雖然大資料醫療的應用前景廣泛， 但是現實情況往往令人沮喪。 在個性化醫療中， “光有AI是不夠的， 因為AI還是需要大資料。 ”
“如果機器人通過一定的醫學考核後， 上崗給你看病， 你會接受嗎？”
這個問題拋出來肯定很多人第一反應是不可置信， 有人會戲謔：機器人看病， 可以省紅包了。
就像國內愈加緊張的醫患關係， 在醫療診斷上， 關於人工智慧的爭議也一直“剪不斷理還亂”。
“如果我自己生病了也不會願意讓機器人來給我看病。 ”在何志明院士來看：“機器人和人工智慧是兩碼事， 機器人只是一個物理設備，
何志明教授， 美國國家工程院院士， 中組部“頂尖千人計畫”獲得者， 現任美國加州大學洛杉磯分校工程學院教授， 細胞控制中心主任， 曾任加州大學洛杉磯分校副校長。
在個體化醫學、微納米流體，
AI醫療到底有多火？
今年11月， 強生對外宣佈要開始做醫療機器人；
Deepmind開始將深度學習演算法用於乳腺癌X光檢查；
IBM Watson在輔助癌症診斷和改善醫院病人護理上取得重大突破；
英偉達和通用電氣合作， 準備全面升級全球50萬台醫療影像設備。
而何志明院士研究的個體化醫學也離不開人工智慧的協助， 問題來了， 個體化醫學又是什麼？
對於患相同疾病的不同病人， 現在的用藥方法是用同樣的藥；而在將來的個體化醫學中， 由於可以預測不同病人的藥物效應， 所以即使是治療同一種疾病， 醫生也可能根據病人的遺傳背景來選擇合理的藥物和最合理的劑量。
眾所周知， 藥物研發的週期非常長， 何志明院士通過他們的技術和演算法， 可以快速縮短這個過程。
“通常一個藥從細胞實驗到臨床需要十年以上，
也就是說， 相比較傳統的藥物研發， 在AI的幫助下， 何志明院士他們能夠在極短的時間內用很少的資金實現藥物篩選。
“我們用人工智慧的方式， 找出藥物和病人表型之間的函數轉換， 實現藥物篩檢、因人施藥。 ”
何志明一開始採用神經網路方法， 用了幾百個資料， 但是找到規則、發現致癌率其實僅僅只用了五六個實驗， 所以就像何志明所說， 他們的方法是基於神經網路優化得到的， 用這個演算法去做到個性化醫療。 “根據每一個人很少的資料， 通過我們的方法來確定什麼藥什麼劑量。 ”
在這個過程中，
何志明舉了個例子， “大資料可以幫我們選藥、找靶點， 目前肺結核認定的十四種藥， 就是利用大資料從6000多種藥中選出來的。 ”
雖然大資料醫療的應用前景廣泛， 但是現實情況往往令人沮喪。 “光有AI是不夠的， 因為AI還是需要大資料。 ”
在小樣本應用領域內， 大量的人工標注幾乎不可能實現， 比如醫療資料方面， 考慮到資料隱私性， 以及各個醫院之間的互通性， 這些都讓海量資料獲取和訓練難上加難。 當然， 這也是AI醫療發展的一大瓶頸。
每一種病都需要個性化治療， 新技術應用以臨床應用為首馬兜鈴酸事件後， 關於中醫有害的討論再次被推上風口浪尖， 在何志明來看， “中醫的問題在於沒有很準確的測量方式。 ”
替換高清大圖
“我們現在是把分子拿出來做，這是絕對科學的，一包中藥兩三百盎司，但是我們治病大概只需要三、四分之一。從幾百個分子之間找出來哪幾個最重要的，然後調不同的量，可以有效地將劑量降到四分之一。而降低劑量很重要，因為每個藥都有毒，我們增加效用值來降低成分。”
對於組合藥來說，各個成分之間的比例很重要，但這個比例是一個很大的區間，所以需要不斷去測試研究。
雖然何志明院士一直在致力於推廣其研發的個體化醫療，但是在市場普及過程中一直遇到不少問題。
“個性化很難達到，我們之前做肝移植實驗的時候一分錢沒花，直接根據醫生給的藥測出結果，和醫生說下次就用這個劑量，但是這種情況是無法向FDA（美國食品藥品監督管理局）去申請，因為FDA是做出一個片子後賣給大家用，這和我們的標準不一樣。”
通常情況下，因為每個中藥的分子都是新藥，所以必須要通過FDA的批准，組合之後還需要經過二次批准，這個過程往往需要四、五十年。
現在何志明每幾個月就會和醫生開展臨床試驗，“目前為止，醫生一直做不到臨床的個性化醫療，雖然分子生物的機制可以幫忙選藥，但是選不了劑量，不過我們定的很清楚，個性化治療每個禮拜都會定期變，和中醫‘視體質而變’一樣。”
雖然普及之路漫漫，但是何志明覺得醫生是很容易被說服的。“醫生的目的在於治病，而不是發表論文之類。他們和工程師一樣，是問題的解決者。”
這和我們此前採訪的樊代明院士觀點不謀而合，“不是說寫論文不行，而是說要寫了有用，寫了能真正用於臨床治療。”
從醫生的角度去看待新技術的應用，其實最大的衡量標準就是一切為了臨床治療，控制和解決病症問題。
機器人真的會取代醫生嗎？回到我們開篇所提到的問題，其實有一個大前提：機器人真的可以取代醫生嗎？
“拋開技術因素，這其中還有很多問題要解決，首先，病人會接受嗎？病人的心理狀態很重要，他們會不會相信機器人醫生？其次，國家的FDA會通過嗎？即使通過了，如果發生誤診了怎麼辦，像國內的醫患關係就很敏感。”
所以現在機器人可能某些方面做得比醫生還好，但是最終的診斷結果還是要醫生來決定。
一個有經驗的醫生，是要經過十幾年訓練的，在這過程中他可以從病人的病情中學到很多，與病人形成一種互動，而這正是大資料所缺失的。
大資料可以掌握很多基礎的知識，像教授一樣將這些知識教給學生，但是學生還是要自己去和病人互動，才能擁有經驗，成為真正的醫生。
最後，記得關注微信公眾號：鎂客網（im2maker），更多乾貨在等你！
”替換高清大圖
“我們現在是把分子拿出來做，這是絕對科學的，一包中藥兩三百盎司，但是我們治病大概只需要三、四分之一。從幾百個分子之間找出來哪幾個最重要的，然後調不同的量，可以有效地將劑量降到四分之一。而降低劑量很重要，因為每個藥都有毒，我們增加效用值來降低成分。”
對於組合藥來說，各個成分之間的比例很重要，但這個比例是一個很大的區間，所以需要不斷去測試研究。
雖然何志明院士一直在致力於推廣其研發的個體化醫療，但是在市場普及過程中一直遇到不少問題。
“個性化很難達到，我們之前做肝移植實驗的時候一分錢沒花，直接根據醫生給的藥測出結果，和醫生說下次就用這個劑量，但是這種情況是無法向FDA（美國食品藥品監督管理局）去申請，因為FDA是做出一個片子後賣給大家用，這和我們的標準不一樣。”
通常情況下，因為每個中藥的分子都是新藥，所以必須要通過FDA的批准，組合之後還需要經過二次批准，這個過程往往需要四、五十年。
現在何志明每幾個月就會和醫生開展臨床試驗，“目前為止，醫生一直做不到臨床的個性化醫療，雖然分子生物的機制可以幫忙選藥，但是選不了劑量，不過我們定的很清楚，個性化治療每個禮拜都會定期變，和中醫‘視體質而變’一樣。”
雖然普及之路漫漫，但是何志明覺得醫生是很容易被說服的。“醫生的目的在於治病，而不是發表論文之類。他們和工程師一樣，是問題的解決者。”
這和我們此前採訪的樊代明院士觀點不謀而合，“不是說寫論文不行，而是說要寫了有用，寫了能真正用於臨床治療。”
從醫生的角度去看待新技術的應用，其實最大的衡量標準就是一切為了臨床治療，控制和解決病症問題。
機器人真的會取代醫生嗎？回到我們開篇所提到的問題，其實有一個大前提：機器人真的可以取代醫生嗎？
“拋開技術因素，這其中還有很多問題要解決，首先，病人會接受嗎？病人的心理狀態很重要，他們會不會相信機器人醫生？其次，國家的FDA會通過嗎？即使通過了，如果發生誤診了怎麼辦，像國內的醫患關係就很敏感。”
所以現在機器人可能某些方面做得比醫生還好，但是最終的診斷結果還是要醫生來決定。
一個有經驗的醫生，是要經過十幾年訓練的，在這過程中他可以從病人的病情中學到很多，與病人形成一種互動，而這正是大資料所缺失的。
大資料可以掌握很多基礎的知識，像教授一樣將這些知識教給學生，但是學生還是要自己去和病人互動，才能擁有經驗，成為真正的醫生。
最後，記得關注微信公眾號：鎂客網（im2maker），更多乾貨在等你！