百度李彦宏：人工智能改变医疗的四个层次

在昨天的乌镇第三届互联网大会上，百度CEO李彦宏称，“移动互联网的时代已经结束了……互联网的下一幕将是人工智能”，并表示，未来的每一个行业，都会因人工智能的到来发生巨大的改变。

具体到医疗领域，在今天的“互联网+智慧医疗”分论坛上，他发表了主旨演讲《智能医疗 奇点临近》，进一步解释了人工智能对医疗的变革。

李彦宏指出，人工智能和大数据在医疗上的发展分为四个层次：医疗O2O智能分诊，人工智能参与的智能问诊，基因分析和精准医疗，基于大数据的新药研发。他认为，从分诊到新药研发，人工智能健康大数据奇点已经临近。

具体来说，医疗O2O主要是将患者从线上引导到线下的诊疗场所。

对于智能问诊，李彦宏表示，百度曾经和北大医院合作，百度医生的诊断和北大医院的医生的诊断80%是一样的。而百度医生还会考虑比较罕见的情况，这需要对病人的描述进行自然语言上的理解。

医疗健康领域，百度医生是百度大脑在健康医疗领域的体现。9月底，百度推出了百度医疗大脑，用机器替代简单病症问诊，帮助医生分析和整理患者数据。

关于基因分析和精准医疗，李彦宏表认为这是近年来计算机科学领域最兴奋的方向，也是在IT领域之外，唯一符合摩尔定律的，很有可能会出现革命性的东西。李彦宏表示，目前用基因治病，最大的问题是大多数已知的基因导致的疾病都由单基因导致，属于罕见病，而多数常见病可能是多基因导致的，了解疾病是由哪些基因共同作用导致的，需要大量计算。而通过人工智能对基因和精准医疗数据进行分析，利用基因编辑等技术会在常见病上有更多突破。

对于新药研发，李彦宏期待，通过人工智能和大数据可以推进制药变革。通过大数据和人工智能，可以让数据的计算模拟药品研发过程，降低研发成本，预测性药品的效果。

李彦宏表示，期望能把几十万台服务器的运算能力和最先进的算法，运用到医疗和健康领域。

以下是演讲全文：

大家早上好，我在昨天的大会发言中说在人工智能时代我们需要重新想象每个行业，今天我就试着站在互联网的角度重新想象一下医疗行业。

今天的嘉宾主要来自两个领域，一个是互联网领域，一个是医疗健康领域。就像我在公司里经常讲的，两个不同领域的人，需要像修桥一样，从各自的一端往中间去修，如果大家目标一致的话，中间对上，这个桥就通了，如果是大家想象的不一样，修到中间对不上，那就失败了，所以我们尽量让两边各自往对方的那一边去靠。我们先从百度人工智能的角度来看一看，我们已经具备了哪些能力，然后再看看这些能力在医疗健康行业应该怎么样去应用。人工智能在百度的体现主要是通过百度大脑，百度大脑的主要功能有四项，一个是语音、语音的识别，今天的语音识别已经达到了97%的准确率，也就是说在安静环境下它已经超越了正常人的听力水平；图像识别其实在医疗领域的应用大家也都很清楚，就像刚刚李斌主任讲过的医学影像，一个医生一生当中只能看几万个片子，但对于电脑来说，看几十万几百万的片子可能都算是很小的数据；用户的画像、自然语言的理解其实在智能问诊这些领域都可以有非常多的应用。对于医疗行业来说，我们有一个对应的叫百度医疗大脑来提供相关的解决方案。

在我看来，或者从互联网角度来看，互联网+医疗基本上可以分为四个层次。我们认为，第一个层次是O2O的服务，怎样通过线上把用户引流到线下，并分发到那些适合处理用户疾病的地方去。第二个是智能问诊，刚才詹启敏院士也提过，像是IBM Watson对于癌症的诊疗，计算机可能在很多时候也能够超越人类医生。百度在百度医生方面也做了一些尝试。第三个层次我们觉得是基因分析和精准医疗，这方面待会我也会详细地讲。第四个层次我觉得是新药研发，这方面现在在国内的关注度不是很够，但我觉得这是大数据和人工智能真正能够起到决定性作用的一个领域。

首先，我们看这个O2O服务，百度的百度医生现在已经有50万的医生参与咨询，累计有800万人通过百度医生平台来获得相关的医疗服务。

第二个层次是智能问诊，我刚才讲到的是的Watson的这个例子，百度医生我们最近推出的智能问诊也做了一些测试，比如说，在北大国际医院做过一个测试，在80%的情况下，百度医生的诊断和北大国际医院的医生诊断是一致的，也就是说它的准确度有了非常快的提升。而且它可能在一些比较罕见的情况下表现更好，比如说同样的症状，有99.99%是某个疾病，但是可能有万分之一，甚至十万分之一的概率是另外一种罕见病，在这种情况下，作为一个电脑，它可以辅助医生做一些相应的判断。这些技术不仅仅需要对大量的医疗知识进行机器学习，也需要对病人表述的理解能力不断地提升，实际上这就是自然语言理解的方向。

第三个层次是基因分析和精准医疗，其实这是这些年做计算机科学最觉得兴奋的方向。因为在IT领域我们讲摩尔定律，在IT领域以外唯一符合摩尔定律的就是基因测序的成本，所以我们觉得这方面很有可能会不断地出现一些革命性的东西。目前看，用基因来进行治病，最大的一个问题是大多数已知的基因导致的疾病都是单基因导致的，而这些病又大多是罕见病，而大多常见病我们猜测是多基因导致的。多个基因的共同作用导致的，所以怎样能够搞清楚一个病它是由哪些基因共同作用导致的，其实需要大量的计算。詹启敏教授在协和时我们跟他有一个合作的项目，就是对中国的食管癌病人进行基因测序，试图找到是哪些基因的共同作用能够导致癌症的发生，一旦我们搞清楚这些，未来像基因编辑等这些治疗方法就可以用在更多常见病上，目前基因编辑应用的一些都是罕见病，比如美国spark Therapeutics它能对一种导致人视力下降、失明的病毒造成的罕见病进行治疗，但是这些病都太罕见了。大多数的病我们需要搞清楚是需要哪些基因共同导致的，而这里就需要大量的计算。在我跟医疗行业的人进行交流的时候，在我们看来很深奥的医学知识，在他们看来其实很简单，反之亦然，在我们看来很简单的计算，在他们看来这就是大数据、人工智能，有点难，所以我们很希望真正把几十万台服务器的计算能力、深度学习的最先进的算法能够应用到医疗和健康领域。

第四个层次是新药研发，今天已知的有可能能够形成药的小分子化合物大概是10的33次方这么多，这大概就是全宇宙所有的原子加起来都没有这么多。这样的一个量，怎样用它的分子式跟产生疾病的蛋白去合在一起，用来治病？未知的那些分子式怎样进行大量的筛选，找到有效的新药？这也需要极其强大的计算能力和最先进的算法，这方面美国的有些创业公司，比如atomwise已经在做这个事情，我们也是觉得计算机科学、人工智能能够在这方面有所帮助。

正如我在开头讲的，很希望两方面的人共同努力，我们用我们大数据的能力、用自己无穷无尽的计算能力，而医疗健康领域希望能够收集越来越多的数据、提出至少是计算领域越来越难的问题，我们共同造福数亿患者。

谢谢大家！

技术创新正在变革医疗与健康产业，雷锋网持续关注医疗领域出现的软硬件创新，包括设备、数据，抑或对他们的创新运用。目前我们在招募医疗健康领域作者，负责采写报道医疗科技领域的企业与牛人。简历投递至 zhangchi@leiphone.com。