百度研究院大数据实验室主任范伟： 让机器像大夫一样和你聊天

导读

有很多公开数据显示医生是怎么问诊的,百度医疗对其进行抽象,建构模型,将这个模型作为一个约束条件加入到问诊流程中。

作为百度大脑的重要模块,现阶段的百度医疗大脑主要提供智能问诊服务。据悉,百度医疗大脑基于百度医疗大数据,使用深度学习技术与知识图谱算法,进行多轮自动智能对话。

在北大国际医院的测试显示,80%多的智能诊疗结果和医生诊断一致。而在百度研究院大数据实验室主任兼高级总监范伟看来,除了最终的诊疗结果,整个人机对话过程中用户的体验同样重要。“我希望将来能够像打电话一样,一键按下去,机器就开始像大夫一样跟你聊天”,这样的类人体验是他和团队成员追求的目标。

深度学习

《21世纪》:百度用深度学习技术来搭建百度医疗大脑,医疗领域的人工智能发展也有五十多年时间了,早期医疗人工智能的局限在什么方面?深度学习技术的应用主要使哪方面的能力有所增强?

范伟:我们根据权威的医疗文献和网上的公开数据,获取累计400G以上的数据,然后针对这些数据做复杂的模型建模,从而阅读并理解医生和病人在线的问诊过程。在传统的模式下,面对如此之多的数据,没有一个模型能将其间全部复杂的关系提取出来。深度学习最关键的一个特点就是可以发掘数据中隐含的关系。

以前智能医疗效果不好,主要原因是大家都在写规则,这种方式,简单一两个病还能操作,但是当病种达到成千上万,规则就会变得很复杂,通过人的方式指导机器去做就变得不是很现实。

《21世纪》:百度医疗大脑现在能够诊断哪些疾病?有没有这样的案例,机器诊疗得到的信息是医生没有发现的?

范伟:从大类来说,我们现在不做某些外科病、性病、妇科领域的,因为其中涉及部分敏感词,不适合通过互联网做交互。慢慢地,我们会根据用户的使用情况放松限制。

有时同种症状会对应不同的疾病,我们接触过这样一个案例,有个病人的症状在绝大多数情况下是心肌缺血,这种疾病不太会危及人的生命,但还有另外一种病叫做心膜炎,是一种致死性疾病,通过智能问诊,我们跟患者讲,更大的可能性是心肌缺血,但也需要排除是心膜炎。当时就有医生表示,如果是没有经验的医生来诊断,也许就会忽视这种比较少见但却有致命危险性的可能。

《21世纪》:智能问诊技术架构的几个阶段中,哪个阶段感到最困难?

范伟:推理和提问还有对问题的理解,即怎么做到所问即所答。以推理为例,从大概的概念到调优到修补用了一年多时间。

我们亲身经历之后感到智能问诊领域的“坑”还是挺多的。比如说,机器问诊的逻辑和医生的逻辑是有区别的,机器问诊的时候会更愿意问,哪些症状能将疾病区分开,有时这些问题东一榔头西一棒槌。但按照一个人的逻辑,我们倾向于问下一个症状时要跟上一个症状间有所关联,你不要先问我发烧多少度,再问是不是脚疼,是不是胸疼,又问我是不是长疹子、发烧几天了。

机器中有很多这种类似的细节。我们一方面要优化效果,同时要保证给用户提供类人的体验。这就需要在模型本身和用户体验之间做一种平衡。

智能问诊

《21世纪》:智能医疗还是挺复杂的,并不是说有了数据,有了算法,来训练机器人,就可以实现人工智能了。如何让机器贴合人的思维方式?

范伟:有很多公开数据显示医生是怎么问诊的,我们对其进行抽象,建构模型,将这个模型作为一个约束条件加入到问诊流程中。

《21世纪》:人工智能加医疗可以有不同的切入点,百度医疗大脑切入的是智能问诊,我们下面还有哪些发展方向?百度医疗大脑的终极目标是什么?

范伟:图像识别、化验单分析、电子病例分析、语音输入电子病历等领域,我们也在进行初期的研究。我希望将来能够像打电话一样,一键按下去,机器就开始像大夫一样跟你聊天。最终,我们希望每个中国人手里都有人工智能的居家医生,在任何时间、地点都可以获取医疗信息,同时在你需要的情况下还可以连接线下服务。

《21世纪》:当前有不少巨头和大量创业公司进入智能医疗领域,目前来说,我们在这个领域在世界范围内处于一个什么位置?和IBM推出的Watson相比,我们的优势是什么?

范伟:我们比较了国内外的一些同类竞品,一种模式是给你一个人体图,点击某个部位会出现一堆病的名称,另外有些产品需要输入部分内容跟它的词典做匹配,但基本上还是基于规则,通过统计、频度计算的东西,或者仅仅停留在单轮问诊,智能含量不高。

IBM的Watson是一个to B产品,主要是专注于医生端的电子病历分析。百度医疗大脑是一个to B+to C的产品,目前以to C为主,通过问诊的方式更有效地连接病人与医生。我认为,我们现在的技术是成熟的,但是要做出一个让十三亿中国人都满意的产品还需要时间打磨。(编辑:黄锴,邮箱:huangk@21jingji.com)