最近，看到一篇關于醫療AI的文章《IBM醫療AI宣告失敗，率先入局卻踏步不前》。1997年IBM深藍戰勝國際象棋世界冠軍卡斯帕羅夫，名聲大噪；2011年開始，IBM在醫療AI押上重注，此后，IBM投入巨資（10億美元），用以收購醫療數據公司、研發AI醫生，開展了一系列令人眼花繚亂的項目，但仍然“逃脫不了走進死胡同的一天”。沒有理解錯的話，這篇文章的意思是IBM的醫療AI失敗了。

醫療AI的“失敗”（核心是AI醫生）是我所意料的；當然，這個“失敗”也是有所特指的，并不是不能研究或不可能取得研究的進展，而是專指“落地”；這個“落地”，也不是說永遠不能落地，而是根據當前科技進展的可見的落地。可以這么說，醫療AI是注定要失敗的。那么，醫療AI為何注定失敗？

一、關注與啟示

幾年前，一位行業內的朋友向我推薦一款深圳某公司開發的醫療AI，他強調這款產品非常好，診斷精確、還可以提供治療方案，還決意要給我演示。在他的要求下，我與他設置了一例上臂損傷的案例，然后通過軟件輸入信息，結果則是“胃病”。當著我的面，朋友顯示出十分的尷尬，但似乎還在確信這款產品不會錯的，并且還是很堅定地想要推銷之。這事情使我關注起醫療AI，希望找出一個說服像那位朋友的好辦法。

2016年3月，阿爾法圍棋與圍棋世界冠軍李世石進行人機大戰，以4比1的總比分獲勝；2017年5月，又與排名世界積分第一柯潔對戰，以3比0的總比分獲勝。這給了我啟示，圍棋AI比國際象棋AI要復雜得多，如果用圍棋AI與醫療AI對比一下，或許可以說明一些什么。

二、關于圍棋AI

圍棋有黑白二子，圍棋盤共計可以擺放361子，即黑子181、白字180，在實際下棋中,不可能擺滿每一個格子,但可能被互相吃掉，故可以超過361手，但總是可以計數。據說，最長手數的對局紀錄由日本棋手山部俊郎與星野紀在1950年創下，二人共弈411手。

由此，可以這么確定，圍棋AI需要解決兩個維度，即黑子與白子；每個維度有180左右手，因有布局規則、效率問題等約束，不完全是排列組合，總之是可以計算的。

三、關于醫療AI

醫療AI要解決的核心問題是疾病的診斷，為此，我們必須確定疾病的構成。疾病包括三個維度，一是致病因子，沒有致病因子的作用，人不可能患病；二是致病因子必須作用于特定的機體（即人體），離開了機體，疾病就無從談起；三是時間，下圍棋時，每走一手，時間是可以給定的，這是規則所確定，但疾病在發生、發展過程中，時間既不能給定，也無法預期，故必須加入時間這個維度。

再來看每個維度中到底有多少數量，相當于圍棋要下多少手。致病因子包括細菌、真菌、病毒等微生物，還有溫度變化、干濕度、化學污染物……這些致病因子每一類都難以計數，還可以互相組合致病，可以說作用于機體的致病因子及其組合是無限的，無法計算數量。機體包括身高、體重、營養狀況、精神狀況、生活習慣……及其各種組合，同樣也是無限的，無法計算的。時間是連續性的，嚴格來說也是無法計數的。

由此可見，醫療AI需要解決三個維度，即致病因子、機體和時間，而每個維度的“步數”是無限的，無法計算的。

四、醫療AI落地的悲觀與希望

從以上可以明確，國際象棋AI與圍棋AI相比，只是計算量的問題；而醫療AI與圍棋AI相比，則不是具體數量多少的問題，而是關于無限與有限的問題。當今圍棋AI的實現，無論如何，歸根結底是要基于計算的，智能無非是更加先進的計算方法（如神經網絡模型）、更加快速的計算速度、分類細化到更加精確的程度，前提則是有限的、可計算的。因此，我以為，基于疾病的特點，醫療AI落地十分悲觀，IBM醫療AI的失敗，不足為奇。

但，醫療AI并非沒有希望。有部影片中，把一個得了不治之癥的小女孩放進一個儀器中，這個儀器迅速讀取小女孩的各種信息，明確診斷，并給予治療，數分鐘后小女孩的疾病得以治愈。這是一個有趣的思路，即應該首先有一個非常強大的信息讀取器，可以讀取人體的血液、尿液、組織等各種信息，這個機器無需人類的主觀表達。如果單從診斷層面，這個機器是否應該是集中了現今的各種診斷手段？

此外，希望還在于，我們已經獲知醫院管理的標準化困境，這個難題可以讓我們避免一味地解決疾病的標準化問題，而是使用基于非標準化的理論進行考察，揭示疾病的規律，以此探尋醫療AI的路徑、方法。

五、小結

醫療AI是人類一項更加宏大、復雜、久遠的探索，必然吸引科學家們、各類機構前仆后繼地奮斗不息。但在當前，謀求落地或商業化的訴求，必須要謹慎，最好制定分步的目標和循序漸進的推進策略，直接針對AI醫生是錯誤的。

未來智能實驗室是人工智能學家與科學院相關機構聯合成立的人工智能，互聯網和腦科學交叉研究機構。

未來智能實驗室的主要工作包括：建立AI智能系統智商評測體系，開展世界人工智能智商評測；開展互聯網（城市）云腦研究計劃，構建互聯網（城市）云腦技術和企業圖譜，為提升企業，行業與城市的智能水平服務。

如果您對實驗室的研究感興趣，歡迎加入未來智能實驗室線上平臺。掃描以下二維碼或點擊本文左下角“閱讀原文”