人工智能看病，會比人類醫生更準確嗎？

近些年來，人工智能是非常熱門的話題。人工智能和機器學習能為我們理解腦部疾病帶來什么幫助？它會比人類醫生的識別更準確嗎？我們是否已經可以通過核磁成像技術來預測精神疾病？精神疾病患者的大腦和正常人的究竟有何不同？來聽聽神經科學研究院教授講述，人工智能與精神疾病的識別。

1、能介紹一下 計算解剖學 和您的研究成果嗎？

如果考慮過去二十五年來語音識別的所有進展，例如現在我們在谷歌和中國網絡上都能找到的語音翻譯，這都是基于計算語言學領域的。基本上如果你擁有可以計算語言結構的機器，它就會告訴你所聽到的一切，包括告訴你語義以及所講的內容等。計算解剖學的內含基本上也是相似的。但對于圖像而言，我們希望能夠直接利用圖像來計算人腦的結構，然后去理解大腦的構成。

2、精神疾病如癡呆、躁郁癥、精神分裂癥等，患者的大腦和正常人的究竟有何不同？

我們認為現如今作為發育性疾病的精神分裂癥還有躁郁癥，這些甚至可能從子宮里就開始形成了。而阿爾茨海默氏癥，亨廷頓氏癥，帕金森氏癥或肌萎縮側索硬化癥這四種主要的神經退行性疾病，都與神經元死亡或細胞離開大腦有關。因此，正如精神分裂癥一樣，發育性疾病也正在發生變化，它實際上與記憶電路的連接和表達有關。這就是為什么我們認為這些疾病早在兒童時期就開始的原因。

3、阿爾茨海默癥如今是否可以通過核磁成像技術來預測？

現如今他們診斷你所愛的人，包括你的祖父母以及你的父母是否患有阿爾茲海默癥的方式，就是在他們腦死亡時進行邏輯功能上的部分測試，而這只能在你死后由病理學家才能完成。為了防止這樣的弊端，我們正試圖轉向研究生物標記物。這些生物標記物可以在你出現記憶喪失癥狀很早之前就開始標記，特別是用于阿爾茨海默癥的診斷。假若我們可以轉向使用不需要我們切割大腦的生物標記物，同時也可以對你的大腦進行成像，也就是你提到的磁共振成像，那將是非常令人期待的。而且我們非常希望現代磁共振成像是可以運用在臨床上的。我們知道今天全中國都可以進行臨床磁共振成像，并且可運用于我們的親人身上。當我們年輕時，我們就可以用核磁共振成像作為預測工具。更令人期待的是，隨著成像有更高的分辨率，我們之后也更有能力預測疾病的轉變了。

4、人工智能和機器學習能為我們理解腦部疾病帶來什么嗎？它的準確率是否比人高呢？

今天我們所研究的生物藥物中的標記物都是我們所說的每周的識別標記。每周的識別標記的意思是沒有單一標記的測量是確定診斷疾病病因的。現如今，因為已經發現了過去一百年中所有標記清晰的標記，所以我們能準確判定你是否可能患有肺結核。我們可以從醫學成像就對你是否患病做出百分之百的準確判斷。如果您患有肺結核，我們就會對癥下藥。如今大家都在研究需要測量許多標記的疾病，針對這些標記，它們自身就可能包括許多部分，同時也可能需要使用許多不同類型的測量方式來進行測量，比如你的行為，包括你和認識你愛你的人之間進行的交流，這些會反映與你父母相關的一些事情。

事實上，當您處理弱信息時，我們知道機器可以使用先前信息來導航信息，因此如果你了解現在計算機視覺領域的所有重要貢獻，或者如果你關注過語音識別，語音識別器的運作過程就是如果他們現在能掌握多小時多流量的文本和所需的亞洲語言庫，便可以了解亞洲人的言論。那樣的話，當我在你面前放上一個麥克風，我想知道你所說的內容，就可以依照我們已經在許多人身上測量過的語音識別器來確定了。當然我們也必須這樣做，因為你可以用同樣的方式說出許多不同的東西，而這些都是模棱兩可的。我們聽到的事情在某種意義上每周都是不同的，因為你知道，當你與朋友交談或與朋友發短信時，即使有含糊不清的內容，你的朋友也會從上下文中去理解那些每周都不同的短語。我們應該仔細想想今天研究大腦時所做的測量，其中任何單一測量都是有微弱區別的。

如果我們可以結合你的文化、基因類型、年齡段、家庭，以及在我們已經做過的其他測量背景下再進行測量，即使突然出現不確定的因素，測量的結果也是相對準確的，這就是機器學習的作用。因此，機器學習在醫學成像領域中，圖像分析在不確定的測量中起著非常重要的作用，同時這些也需要你考慮測量對象的相關背景。當你拿著相機給一個站在角落里的漂亮女士拍照，你看到她面前有一把椅子，同時她靠在墻上，毫無疑問你知道她是誰，但如果你詢問機器那是誰，機器就判斷不出來了，因為它看不到她的腿，也不了解她周圍的環境。換言之，如果我們掌握了所有人站在墻壁旁邊拍的照片并了解其周遭的環境，機器學習就在判斷上起作用了。因此，對于我們來說，生物標記中的基因也具有相似的作用。

5、如果人工智能可以代替人類看腦部片子，會為醫生帶來哪些益處和弊端？

一般來說，機器學習中有不同類型的任務，比如篩選任務。篩選任務就是我們一直在進行篩選測試。你知道你有非常活躍的視覺系統，即使你正在和我說話看著我，并且你也享受這次對話，可是這時如果有人試圖向你扔球，你的視覺系統也會發覺并立即檢測出來，這時的檢測就是篩選判斷是否正確的檢測。你知道判斷一個球正在扔向你是一回事，理解我們正在進行的對話是另外一回事。所以，我想我們應該期望機器在檢測任務中起到巨大的作用。機器可以幫助告訴你汽車正在越線，那是線路的檢測。又或是你的車剛剛停在咖啡店，現在你正在某條街上行駛，卻不得不因為你丈夫正在做其他事情而必須要在上班前載你坐在后座的女兒去游樂場，這時你的汽車是很難判斷這個情況的，現在這個過程讓一臺機器來進行判斷，這可能會更加困難，甚至無法預期是否能實現。回到主題，我們應該在醫學成像和圖像解釋以及理解大腦的背景下從不同角度思考我們是誰，這些都是非常復雜和微妙的。你知道你今天開心與否，或是你媽媽打電話給你說發生了一些事情讓你不開心，抑或是你今早上考試考得不錯心情好，這些都是很微妙的。如果你能從各方面思考你自己，我們就不太可能擁有今天可以解釋所有醫學影像數據，精神科神經科醫生拿來使用的那些有用的機器了。你相信給你建議同時解釋病因的醫生，也許我們也可以期望機器能做出判斷，并給出建議。95%或者97%的情況下，如果我們能夠進行血液檢測，就可以知道有什么不對勁的情況。所以我們應該更加仔細全面進行血液檢測，因而血液專家就能從屏幕或醫學成像中確定病癥了。事實上，這就是今天醫院里發生的事情，我看到在中國大家已經這樣做了。