导 读:
医疗AI不是对人的替代，而是对人的增强
医疗，曾是五年前各界认为AI能够落地的首批应用场景之一。
在科学家与投资者眼中，AI给医疗带来了哪些改变？未来十年还有哪些潜力与可能？2021年三月底，红杉资本全球执行合伙人沈南鹏与美国斯坦福大学计算机科学教授、美国工程院院士李飞飞，进行了一次线上对话。
李飞飞认为，传统的医疗场景中总是关注很多血液检测、医学影像、细胞信息等数据性信息，对于人的行为、动作关注不够，这恰恰是AI、传感器可以触及的，比如一些可穿戴设备可以提前发现老年人慢性病的前兆，提醒照护人员提前干预。
作为投资人，沈南鹏观察到，在过去一到两年里，人工智能在新药开发领域里出现了多个平台型的突破。一个交叉点正在兴旺的发展，就是IT（信息技术）和BT（生物技术），其融合速度超过历史上任何时刻。
“财经 活粒”将这场著名科学家与投资人的对话内容整理出来，以飨读者。
图/2021红杉全球医疗健康产业峰会
沈南鹏：恭喜你在2020年当选为美国国家工程院和美国国家医学科学院院士。去年你在Nature杂志上发表了一篇文章，“用环境智能照亮医疗的黑暗空间”。请你来诠释一下，环境智能的内涵是什么？它怎么照亮医疗的黑暗空间？
李飞飞：这项工作已经做了十年，讲述的是我们医疗场景包含了太多human behavior（人的行为）。虽然我们总是关注很多的试验数据、X光照片，或者细胞情况，但对于病人的身体状况以及康复、治愈的过程，归根结底，人的行为、动作在医疗健康这个场景中都是极其重要的。
这是一个没被关注到的信息源。在医疗场景里，我们都在关注血液检测、医学影像、细胞信息，但是真正要让病人达到最后要很健康的生活，还是要回到人的行为。
在这个前提下，我和我的合作者在十年前就发现，其实人工智能带来了一个新的机会。它通过传感器，能帮我们采集到这样的信息。最重要的是，它不光是采集环境信息，采集人行为的信息，还能做出智慧的分析，让我们知道病人的情况有没有改变，医生、护士的行为有没有对病人康复行为产生影响，而这些信息非常重要。
我受到的最大启发来自于无人驾驶。十年前硅谷是无人驾驶发源地，作为当时斯坦福人工智能实验室的主任，我们发现无人驾驶这个技术，就是通过传感器、AI算法和整个系统整合而产生的。这个想法被我们放进医疗场景，所以产生做环境智能的想法。
沈南鹏：在诊断医学，比如肺片、胸片诊断，越来越多地看到人工智能能够替代医生，甚至是非常有经验医生的工作，能够让医院和整个医生群体共享以前的知识积累。在其他场景下，你看到哪些比较重要的应用？具体哪些场景是你认为在未来一段时间内能够突破的？
李飞飞：我们一直致力于的，不是对人的替代，而是对人的增强。
在医院，我们很早就开始关注ICU（重症监护室）。在美国，ICU每年经费占到了整个GDP的1%，这是重要的医疗环境，在这里的病人也是在做生与死的搏斗，医护人员压力也非常大。在这样的场景下，在美国ICU的照护里有很多的protocol（规程）是严格必须执行的。
比如，不太能动的病人，怎么能够让他不产生褥疮？褥疮在医院里是引发人生命安全的问题，由于肌肉的僵硬、血液的不循环（导致的），病人产生褥疮后非常痛苦，而且医疗费用也会增加。这个问题我们怎么解决？
我们发现最重要的是mobility（活动），对褥疮的预防和在ICU很重要，但是mobility怎么测？如果放一个传感器在床底下，其实很难测出来，现在有一个办法是请人去照看，比如请护士每两个小时在电子病历里记录一下病人翻身了。但是，这是非常不准确和粗略的一种记录。如果用AI智能的传感器，我们可以实时检测病人翻身的情况，这个信息对护理和医疗都非常重要。这个小小的例子就可以看出，AI可以产生很大的作用。
我再说一个居家的情况，其实这是我本人最关注的医疗场景，因为全球的老龄化会造成越来越多的人会在晚年花很长时间在家里，而且老年同时也是慢性病比较多的年龄阶段。如何让老人更健康、自理地生活？
老人的一些慢性病，如果及时处理，一些抗生素就可以解决的问题就不需要去急诊室。如何去发现老人一开始有没有出现感染的现象？或者心率、呼吸发生什么变化？或者一天都没有怎么动，他的饮食、睡眠的状况都发生什么变化？他是否进行了平时做的社交？
这些信息从哪里来？普遍只有两种方式：第一是护理人员、家人，但这个信息很不准确并且不可持续。
另外就是可穿戴式设备，这也是我觉得很有发展前途的技术。但可穿戴式设备有自己的问题，尤其是对老人来说，可穿戴式不是特别受欢迎。而且，可穿戴式不可能像眼睛一样看到老人很多行为方面的问题。
通过设备和传感器，我们可以持续观测到老人行为变化，以及医疗有关的重要信息，可以及时传给家人和医护人员。这样，一个慢性病老人，他可能只需要抗生素的干预，而不需要拖到两个星期以后，非要到急诊室或者住院。
沈南鹏：新冠疫情，作为一个短期事件，对医疗体系创新有怎么样的推动？人类碰到这样的灾难，一方面要解决短期的带来的阵痛，另一方面也是利用这样的机会推动医疗行业的创新，有什么样的经验可以跟大家分享？
李飞飞：新冠疫情对于每个人都有非常深刻的影响，不管是对个人、生活还是事业。
首先，这是全球经历了一次以人为本非常谦卑的经验，不管是科学技术在21世纪发展得多好，我们还有很多面对自然和自身身体健康无法抗拒的挑战。我虽然说的跟科学技术本身无关，但是作为技术人，我一直跟我的学生强调，这种对人的关注，对人自身健康的关注，其实是特别重要的。
说到具体的技术点，我觉得有下面几点：
第一，远程医疗。作为一个长期生活在美国、有时候忙的只能跟我的医生远程说话的患者，我一直想为什么远程医疗没有被广泛地应用？结果新冠疫情一来极速推广了远程应用。所以我觉得它是促进了跟远程医疗相关整个生态各方面的发展。
同时，相关的环境智能也是。我自己非常明显感觉到我的合作伙伴，尤其是斯坦福医学院，还有美国另外一个很大的医疗系统的合作伙伴，他们对环境智能在可持续的情况下获取病人的情况，甚至对病人处理做出技术性的判断，这种态度一下子就变了，大家非常欢迎。
您提到的公共卫生危机，那就是“健康信息”，很多人说新冠不是第一场pandemic，但是是第一场infodemic。
infodemic的意思是“一场各种真假信息在极速传播”。这是对技术和社会影响非常深刻的事情。我的很多医学院同事看到技术在信息的传播里起到了好的作用和坏的作用，互联网带来迅速信息的传递。但是AI人工智能也带来了错误信息的传递。
图/2021红杉全球医疗健康产业峰会
沈南鹏：你主导“以人为本”人工智能研究所（HAI），我觉得这个非常好。作为研究所不仅关注技术发展，同时关注AI人工智能对社会的变化，尤其是在伦理以及社会各个层面可能产生的影响，在这样的交叉领域有哪些可以给我们分享和解读的？
李飞飞：作为科学者、技术人，从20年前走进科学的领域到今天，我也改变了、成长了很多。我没有想到我那么热爱的科学最后变成改变社会的驱动力。
在这个过程中，我们在两三年前成立HAI就意识到非常深刻的问题，AI不单是一个技术领域，AI涉及的社会学和伦理学尤其深刻，在这个机构里我们有非常重要的从研究到教育，再到政策方面的学习和研究领域。
第一个是经济学。经济学是一门社会科学，是非常重要的、和人息息相关的学科，尤其是对数字经济、人力资本市场的变化，AI带来的变化非常多。所以我们现在有好几位世界顶级的经济学家在推动这项研究。
另一个是法律。从无人驾驶，到医疗，再到政府，任何AI参与的决策，其实都在挑战过去法律的一些基本假设。法学院教授参与了很多HAI工作，一方面看政府怎么应用AI技术，让政府运行更有效率。但另一方面也在想怎么制定良好的政策和法律，一方面继续推动创新，另一方面面对新AI带来的很多问题。
还有一个跟社会伦理学有关的是艺术。艺术是人类文明最特别的一部分，它代表了人类的表达，以及人性的状态和社会要发展的方向。HAI跟艺术系和艺术家，从音乐到视觉艺术再到文字艺术都有很深刻的合作。
沈南鹏：能举一个例子吗？哪怕现在还没有实施的，人工智能和艺术家、音乐家、画家们怎么产生互动？
李飞飞：当然可以。大概两年前还是一年半以前，世界最著名的拍卖行拍卖了第一幅AI的画，这是全球第一次用算法生成的艺术作品，然后被人高价买走。不管是社会艺术还是音乐艺术，其实AI算法可以产生非常有意思的作品。
这对人类艺术家提出了一个挑战，人类艺术家的作用在哪儿？AI可以不断产生梵高的《星空》，如果人类观看者也热爱AI创造的艺术品，那么人类艺术家代表什么？是心声还是其他表达方式？所以现在有很多探索，我们如何拓开艺术空间。有了这样的算法，同时也能把人类的表达和人类的情感，继续在这样的空间里，继续生存也好、发展也好，这是一个例子。
最后一个例子我想说的就是医疗的例子。我和Prof. Arnold Milstein共同合作了十年的研究室，大概在几年前成立了一个伦理委员会。我们发现在医疗方面做AI研究，其实会涉及很多新的伦理问题。比如说隐私的问题，比如说数据所有权的问题，以及公平的问题。这些问题都不是一个技术出身或者医学学科出身的人自己可以完全解答的。
所以我们邀请了一位法律系的教授、一位伦理哲学教授和两位伦理生物学的教授，成立了这个委员会，和我们高频互动、实时互动，帮我们思考研究方向，怎么一方面推动技术，另一方面也尊重普世价值观和人性。让科学创造福利，而不是在预计之外的伤害到病人或医护人员。
沈南鹏：HAI推出了是全球第一个《人工智能指数报告》，这是非常前瞻性的举动，这个能否分享一下？
李飞飞：这有可能确实是全球第一个，是2017年由斯坦福人工智能实验室一位资深教授引领的项目。HAI在2019年把AI指数项目合并以后，继续再支持这个项目，所以这是第四年我们出的AI指数。
这个AI指数的宗旨就是致力于公平、公正、全面为报告全球AI进程。它是从研究、教育到工业界、产业界、商业各个方面的一些影响或者变化。2020年绝对是一个非常有意思的年份，因为新冠的原因，它也出现一些新的趋势。比如第一条，我们发现2020年人工智能在药物研发设计方面的应用有了显著的变化，这是一个巨大的影响。
第二个就是工业化继续强劲的发展，AI越来越工业化，代表很多博士研究生甚至教授都开始进入工业界。还有，AI还是有很大的多元化的挑战，AI人群还是以男性为主，这个挑战还是持续性的，没有很好解决。
沈南鹏：作为全球优秀的人工智能专家，华人人工智能里的领导者，我想请你分享一下，当时你怎么会做ImageNet这个项目？这对整个人工智能深度学习带来什么样的推动和革命性的引领？当时做这个事情的初心是什么？
李飞飞：ImageNet项目是2006年开始的，我记得那会儿我还没有白头发。我先说一下这个项目为什么后面引起关注。
从2010年开始，ImageNet每一年都会在学术界举行一场ImageNet挑战赛。这个比赛要求用AI算法对一千种物品的一百万张图片作出分类。在2012年时，加拿大Prof.Geoff Hinton和他的学生们用了当时挺传统的算法叫convolutional neural network，得到了我们ImageNet挑战赛的第一名。
可以说这是一个历史性的事件，它等于带来的神经网络算法的“第二春”，启动了深度学习革命性的发展，给过去10年带来了很大的变化。
从2012年，为什么他们会参与ImageNet，我为什么做ImageNet？要回到2006年左右，那时候AI还是很好玩的计算机科学里的一个小小的领域。我自己刚刚博士毕业做的教授，还是比较年轻的教授，也一直在思考AI领域里的“北极星”是什么？北极星是做科学的人追求，我是物理出身的，我最重视的是最重要的问题在哪里，对于我来说最重要的“北极星”就是视觉学习。
对成千上万物品识别能力是人类最重要的能力，如果没有这个能力做不了其他任何事情，我们不可能逛街，不可能上商店买东西。
所以找到物品识别问题，是我当时坚定认为的视觉智能领域里的一颗“北极星”。但是找到这颗“北极星”没用，我发现在2006年时，这个问题虽然被关注，但是我们都不知道从何下手。我自己拿着一两个类别，就在那儿调各种各样的模型参数。我当时觉得它很不自然，很不合理。因为人的智能不是一个小孩天天去学车怎么样，而是大量数据情况下，在很快成长的前几年，它就对视觉的世界有了一个比较完善的认知，而这个认知来自于大数据的学习。
从这一点我想到，可能以前我们走的路都走错了，以前拼命去调模型参数，看一两类物体，我们换一种想法用大数据推动视觉智能的学习。其实我想到了字典，当时最大的视觉物体类别可能从字典里，这个字典很特别叫WordNet，里面有八万条名词符，但也有些名词不是物体，比如说生气这样的名词它就不代表物体。
所以我把两三万个物体的名词符提取出来。很幸运的是，2007年也是互联网成长特别快的一段时间，有了互联网，有了数据源，我们实验室做了巨大的工作，做了三年，把十几亿幅图最后汇集成了1500万幅图的数据集，我们的当时初心是通过数据集去摘取这颗“北极星”。这就是ImageNet最初的故事。
沈南鹏：我想这可能是会被写入教科书的一个故事，因为这确实引领了很多AI的发展。
李飞飞：作为红杉全球执行合伙人，在医疗这个场景，你对未来10年AI在医疗发展和应用有什么样的判断？
沈南鹏：我们作为投资人，关注的点其实跟做研究的科学家是一样的关注这个行业的大问题，包括它的终极问题，关注行业最大的痛点在哪里，这是投到好公司的关键。
第二，跟您刚才讲的非常吻合，在过去一到两年里，人工智能在新药开发领域里出现了多个平台型的突破。我们看到一个交叉点正在兴旺的发展，就是IT和BT，其融合速度超过历史上任何时刻。从我们一直比较关注的网上医疗服务，再到AI在诊断、治疗全流程服务中的应用，在新药开发中的应用，这些都构成了整个医疗行业新的革命。
来源：财经.活粒
声明：本文著作权属原创者所有，不代表本微信公众号立常如涉著作权事宜请联系删除。
