整體說(shuō)來(lái)，醫(yī)學(xué)是一門(mén)知識(shí)驅(qū)動(dòng)類(lèi)學(xué)科，只要從多維度收集足夠多、足夠可靠的知識(shí)，就能在輔助決策層面發(fā)揮巨大的價(jià)值，把醫(yī)療人員從繁雜的重復(fù)性勞動(dòng)中解放出來(lái)，進(jìn)而去做更多有創(chuàng)造性的事。如果能利用人工智能幫助醫(yī)生在浩如煙海的醫(yī)學(xué)知識(shí)里對(duì)應(yīng)癥狀和疾病，甚至輔助醫(yī)生決策并對(duì)癥下藥，無(wú)疑能夠提升醫(yī)療資源的優(yōu)化效率。

醫(yī)生每天進(jìn)行的重復(fù)性勞動(dòng)可以體現(xiàn)在三個(gè)方面：交互、發(fā)現(xiàn)和決策，而這些都可以為機(jī)器所勝任：交互層面：醫(yī)生在問(wèn)診時(shí)和患者的詢(xún)問(wèn)性交互，針對(duì)患者的用藥指導(dǎo)、患者追蹤等;發(fā)現(xiàn)層面：保險(xiǎn)審核人員在醫(yī)保單據(jù)審核中的機(jī)械重復(fù)性勞動(dòng)，醫(yī)生對(duì)治療方案的校對(duì)審核等;決策層面：醫(yī)生根據(jù)患者的癥狀表現(xiàn)、輔助檢查，給出診斷結(jié)果，根據(jù)診斷結(jié)果給出治療建議等。

康夫子CEO張超做的正是這樣一個(gè)“醫(yī)療大腦”——利用人工智能技術(shù)，從醫(yī)學(xué)文獻(xiàn)中自動(dòng)學(xué)習(xí)知識(shí)、構(gòu)建知識(shí)圖譜、實(shí)現(xiàn)知識(shí)推理，再將普通公眾對(duì)癥狀的描述及疾病的理解準(zhǔn)確地映射在嚴(yán)肅醫(yī)療平面。用AI幫用戶(hù)整理信息。

北京康夫子科技有限公司CEO 張超

張超在百度工作五年，擔(dān)任自然語(yǔ)言處理部資深研發(fā)工程師、文本知識(shí)挖掘方向負(fù)責(zé)人。和網(wǎng)民的搜索行為打交道，已經(jīng)成為他工作的常態(tài)。一次偶然的機(jī)會(huì)，張超發(fā)現(xiàn)網(wǎng)民對(duì)一些醫(yī)療健康類(lèi)問(wèn)題往往在百度上會(huì)翻看很多頁(yè)結(jié)果，但呈現(xiàn)的內(nèi)容實(shí)際上良莠不齊。由此，張超產(chǎn)生了利用人工智能代替網(wǎng)民整理頁(yè)面的有效信息，以提升用戶(hù)體驗(yàn)的想法。當(dāng)時(shí)張超瞄準(zhǔn)了對(duì)營(yíng)養(yǎng)最為看重的一個(gè)群體——孕婦人群來(lái)構(gòu)建知識(shí)圖譜，推出了一個(gè)“飲食記錄分析”的功能。通過(guò)孕婦的日常飲食記錄，用戶(hù)可以判斷營(yíng)養(yǎng)攝入是否均衡，進(jìn)而獲取更科學(xué)的膳食指導(dǎo)。

想法很美好，然而在實(shí)際操作中收效甚微。張超告訴記者，在產(chǎn)品上線后，只有不到20%的孕婦會(huì)去嘗試去記錄自己的飲食，不到8%的孕婦能連續(xù)記錄1周。

張超由這次創(chuàng)業(yè)中得到了教訓(xùn)：雖然孕婦人群對(duì)營(yíng)養(yǎng)的要求關(guān)注甚高，但在現(xiàn)階段，網(wǎng)民對(duì)營(yíng)養(yǎng)還處于“葉公好龍”的階段。“營(yíng)養(yǎng)不是剛需，在一定程度上還帶著“反人性”的特征。”而一些B端公司了解到康夫子在做的知識(shí)圖譜，希望能以付費(fèi)形式來(lái)使用他們的服務(wù)。而考慮到相對(duì)于“營(yíng)養(yǎng)”，“醫(yī)療”的痛點(diǎn)更加突出，也讓張超開(kāi)始想做剛需，想做“我們最擅長(zhǎng)的事”。

而這一切，就從優(yōu)化醫(yī)療行為中的重復(fù)性勞動(dòng)開(kāi)始。

“醫(yī)療大腦”是怎樣煉成的?

在今年3月份，康夫子開(kāi)始為B端提供知識(shí)和技術(shù)服務(wù)，而它們也從原來(lái)的“飲食建議服務(wù)商”轉(zhuǎn)向成為“醫(yī)療人工智能技術(shù)、知識(shí)、數(shù)據(jù)提供商”。

知識(shí)圖譜在數(shù)據(jù)表現(xiàn)層面由兩部分組成：首先是實(shí)體節(jié)點(diǎn)，其次是實(shí)體之間的關(guān)系。舉個(gè)例子：疾病名、癥狀名、藥品名、化驗(yàn)指標(biāo)這些數(shù)據(jù)是實(shí)體節(jié)點(diǎn)，每個(gè)節(jié)點(diǎn)和節(jié)點(diǎn)之間都有一一對(duì)應(yīng)的關(guān)系，比如疾病和癥狀的對(duì)應(yīng)關(guān)系、某種疾病需要使用什么藥品、疾病需要做哪些化驗(yàn)等。而在實(shí)際的診斷中，還會(huì)涉及更多的對(duì)應(yīng)關(guān)系。

康大夫在做的知識(shí)圖譜，主要就是教會(huì)計(jì)算機(jī)在閱讀海量文本后，自動(dòng)給出描述某種知識(shí)的書(shū)寫(xiě)規(guī)律，并進(jìn)行大規(guī)模的知識(shí)自動(dòng)抽取。

數(shù)據(jù)抽取主要分為四步：

1. 數(shù)據(jù)預(yù)處理，比如，數(shù)據(jù)清洗、分詞、專(zhuān)名識(shí)別、指代消岐等任務(wù);

2. 模式學(xué)習(xí)，基于上億條文本，自動(dòng)去發(fā)現(xiàn)這些文本的書(shū)寫(xiě)規(guī)律;

3. 知識(shí)抽取，針對(duì)上億條文本，以繼續(xù)學(xué)習(xí)到的模式進(jìn)行二次抽取;

4. 增強(qiáng)學(xué)習(xí)+Bootstrapping，基于一些標(biāo)注數(shù)據(jù)、判斷準(zhǔn)則，不斷重復(fù)第2、3點(diǎn)，并給出準(zhǔn)確率超過(guò)99%的結(jié)果數(shù)據(jù)。

有了完善的知識(shí)圖譜，還遠(yuǎn)遠(yuǎn)不夠，系統(tǒng)要具備推理能力才能實(shí)現(xiàn)智能診斷。在康夫子系統(tǒng)上，這體現(xiàn)在兩個(gè)方面，一是知識(shí)向量化表示，這一步也是構(gòu)建口語(yǔ)化醫(yī)學(xué)和文獻(xiàn)專(zhuān)業(yè)術(shù)語(yǔ)的橋梁的關(guān)鍵步驟。也就是，將患者描述的通俗語(yǔ)句“翻譯”為專(zhuān)業(yè)術(shù)語(yǔ)(如“抽筋”和“痙攣”的對(duì)應(yīng)關(guān)系);二是判斷多種癥狀綜合下和疾病之間的權(quán)重，配合診斷模型，提升診斷的命中率。

而比起其它知識(shí)圖譜的構(gòu)建有所不同的是，醫(yī)學(xué)知識(shí)的分散性及無(wú)結(jié)構(gòu)化這兩大特性，導(dǎo)致醫(yī)學(xué)圖譜的構(gòu)建更加困難。比如在娛樂(lè)領(lǐng)域，從娛樂(lè)站點(diǎn)、百科知識(shí)就能快速挖掘明星的作品、配偶等知識(shí)關(guān)系，但在醫(yī)學(xué)領(lǐng)域，需要閱讀大量權(quán)威文獻(xiàn)后進(jìn)行抽取，才能達(dá)到預(yù)期效果。

再有一點(diǎn)就是邏輯應(yīng)用，醫(yī)生囿于知識(shí)壁壘及醫(yī)學(xué)本身的復(fù)雜性，在診斷領(lǐng)域無(wú)法面面俱到的情況下，康大夫能夠給予交互，根據(jù)患者的回答情況進(jìn)一步判斷病癥。

康夫子的主要業(yè)務(wù)內(nèi)容主要包括API服務(wù)和臨床輔助決策兩部分。根據(jù)張超的說(shuō)法，康夫子已經(jīng)完成了對(duì)藥物知識(shí)圖譜的構(gòu)建，目前覆蓋近30萬(wàn)種藥物，針對(duì)100種常見(jiàn)病的典型癥狀準(zhǔn)確率已超過(guò)90%，針對(duì)4000種熱門(mén)疾病的典型癥狀的命中率也超過(guò)80%。

雖然在診斷效果上已經(jīng)超過(guò)絕大部分全科醫(yī)生，但康夫子系統(tǒng)仍不能獨(dú)立完成診斷。除了倫理因素外，實(shí)際場(chǎng)景的診斷復(fù)雜度也使人工智能技術(shù)目前只能針對(duì)特定任務(wù)進(jìn)行處理。這也讓張超堅(jiān)定了服務(wù)于B端的想法，“我們不直接服務(wù)與患者，但是患者可以通過(guò)我們的B端合作伙伴獲取服務(wù)。”

在張超的理解中，作為一門(mén)60年的學(xué)科，針對(duì)特定任務(wù)的人工智能應(yīng)用在未來(lái)3-5年會(huì)融入到每個(gè)人的生活當(dāng)中。而以自動(dòng)駕駛、圍棋為代表的邏輯驅(qū)動(dòng)，和以醫(yī)療為代表的知識(shí)驅(qū)動(dòng)就是人工智能的兩個(gè)“引擎”。當(dāng)然，除了在智能診斷領(lǐng)域繼續(xù)完善知識(shí)圖譜外，張超同樣希望以知識(shí)為動(dòng)力的醫(yī)療智能化能在邏輯層面更好地服務(wù)人類(lèi)，比如虛擬助手、藥物挖掘、智能診斷方案等，讓醫(yī)生真正從繁雜的勞動(dòng)中解放出來(lái)。