心脏病发作、ICU 中预测病人死亡风险、血型鉴定，面部识别提高患者服药依从性、宫颈癌的自动识别、血液科骨髓细胞图像识别及机器人辅助外科手术等方面。
AI 在放射科的发展也非常快，如华中科技大学同济医学院附属同济医院的放射科就开始应用 AI 自动阅读胸片和 CT 结果。在放射领域，AI 对图像进行识别，包括前期对图像进行处理、分割、特征提取和匹配判断，之后再进行深入学习，深度学习的素材包括患者病例库或其他医疗数据库，然后机器会提供辅助判断。
AI 在皮肤科的应用
皮肤病学是比较依赖形态学特征的学科，皮肤影像是皮肤病诊断的重要手段。皮肤影像诊断由最初的望诊，发展到放大镜和显微镜辅助诊断，再到近年来数字影像学技术和智能分析。目前以皮肤镜、皮肤超声、皮肤 CT 为代表的皮肤影像技术已成为临床皮肤病诊断的重要工具。皮肤镜对黑色素瘤有很多的诊断方法，包括 ABCD 法、模式识别法、七点检测法、三点检测法、CASH 法等，这些方法，指导我们对提取出来的特征进行打分评价，是 AI 应用比较成熟的例子。如果能结合多维度皮肤影像资源库，把诸多皮肤病的疾病特征提取出来，标准化地打分识别，就可以更好地教机器如何判断。
斯坦福大学在 Nature 上发表了一篇文章，利用 13 万个皮肤病的图像数据库训练 AI，进行人工智能自动诊断皮肤病的探索，图像数据库包含了皮肤镜图像、手机照片以及标准化的照片。最后结果，将 AI 诊断系统用于鉴别皮肤良性肿瘤、恶性肿瘤和其他的一些非肿瘤性皮肤病，结果 AI 诊断结果与皮肤科专家诊断结果吻合度非常高，诊断效率打成平手。
在国内的皮肤科 AI 应用上，最近也有很多的进步。如湘雅大学第二医院与丁香园、大拿科技合作，实现了首个皮肤病的人工智能诊断的辅助系统，并举办了新闻发布会。该系统目前主要针对红斑狼疮和皮炎等一系列疾病，识别准确性高达 85% 以上。除此之外，国内其他医院皮肤科也逐渐开始应用 AI 诊断工具，如北京协和医院与北京航空航天大学合作，已经开始使用皮肤镜图片的自动识别， 在近期的皮肤影像继续教育班上进行了展示；武汉协和医院也与香港一家公司合作，应用该公司研发的皮肤智能检测系统（Dr.Skin），已经可以有效地进行常见皮肤病的图像智能诊断。中日友好医院崔勇教授发起的中国人群皮肤影像资源库（CSID）项目， 目标是建立可用于建立辅助诊断模式的、中国人群特异性的皮肤影像资源，它也是人工智能用于皮肤病智能诊断可利用的重要学习资源。
但是 AI 在临床中也遇到了瓶颈，如现在的皮肤病图谱规模还很小，医院之间的共享程度较低，且懂医疗的专家不太懂算法，懂算法的技术人员不懂医疗，海量数据的标注费时费力，需要跨学科的密切配合。AI+医疗这种复合背景的人才将成为这个领域竞争的核心。
AI 带来的机遇和挑战
AI 具有很多优势，可以高效地处理很多事情，那么给皮肤科医生它究竟是会带来噩梦还是一个助手呢？医疗是最容易受 AI 影响的行业之一，虽然医生在医疗中的创新、审美、社交、协商方面的优势是不能被机器替代的，但是每天皮肤科医生上班也存在大量重复性的劳动、不需要经过大脑，可以通过训练掌握。
除了智能识别之外，AI 也可以进行人工智能咨询。国内已有糖尿病自动询诊的 APP 和机器人，只要把标准化的问题和答案列出来给它，便可以回答单病种患者一些常见的问题。这些低水平重复的工作交给机器来做，替代了医生的部分工作，也大大提高了工作效率，在这个意义上讲 AI 是医生的一个助手。 但是对普通的医生来说，虽然提高了工作效率，但也可能大大降低自己在职业中的重要性。每个人在职业中的「不可替代」性非常重要，如果能做到独一无二就不会被替代，否则就有随时被替代的危险。因此 AI 的应用，很多工作岗位，存在的重要性大大下降，如京东的无人分捡、马云的无人超市，对很多劳动力密集岗位都带来冲击。
AI 在皮肤科的优势也非常明显，业内也有关于皮肤科医生和 AI 谁是助手的讨论，比如银屑病、荨麻疹、痤疮等常见多发病的诊疗活动中，诊断、处方、健康宣教很多都是重复性劳动，而且在一个狭小的空间中，甚至每天不用跟同事打交道，只用与患者交流就可以，每天重复着同样的工作，这整个环节或者是其中一部分，就可能被 AI 替代。
但皮肤科的病种繁多，鉴别标准和诊断标准还不统一，这样并不太容易教会机器人怎么识别诊断疾病，属于 AI 诊断皮肤病的瓶颈问题之一。目前皮肤影像还很难实现病理图像的自动识别诊断，另外皮肤病中有罕见病，病例非常少，标本量不足以提供机器训练所需，理想自动识别诊断的效率也难实现。
目前 AI 诊断还有很多的问题存在，除了技术的瓶颈，还有一些哲学问题、法律问题以及伦理问题。如做出 AI 诊断的主体在法律上是人（医生）还是物（医疗器械）？AI 诊断进入临床应用的法律标准是什么？AI 诊断出现缺陷或医疗过失的判断依据是什么？AI 诊断发生医疗损害，谁应承担法律责任？这些都是带有共性的法律问题。
AI 虽然是热点，但目前应用还不成熟，任何一个技术的出现不是为了替代，而是为了支持。AI 是助手还是噩梦谁都不会给出准确的答案，我们的预测，它的到来，对部分精英的医生而言，可能是提高效率，带来机遇； 对普通皮肤科医生，尤其是承担这低水平重复工作的群体，可能会带来冲击和「噩梦」。所以，作为年轻的一代， 有必要了解新知识，拥抱新生事物，对人工智能积极关注、参与开发、运用，在人机共同进步中掌握主动权。
