11月17日，第三屆世界互聯(lián)網(wǎng)大會(huì)繼續(xù)在烏鎮(zhèn)舉行。在互聯(lián)網(wǎng)+智慧醫(yī)療論壇上，百度公司董事長(zhǎng)兼首席執(zhí)行官李彥宏發(fā)表了演講。李彥宏認(rèn)為，互聯(lián)網(wǎng)+醫(yī)療基本上可以分為四個(gè)層次：O2O的服務(wù)、智能問(wèn)診、基因分析和精準(zhǔn)醫(yī)療、新藥研發(fā)。
李彥宏分別介紹了百度在這四個(gè)方面的進(jìn)展：
首先，O2O服務(wù)方面，百度的百度醫(yī)生現(xiàn)在已經(jīng)有50萬(wàn)的醫(yī)生參與咨詢，累計(jì)有800萬(wàn)人通過(guò)百度醫(yī)生平臺(tái)來(lái)獲得相關(guān)的醫(yī)療服務(wù)。
第二個(gè)層次是智能問(wèn)診，百度醫(yī)生我們最近推出的智能問(wèn)診也做了一些測(cè)試，比如說(shuō)，在北大國(guó)際醫(yī)院做過(guò)一個(gè)測(cè)試，在80%的情況下，百度醫(yī)生的診斷和北大國(guó)際醫(yī)院的醫(yī)生診斷是一致的，它的準(zhǔn)確度有了非常快的提升。而且它可能在一些比較罕見(jiàn)的情況下表現(xiàn)更好，比如說(shuō)同樣的癥狀，有99.99%是某個(gè)疾病，但是可能有萬(wàn)分之一，甚至十萬(wàn)分之一的概率是另外一種罕見(jiàn)病，在這種情況下，作為一個(gè)電腦，它可以輔助醫(yī)生做一些相應(yīng)的判斷。
第三個(gè)層次是基因分析和精準(zhǔn)醫(yī)療，這是這些年做計(jì)算機(jī)科學(xué)最覺(jué)得興奮的方向。因?yàn)樵贗T領(lǐng)域我們講摩爾定律，在IT領(lǐng)域以外唯一符合摩爾定律的就是基因測(cè)序的成本，所以這方面很有可能會(huì)不斷地出現(xiàn)一些革命性的東西。
第四個(gè)層次是新藥研發(fā)。這方面美國(guó)的有些創(chuàng)業(yè)公司，比如atomwise已經(jīng)在做這個(gè)事情，百度認(rèn)為計(jì)算機(jī)科學(xué)、人工智能能夠在這方面有所幫助。
以下為李彥宏演講實(shí)錄：
大家早上好，我在昨天的大會(huì)發(fā)言中說(shuō)在人工智能時(shí)代我們需要重新想象每個(gè)行業(yè)，今天我就試著站在互聯(lián)網(wǎng)的角度重新想象一下醫(yī)療行業(yè)。
今天的嘉賓主要來(lái)自兩個(gè)領(lǐng)域，一個(gè)是互聯(lián)網(wǎng)領(lǐng)域，一個(gè)是醫(yī)療健康領(lǐng)域。就像我在公司里經(jīng)常講的，兩個(gè)不同領(lǐng)域的人，需要像修橋一樣，從各自的一端往中間去修，如果大家目標(biāo)一致的話，中間對(duì)上，這個(gè)橋就通了，如果是大家想象的不一樣，修到中間對(duì)不上，那就失敗了，所以我們盡量讓兩邊各自往對(duì)方的那一邊去靠。我們先從百度人工智能的角度來(lái)看一看，我們已經(jīng)具備了哪些能力，然后再看看這些能力在醫(yī)療健康行業(yè)應(yīng)該怎么樣去應(yīng)用。人工智能在百度的體現(xiàn)主要是通過(guò)百度大腦，百度大腦的主要功能有四項(xiàng)，一個(gè)是語(yǔ)音、語(yǔ)音的識(shí)別，今天的語(yǔ)音識(shí)別已經(jīng)達(dá)到了97%的準(zhǔn)確率，也就是說(shuō)在安靜環(huán)境下它已經(jīng)超越了正常人的聽(tīng)力水平;圖像識(shí)別其實(shí)在醫(yī)療領(lǐng)域的應(yīng)用大家也都很清楚，就像剛剛李斌主任講過(guò)的醫(yī)學(xué)影像，一個(gè)醫(yī)生一生當(dāng)中只能看幾萬(wàn)個(gè)片子，但對(duì)于電腦來(lái)說(shuō)，看幾十萬(wàn)幾百萬(wàn)的片子可能都算是很小的數(shù)據(jù);用戶的畫像、自然語(yǔ)言的理解其實(shí)在智能問(wèn)診這些領(lǐng)域都可以有非常多的應(yīng)用。對(duì)于醫(yī)療行業(yè)來(lái)說(shuō)，我們有一個(gè)對(duì)應(yīng)的叫百度醫(yī)療大腦來(lái)提供相關(guān)的解決方案。
在我看來(lái)，或者從互聯(lián)網(wǎng)角度來(lái)看，互聯(lián)網(wǎng)+醫(yī)療基本上可以分為四個(gè)層次。我們認(rèn)為，第一個(gè)層次是O2O的服務(wù)，怎樣通過(guò)線上把用戶引流到線下，并分發(fā)到那些適合處理用戶疾病的地方去。第二個(gè)是智能問(wèn)診，剛才詹啟敏院士也提過(guò)，像是IBM Watson對(duì)于癌癥的診療，計(jì)算機(jī)可能在很多時(shí)候也能夠超越人類醫(yī)生。百度在百度醫(yī)生方面也做了一些嘗試。第三個(gè)層次我們覺(jué)得是基因分析和精準(zhǔn)醫(yī)療，這方面待會(huì)我也會(huì)詳細(xì)地講。第四個(gè)層次我覺(jué)得是新藥研發(fā)，這方面現(xiàn)在在國(guó)內(nèi)的關(guān)注度不是很夠，但我覺(jué)得這是大數(shù)據(jù)和人工智能真正能夠起到?jīng)Q定性作用的一個(gè)領(lǐng)域。
首先，我們看這個(gè)O2O服務(wù)，百度的百度醫(yī)生現(xiàn)在已經(jīng)有50萬(wàn)的醫(yī)生參與咨詢，累計(jì)有800萬(wàn)人通過(guò)百度醫(yī)生平臺(tái)來(lái)獲得相關(guān)的醫(yī)療服務(wù)。
第二個(gè)層次是智能問(wèn)診，我剛才講到的是的Watson的這個(gè)例子，百度醫(yī)生我們最近推出的智能問(wèn)診也做了一些測(cè)試，比如說(shuō)，在北大國(guó)際醫(yī)院做過(guò)一個(gè)測(cè)試，在80%的情況下，百度醫(yī)生的診斷和北大國(guó)際醫(yī)院的醫(yī)生診斷是一致的，也就是說(shuō)它的準(zhǔn)確度有了非?？斓奶嵘６宜赡茉谝恍┍容^罕見(jiàn)的情況下表現(xiàn)更好，比如說(shuō)同樣的癥狀，有99.99%是某個(gè)疾病，但是可能有萬(wàn)分之一，甚至十萬(wàn)分之一的概率是另外一種罕見(jiàn)病，在這種情況下，作為一個(gè)電腦，它可以輔助醫(yī)生做一些相應(yīng)的判斷。這些技術(shù)不僅僅需要對(duì)大量的醫(yī)療知識(shí)進(jìn)行機(jī)器學(xué)習(xí)，也需要對(duì)病人表述的理解能力不斷地提升，實(shí)際上這就是自然語(yǔ)言理解的方向。
第三個(gè)層次是基因分析和精準(zhǔn)醫(yī)療，其實(shí)這是這些年做計(jì)算機(jī)科學(xué)最覺(jué)得興奮的方向。因?yàn)樵贗T領(lǐng)域我們講摩爾定律，在IT領(lǐng)域以外唯一符合摩爾定律的就是基因測(cè)序的成本，所以我們覺(jué)得這方面很有可能會(huì)不斷地出現(xiàn)一些革命性的東西。目前看，用基因來(lái)進(jìn)行治病，最大的一個(gè)問(wèn)題是大多數(shù)已知的基因?qū)е碌募膊《际菃位驅(qū)е碌模@些病又大多是罕見(jiàn)病，而大多常見(jiàn)病我們猜測(cè)是多基因?qū)е碌摹６鄠€(gè)基因的共同作用導(dǎo)致的，所以怎樣能夠搞清楚一個(gè)病它是由哪些基因共同作用導(dǎo)致的，其實(shí)需要大量的計(jì)算。詹啟敏教授在協(xié)和時(shí)我們跟他有一個(gè)合作的項(xiàng)目，就是對(duì)中國(guó)的食管癌病人進(jìn)行基因測(cè)序，試圖找到是哪些基因的共同作用能夠?qū)е掳┌Y的發(fā)生，一旦我們搞清楚這些，未來(lái)像基因編輯等這些治療方法就可以用在更多常見(jiàn)病上，目前基因編輯應(yīng)用的一些都是罕見(jiàn)病，比如美國(guó)spark Therapeutics它能對(duì)一種導(dǎo)致人視力下降、失明的病毒造成的罕見(jiàn)病進(jìn)行治療，但是這些病都太罕見(jiàn)了。大多數(shù)的病我們需要搞清楚是需要哪些基因共同導(dǎo)致的，而這里就需要大量的計(jì)算。在我跟醫(yī)療行業(yè)的人進(jìn)行交流的時(shí)候，在我們看來(lái)很深?yuàn)W的醫(yī)學(xué)知識(shí)，在他們看來(lái)其實(shí)很簡(jiǎn)單，反之亦然，在我們看來(lái)很簡(jiǎn)單的計(jì)算，在他們看來(lái)這就是大數(shù)據(jù)、人工智能，有點(diǎn)難，所以我們很希望真正把幾十萬(wàn)臺(tái)服務(wù)器的計(jì)算能力、深度學(xué)習(xí)的最先進(jìn)的算法能夠應(yīng)用到醫(yī)療和健康領(lǐng)域。
第四個(gè)層次是新藥研發(fā)，今天已知的有可能能夠形成藥的小分子化合物大概是10的33次方這么多，這大概就是全宇宙所有的原子加起來(lái)都沒(méi)有這么多。這樣的一個(gè)量，怎樣用它的分子式跟產(chǎn)生疾病的蛋白去合在一起，用來(lái)治病?未知的那些分子式怎樣進(jìn)行大量的篩選，找到有效的新藥?這也需要極其強(qiáng)大的計(jì)算能力和最先進(jìn)的算法，這方面美國(guó)的有些創(chuàng)業(yè)公司，比如atomwise已經(jīng)在做這個(gè)事情，我們也是覺(jué)得計(jì)算機(jī)科學(xué)、人工智能能夠在這方面有所幫助。
正如我在開(kāi)頭講的，很希望兩方面的人共同努力，我們用我們大數(shù)據(jù)的能力、用自己無(wú)窮無(wú)盡的計(jì)算能力，而醫(yī)療健康領(lǐng)域希望能夠收集越來(lái)越多的數(shù)據(jù)、提出至少是計(jì)算領(lǐng)域越來(lái)越難的問(wèn)題，我們共同造福數(shù)億患者。
謝謝大家!
