每天早上8点刚过，黄色小机器人Mabu会问伯德觉得怎么样。伯德患有2型糖尿病和充血性心力衰竭，大约三年前，他做了手术，在心脏植入了一个微型瓣膜，以维持血液的正常流动。为了保持健康，他每天服用四种药物，同时需要养成锻炼习惯。为了确保他的心脏还在有效地跳动，他的医生需要随时掌握伯德是否会出现呼吸急促的状况。
但是，伯德现在每天早上都和Mabu交谈，而不是一直去看医生——有时晚些时候也会跟该机器人再谈一次。“Mabu总是提醒我要记得吃药，”伯德说道，“她问我是否有出现呼吸短促等与健康有关的问题。她让我时刻注意自己的呼吸。”
作为一项研究的一部分，一年多以来，伯德一直与Mabu一起生活。现在，他已经习惯于每天和该天真的机器人说话。Mabu会像人一样眨眼睛，因而更能让伯德觉得自己是在跟一个机灵的机器谈话，而不是在一味回答来自一台冷冰冰的计算机的预设问题。
Mabu是机器学习或人工智能（AI）能够在医学上取得成果的*新例子之一。她问的问题来自一种“秘诀”，该秘诀结合了医生用来监测像伯德那样的心脏衰竭患者的*佳实践，以及医生应对病人方面的数据——医生问的问题以及他们的回应方式——进而不仅仅发现和管理医疗症状，还发现和管理焦虑和抑郁等加大慢性病治疗难度的心理障碍。
Mabu还被设计成不只是每天发出同样的问题，而是根据伯德的回答改变她的回应。如果伯德说他在进行做饭或上厕所等正常活动时没有呼吸问题，Mabu就会继续询问他的情绪状况和他可能正在进行的其他活动。她甚至还会开玩笑，尽管伯德对那些笑话的反应并不热烈，但她“晓得”伯德没领会到她的幽默。如果伯德说他呼吸短促，她会问其他的问题来确定他的症状有多严重，然后建议他联系他的医生或者护理团队。“如果没有Mabu，我想我也不会康复得这么好。”伯德说。
机器人的建议安全吗
长期以来，医学界迎来更多能够理解海量数据的智能机器人或电脑的时机似乎已经成熟。
数据可谓该领域的命脉，但这方面*受媒体关注的一项努力成效却好坏参半：在2001年IBM的沃森（Watson）在智力问答竞赛界面《危险边缘》（Jeopardy！）中击败了两位人类**后，IBM与纪念斯隆-凯特琳癌症中心建立合作，创建了一种算法来改善各种癌症的诊断和治疗。该名为“沃森肿瘤学”（Watson for Oncology）的项目在全球多家医院推出，但在2016年，MD安德森癌症中心决定暂停合作。
根据来自该医院的前高管的报告，该医院面临的一个障碍是，在从电子健康记录中提取相关患者信息方面遇到挑战。另一家医院报告说，该机器提供的治疗建议可能并不安全。一些使用沃森的医院的医生认为，IBM与一家机构的专家培训Watson for Oncology的决定，导致沃森推荐的治疗方法存在偏见。IBM表示，其培训策略是透明的，没有病人因为沃森的建议而受到伤害。该公司继续与其他的医疗机构和医院合作。MD安德森癌症中心和纪念斯隆-凯特琳癌症中心的管理人员拒绝就他们的IBM沃森项目置评。
回顾过去，许多专家一致认为，人工智能早期应用的结果参差不齐，并不意味着机器学习技术消亡于医学领域。相反，他们强调对任何创新都要保持谦卑，尤其是那些备受吹捧的创新。“在我看来，IBM太野心勃勃了。”德克萨斯大学西南分校医学人工智能和自动化实验室主任Steve Jiang博士表示。
AI在医疗领域该扮演什么角色？
大家似乎都认识到了一个重要的教训：治疗病人既是艺术也是科学。更多的专家表示，人工智能能够而且应该成为增强医生工作能力的一个有价值的工具，而不是试图在医疗实践中取而代之。
医学界仍在研究如何*好地做到这一点，研究人工智能在方方面面的应用，从提高试管婴儿成功率到预测心脏病和改善血糖跟踪。机器*善于消化大量的数据，识别出人类大脑无法识别的模式或事物——比如某些共性和差异，这些共性和差异可能会演变成或许意味着更高癌症风险或者抑郁症*早征兆的因素。但目前只有少数几个领域正在以一种标准化的、可量化的方式收集信息，只有这样收集的数据机器才可以马上利用。即使是在电子健康记录中，大多数医疗信息的记录也都不连贯，因而无法让计算机轻易提取。而机器不能做的就是，像医生那样把那些无形的、无法量化的东西考虑进来。那些东西是医生利用多年的问诊经验凭直觉得到的，又或者是在病人对自己的症状不完全清楚的时候通过直视他们的眼睛和感知得到的。
“我们需要让机器做它擅长的事情——比如摄入大量的科学论文数据以及组织整理这些信息——让临床医生为特定病人做出治疗方案方面的*终决定。”Catalia Health首席执行官兼联合创始人科里基德（Cory Kidd）说。该公司是Mabu的开发商
对于这一目标，医学界正在取得进展。人工智能*有前景的应用包括：代替医生与病人进行面对面的交流，毕竟医生不能经常与病人面对面交流，比如像伯德这样的心力衰竭病人；在实验室分析上，人工智能要比单独作业的人类医生做得更加**。在这两种情况中，人与机器必须共同协作。
例如，像Mabu这样的机器人在医生和计算机之间架起了桥梁，它们从需要常常跟进的病人那里获取重要的信息，并将其传递给专业人员，这些专业人员随后可以相应地调整医疗护理方案。要是伯德身边没有Mabu的话，他得需要一名访视护士或其他卫生保健专业人员每天来看望他，又或者他需要更频繁地去看医生。“我的家人以前很担心我一个人住，”他说，“但现在，如果我生病了，一个人待着也不会让我有任何心理上的担忧。”对于哪些症状是心力衰竭的危险信号，以及哪些问题能*好地阐明那些症状，Mabu有着广博的知识，他的行为方式与医生相似——但你不必预约就能找到她。
AI胜过人类的两个方面
与此同时，在医学的两个领域——解读图像（来自核磁共振成像、CT扫描或X射线）和分析组织样本的病理切片——人工智能毫无疑问胜过人类医生，该技术提升了医生向患者提供更准确的信息的能力。例如，在研究中，基于人工智能的技术在检测糖尿病视网膜病变方面做得非常好，因此美国食品和药物管理局（FDA）今年早些时候批准了一种诊断糖尿病视网膜病变的设备。通过研究数千张人类视网膜的图像，该机器学会了如何区分正常视网膜模式和有症状的视网膜模式，解析扫描图像中的亮度梯度和对象，而这些东西是人类无法识别的。
在另一个证明这种深度学习能力的演示中，研究人员向一组眼科医生展示了人们的视网膜照片，并让他们判断这些照片属于男性还是女性。这些眼科专家正确判断出性别的几率只有50%左右。而一种经过人工智能训练的算法则利用医生们尚未摸索出的特征，轻松取得了高达97%的准确率。这表明机器在分析数据方面能比人类做得好得多，同时也为将其纳入临床过程提供了论据。
人工智能模型还能检测出极小的、可能是肺癌*早征兆的结节，而放射科医生的肉眼则做不到这一点。人工智能模型也在改进对乳房X线照片的解读，以期发现早期的乳腺癌。
黛比麦琪（Debbie McKie）是波士顿一家咨询公司的首席谈判代表，她知道，由于家族病史，她患乳腺癌的风险较高。她的母亲是乳腺癌的幸存者，还被诊断出患有肾癌和膀胱癌；她的一个表姐在她50岁出头时死于乳腺癌。麦琪的乳腺组织也很致密（这本身就是患上乳腺癌的一个风险因素），因而加大了解读乳房X线照片的难度。她有定期做检查。所以她想确保她的医生在看她的扫描图时没有遗漏任何的东西。“我问我的医生，‘你能告诉我我患乳腺癌的总体风险是多少吗？”麦琪说道。
康妮雷曼（Connie Lehman）博士是马萨诸塞州总医院的放射科医生，也是为麦琪提供医疗服务的团队的一员。她认为自己很接近于做到那一点。雷曼正在领导的一项研究依靠人工智能算法解读乳房X线照片，进而预测女性患癌症的风险。“我们不想教机器像人类一样解读乳房X线照片，我们想要把机器教得青出于蓝胜于蓝，让它们能够识别出那些明年有患癌症风险的女性。”她指出，“我们正在利用人工智能改变我们看待乳腺癌的整个方式。”
雷曼说，现在大多数乳腺癌护理都集中在发现乳腺癌以后的治疗上——无论是早期的离散肿块，还是晚期已经扩散到淋巴结甚至其他器官的肿块。但如果机器能够从我的乳房X线照片发现与乳腺癌如何形成相关的信息——特征，即使是当今*权威的放射科医生也意识不到的，或者没能从图像发现的特征——那么更多的女性可能会免于这种疾病，或者可以避免遭受癌症晚期的那种密集而令人痛苦的治疗。
对于麦琪来说，这些进展是令人安心的。“了解到电脑能读懂我的乳房X线照片，至少会让我对诊断结果更有信心。”她说，“我想要得到*准确的结果，不管是采用什么样的方法。如果我们能将这一过程自动化，并引入人工智能，帮助更早地识别肿瘤，或更早地确定患乳腺癌的风险，那就更好了。”
机器能为病患所接受吗？
尽管人工智能在医学上的早期努力给人们带来了希望，但越来越明显的是，患者不会因为各种健康需求而与电脑屏幕对话，也不会从机器那里得到毁灭性的诊断结果。相反，加州斯克里普斯研究转化研究所的创始人埃里克托普尔（Eric Topol）认为，AI将充当合作伙伴或者支持者的角色，让医生能够更加专注于机器不大可能会掌握的医学艺术。“当然，我们可以用机器来减轻医学的一些临床方面的压力，机器能够学会做一些简单而常规的事情，比如判断孩子是否有耳部感染，或者弄清楚皮疹意味着什么。”他表示，“但医学领域的很多事情都需要有情境和人类接触。我不知道是否有人会愿意通过聊天机器人来获得癌症或心脏病等严重疾病的诊断。”
至于IBM的沃森，IBM Watson Health首席健康官Kyu Rhee承认，该系统仍在开发中，但他对其帮助医生更好地完成工作的能力越来越有信心。该公司目前与世界各地的300多家医院合作将机器学习技术融入癌症治疗当中，它正在努力改进病人数据的收集工作，优先采用来自*新的医学期刊的*新指导方针和信息，以使得其系统的建议是基于*新的、*准确的信息得出的。他称，其他影响该意在产生全球影响的项目的问题包括：Watson for Oncology是由纽约纪念斯隆-凯特琳癌症中心的医生来训练的，但一些医生，尤其是海外医生，觉得该系统的一些建议难以跟进，因为它可能比某些国家的医生和病人所习惯的治疗方式要来得激进。纪念斯隆-凯特琳癌症中心的医生所使用的药物，在其他的国家也并非都能买到。
但是，Kyu Rhee指出，任何这种**的项目都不可避免地会遇到挫折。“我们正处于人工智能革命和进化的开端。”他表示，“人工智能正开始提供附加价值，但*后还是得由人来做出决策——肿瘤科医生和癌症患者得决定如何处置来自沃森系统的建议。”
伯德对于人工智能在帮助像他这样的病人方面所能发挥的作用抱有乐观的态度。他承认，如果他必须要在电脑上回答像Mabu提出的那样的问题，“那就没有那么奏效了。”Mabu想要听我说话，她想要了解我的感受。
更多
库卡机器人
