2016年3月15日，韩国围棋九段棋手李世石与谷歌人工智能软件“阿尔法围棋”（AlphaGo）在韩国首尔进行第五局对弈，经过5个小时的博弈，最终李世石输掉了本场比赛，围棋人机大战的总比分为1∶4。在与“阿尔法围棋”前三局的对弈中，李世石以0∶3连续失利。3月13日双方进行的第四局比赛中，李世石实现惊天逆转，挽回人类棋手颜面，将总比分改写为1∶3。
智能医疗的兴起
人机大战1∶4的比分让相当多的人感到失望和悲观，还有人感到了恐惧，认为人工智能战胜人和主宰人类社会的时代已经开启。
然而，即便“阿尔法围棋”最终以5∶0的大比分大胜李世石，也不意味着人工智能主宰世界和人类被奴役时代的到来，理由也并非只是“阿尔法围棋”是人类设计出来的，而是因为，“阿尔法围棋”其实开启了人类利用人工智能的新时代，准确地说，是拓宽了让人工智能为人类干活的新天地，并有可能深入而广泛地让人类文明迅速发展。
“阿尔法围棋”是靠深度学习、蒙特卡洛树搜索算法和自我进化三招战胜人类棋手的，这三大功能也是人类驾驭人工智能为人类服务的途径。由于人工智能能够自我学习，学习能力会越来越强，而且搜集和贮存的数据会越来越多，将会在更多的方面成为人的助手或替代人的工作。例如，除了替代一些体力劳动以及低级岗位外，会学习的人工智能还会接手一些需要创造性、技术性和复杂运算的工作。此外，在各个领域的新产品的研发、预测分析、推广等方面，人工智能也能产生巨大的作用，创造不可估量的效益。
设计“阿尔法围棋”的深度思想公司（Deep Mind）的CEO杰米斯·哈萨比斯提出了人工智能的通用性，即通用人工智能，这种智能与人类专家协作可以解决和处理更多需要智慧才能解决的问题，如诊治疾病，处理气候变化、能源、基因组学、宏观经济学、金融系统、物理等方面的几乎所有问题。哈萨比斯称，人类想要掌握的学科越来越复杂，即使是最聪明的人，穷其一生也难以掌握其中一个领域。如果将“阿尔法围棋”看成一个能够自动将非结构化信息转化为可用知识的过程，那么通过筛选泛滥的数据得出合理的观点就指日可待。研究人员正在努力研究的是一种可以解决任何问题的人工智能超级解决方案。
具体而言，如果“阿尔法围棋”的自我学习能力、大数据存储和分析功能应用到医药领域，将诞生一种新的医疗和医药模式，即智能医疗（有人称智慧医疗，但由于智慧似乎为人类所特有，以人工智能为基础的新型医疗称智能医疗更好）。
智能医疗是指通过打造健康档案区域医疗信息平台，利用最先进的计算机和互联网技术，实现患者与医务人员、基础研究（医学和药物研究）与临床治疗、医疗机构、医疗设备之间的互动，逐步达到信息化防治疾病和健身强体的目标。
例如，通过无线网络，使用掌上电脑便捷地联通各种诊疗仪器，医务人员能随时掌握每个病人的病案信息和最新诊疗报告，随时随地快速制定诊疗方案；在医院任何一个地方，医护人员都可以登录距自己最近的系统查询医学影像资料和医嘱；患者的转诊信息及病历可以在任意一家医院通过医疗联网方式调阅；任何科学研究，包括医学和与医学相关的物理、化学等领域的研究最新成果能在互联网上及时公布等，让诊断、治病和用药以及公众的保健得到最有效、最迅速、最适宜、最廉价和最科学的处理。
智能医疗的具体表现
以“阿尔法围棋”为例，可以知道什么是智能医疗。
研发出“阿尔法围棋”的深度思想公司并非只是专注于让“阿尔法围棋”与人类棋手过招，而是注重把人工智能通过学习解决实际问题的能力贯穿应用到医学领域。2016年2月深度思想公司就已经发布了在医护领域使用的深度学习程序——深度思想健康（Deep Mind Health）。这是一款手机应用程序（APP），包括“识别风险病人”（Stream）和“早期临床护理管理”（Hark）两个模块。
这种手机应用程序当然也是一种人工智能，它们需要学习和帮助医护人员监护一些表面上不严重但实际很危险的病人，或者一些急性发病者。例如，深度思想健康的“识别风险病人程序”可以及时发现急性肾衰竭高风险病人，以便让医生及时治疗并改善对病人的护理。这个程序是通过检读血液检查报告，以辨别哪些病人存在风险。结果表明，有25%的急性肾衰竭死亡可以通过这个程序避免。“早期临床护理管理程序”则能帮助医生制定治疗方案和采取行动。使用该项程序能避免38%的患者病情恶化。
当然，这些只是人工智能开发和应用的冰山一角。实际上，在医药领域利用计算机技术和人工智能最早和进展较大的是药物的研发与监控。计算机和人工智能对于药物的研发在很多方面都起到了作用，如研发新药、老药新用、药物筛选、预测药物副作用、药物跟踪研究等。这实际上已经产生了一门新学科，即药物临床研究的计算机仿真（CTS）。
一种新药的开发一般估计需要15年时间，耗资10亿美元，但最近的估计是可能耗资40亿～120亿美元，还不能保证成功。因为，除了要求新药要有疗效外，还需要安全性的保障。如何监控和预测药物的副作用或不良反应就成为研发一种新药或老药新用的重要保证。
对于传统的药物研发来说，一种药物必须经过动物试验和人体的Ⅰ、Ⅱ、Ⅲ期临床试验。而且，即便Ⅲ期试验后批准上市，还有Ⅳ期临床研究，即新药上市后进行的临床研究，而且一类新药要求进行2000个病例的IV期试验。这也是造成药物研发周期长、费用高的重要原因。
但是，在今天有了计算机程序，特别是以“阿尔法围棋”为代表的能自我学习的计算机程序（软件），就为人们提供了一个检测药物的人工智能安全专家。首先是在新药筛选时可以获得安全性较高的几种备选物质。当很多个甚至成千上万个化合物都对治疗肝癌显示出某种疗效，但又对它们的安全性难以判断时，便可以利用“阿尔法围棋”的策略网络和评价网络，以及蒙特卡洛树搜索算法来挑选最具有安全性的化合物，成为新药的最佳备选者。同样，对于尚未进入动物和人体试验阶段的药物，也可以利用类似“阿尔法围棋”这样的人工智能来检测新药的安全性。因为，每一种药物作用的靶向蛋白和受体都并不专一，如果作用于非靶向受体和蛋白就会引起副作用。类似“阿尔法围棋”的程序可以通过对既有的数千种已知药物的副作用进行筛选搜索，以判定一种药物是否会有副作用，或副作用的大与小以及最小，由此选择那些副作用概率最小和实际产生副作用最小的药物进入动物和人体试验，就会大大增加成功的概率，节约时间和成本。当然，利用“阿尔法围棋”等程序还可模拟和检测药物进入人体内的吸收、分布、代谢和排泄、给药剂量-浓度-效应之间的关系等情况，让药物研发进入快车道。
大数据和信息共享
大数据和信息共享同样是智能医疗的核心。信息共享成为智能医疗的重要性在于，全球的科研人员只有科研共享，才能对各种危害人们健康的疾病和顽症，如艾滋病、癌症等进行有效的治疗，挽救人们的生命。这一点在突发公共卫生事件，尤其是暴发危害人们生命的疾病时，具有重大的作用，例如最近在南美爆发的寨卡病。
由于医护人员对寨卡病的发病机理、传播途径和危害胎儿和孕妇的机理并不清楚，对待这种疾病既无有效的药物，也没有疫苗，因此需要更多更新的研究结果来指导防治疾病，而对于最新研究信息的共享，则有助于指导全球医务人员和公共卫生专业人员，并通过医护人员向公众提供科学的防治方法。
正是在寨卡病的防治上，信息共享得以突破。现在，美国威斯康星大学麦迪逊分校病毒学家康纳研究团队用寨卡病毒感染猴子进行试验，并在网上公开了首批数据。这一行为改变了过去研究人员只是在学术期刊发表研究结果和数据的传统做法。美国研究人员在网上发布的是2016年2月15日他们将寨卡病毒注射进3只印度恒河猴体内获得的血液、唾液和尿中所检测到的病毒数量的原始数据。这些数据能让每个人都看到，并且每天都会更新研究结果。
此次康纳等人首先在网上公布动物试验的数据意味着，生物医学已经正式踏入智能医疗门槛。与此同时，中国研究人员也借寨卡的防治和研究而跨入智能医疗和大科技的门槛。中国疾控中心与江西省疾控中心、浙江省疾控中心、军事医学科学院等单位合作，分别对寨卡病毒感染病例血液和尿液标本中的寨卡病毒基因组进行了全面解析，获得病毒全基因组序列，并发布到网上。
这种科研的资源共享显然为人们认识寨卡病的病理、研制药物和疫苗奠定了基础。而且，基于对不同来源的寨卡病毒特点的认识，将进行针对性的药物和疫苗研发。例如，中国疾控中心和江西省疾控中心合作测序的寨卡病毒基因组有10676个碱基，与目前在美洲的流行病毒株具有高度同源性。但是，浙江省疾控中心测序的寨卡病毒核酸序列与太平洋岛国法属波利尼西亚地区报道的病毒基因组序列高度同源，而与中国其他省份报告的输入病例的病毒核酸序列存在差异。
不过，美国研究人员在网上公布恒河猴试验的数据还具有更多的意义。寨卡病是一起非常紧急的公共卫生突发事件，所有人都在与寨卡病毒赛跑，也与时间赛跑。除了不应让科学家的竞争成为保密理由而延缓对寨卡病的认知和防治外，还要意识到，对人的研究有很多伦理限制而无法获得相应的数据和知识。
由于寨卡病毒感染的形式和机制在人和恒河猴体内相似和相同，研究人员能通过向猴子体内注射不同剂量的寨卡病毒而获得该病有价值的第一手相关信息。科学家能对怀孕恒河猴体内的羊水反复取样，以判断寨卡病毒能否以及多快感染胎儿。这些数据一方面不可能从人身上快速且合乎伦理地获取到，另一方面也可能因此而延误人们对寨卡病毒是否导致小头儿等的认知。
有了对恒河猴的研究结果，并且能发布在网上，就能较快地获得诸如寨卡病毒是否与小头儿关联的确切信息和机理，例如，正在发育的胎儿可能何时会被寨卡病毒侵袭而导致出生缺陷，也就能为人们提供防治的线索和方式。
此外，由于世界一些国家反对动物试验，尤其是反对用灵长类动物进行医学试验的呼声越来越大，浪潮越来越高。欧洲一些国家，如德国已经在减少灵长类动物的医学试验，美国国立卫生研究院（NIH）也已决定结束其下属一家实验室存有争议的猴子试验，并终止了对黑猩猩侵入性试验的经费支持。
在这样的情况下，美国研究人员在网上公布寨卡病毒感染猴子的数据就更具有意义，因为这是在实现一个共同的目标，资源共享能让那些并没有进行动物试验的研究人员了解动物试验的情况和数据，也就会减少使用灵长类动物进行试验。
当然，大科技时代的资源共享也会让科研人员产生疑虑，其中最核心的是，研究成果的界定和归属，以及其他研究人员是否采信网上发布的动物和其他研究数据及结果。
对于第一个问题，也许可以用网上公布的时间来判断一项研究结果的最早时间和进行研究的科研人员，至于对网上公布的研究结果的采信与否，可能会随着大科技时代的进展由实践做出回答。无论其他研究人员是否采信网上公布的结果和数据，都会进行验证，因此，可能会有效地检验网上公布的研究结果。
患者也要利用智能医疗
一般而言，智能医疗通常指的是计算机、大数据和互联网+如何让医生和专业机构对病人的疾病诊治更准确和更科学，让人们既能看病有效，又能少花钱。
例如，现在飞利浦公司设计了一个智能软件飞利浦健康套件数字平台，希望将消费者、患者和医疗服务人员三方进行串连，在互联的护理领域进行尝试。这个平台是一个基于云技术的开放安全平台，能够收集和分析从健康手表、血压计、耳式体温计和身体分析仪等多个设备源头的健康数据。医生也可以在第一时间了解到患者的情况并做出医疗判断和治疗方案，从而大大降低医疗成本和漏诊误诊的发生率。
智能医疗的另一个维度是患者和家属，以及需要保健的正常群体，他们也需要大数据和智能分析来选择自己所需的诊治疾病的方式和程序，以及正常人需要选择的保健措施。
在这方面，利用大数据设计成智能软件，为患者和公众提供就医和保健的信息也格外重要。现在，美国已经出现了主流医院评价平台的智能软件，供广大公众选择。这个平台对美国近5000家医院、约14万医生以及16个医疗领域的137家专业医院排名。这个排名对医院声誉、患者存活率、患者安全性以及其他医疗相关指标在内的数十项评价指标进行综合排序，由第三方公司或组织进行多方位、多元化评价，更加关注医疗产出以及患者满意度。如此，这种智能平台可以向公众提供他们可以选择和信赖的医院进行就诊和治病。
现在，中国对医院和医生的评价还是采用最普遍的医院等级划分标准（3级10等）。医院评审分级标准包括医院的规模、技术水平、医疗设备、管理水平、医院质量等5个标准，但由于其他评审内容设置缺乏直观指标，容易量化的硬件标准（床位、科室设置、医疗设备、人员配备等）成为划分医院等级的决定因素，暂时未能考虑医院的综合医疗效果、患者存活率、患者安全性等。
现在，中国研究人员意识到医院评价和大数据的重要性，复旦大学医院管理研究所已经邀请全国30个临床专科的几千位著名专家学者共同参与评审中国最佳医院排行榜。其中，医院专科声誉主要由专家提名心目中名列前茅的医院，而在科研学术方面，得分主要来自于国家级奖项和科学引文索引（SCI）影响因子。
相比而言，美国对医院评价的智能软件主要是为患者服务，医院排名的宗旨就是让患者选择合适的医院、医师。这也是为什么美国的第三方评价机构选取的众多评价标准中多数是关于患者安全、医疗质量及就医满意度的，而这些指标正是一个排行榜见功力、需要大量数据分析支撑的地方。
中国的医院评价大数据尚未引进医疗质量和安全评价，这是需要进一步深化和发展的地方。如果这些要素都能整合到智能软件中，公众就可以通过这样的智能软件选择适宜自己的就医机构和医生。患者和公众利用智能软件是智能医疗不可或缺的部分。
【责任编辑】张田勘
