人工智能科研新模式激辩--医疗与IT跨界融合

从左往右，以次为：阮彤，俞章盛，高炬，张发宝，陈洛南，冯冬雷，汪卫，乐锦嘉，王晓阳

会议名称：2016生物医疗大数据论坛暨华理-梅斯联合研究中心成立

会议时间：2016年3月12日

会议地点人数：华东理工大学

讨论环节

主持人阮彤（华东理工大学计算机技术研究所副所长）：大家都知道，人类输了三盘棋，这件事情其实从我们做IT的角度很早就觉得认同，也不觉得是一件大事情，但是很多人觉得机器人时代到来了，说了很多我们从IT角度难以想象的事情。但是从医学角度我们一直想关心这么一件事情，就是说机器人诊疗是不是可能，这件事情其实是在很早之前（英）就在做，从这个医学的发展角度来说我们从IT的角度就看到医学的临床路径越走越细，看起来是一个机器可以执行的过程。我们再倒过来问今天的IT专家和医学专家，你们觉得这个机器人诊疗，我们主要是从技术上，不要从法律、伦理上，这种事情我们今天不关注。从这个技术上是不是有可能？

王晓阳（复旦大学计算机学院院长）：阮教授是女性领导我们一帮男性讨论这个医学IT的问题，这个挺好的。今天非常高兴可以来到这样一个场合，刚刚听了一些专家的报告，我觉得这个非常有意思。刚才阮教授也是提了这个围棋连输三盘，后面两盘肯定会输，这个好像没有什么悬念。那么问题就来了。

刚才有一个事情，我们刘博士讲的非常的好，什么问题呢？现在这个主要的问题还是在数据上，数据本身。这个数据全不全，数据干净不干净，这件事情实际上是最要紧的事情，围棋这件事情对我们来说太简单了，当然也不简单，相对简单。就是说他的规则非常的明确，数据非常的清晰，语意非常的明显，就这样几个特征，使得我们的机器，这个机器也不是那么的先进，就是我们一直在用的东西。当然在应用上有很多的技巧，有很多关于围棋本身的理解都造进去了。 

我们把这个事情如果转化到医学这块，其实这个事情就非常的复杂，第一个是这个数据有问题，我刚才已经谈过了，就不多谈了。这个里面我们下一步大数据的研究工作不能光是说做做统计，秀秀美图，大家都开心了，就完了。现在这是0.100，1.0都不能算，现在这个大数据就是做做统计，说一到了春节有大部分的人从上海跑到三亚去了，这个挺有意思的，这个很好。但是这个其实没什么，这个真的是初级的应用。下一步要把我们的数据搞清楚。  

其实阮教授的描述里面讲到这个数据到底够不够用？什么叫数据够用，什么叫数据可以用。

第二个问题其实在下围棋的时候还有一个东西叫目标，就是他的目的，目的非常的清晰的，非常的明确，就是要赢棋，在医学这边不见得要把这个病治好。你想医院重症病室，不知道大家有没有这样的经验。我有经验，我父母亲在重症病室的时候是不是拯救这个生命就是唯一的目标，这个不见得。因为人这个所谓的（英），不是说要救命，（英）不是救命，（英）是（英），所以这件事情是机器怎么能够理解，人想要干什么，这件事情其实是很难的。就是多目标的一个行为，数据不明确，目标不明确的时候，我们要去做决策。现在我们人类还是最厉害的，当然机器可以做一些手术，但是一步一步往前走，我们看，我们现在要做的工作就是先把数据搞清楚，（英）这些东西，开的药都不知道什么药，这些东西先搞好清楚再说，我就说这么多，谢谢。 

主持人阮彤（华东理工大学计算机技术研究所副所长）：王院长说如果有一天数据全了，目标达成一致，人类健康的活着，或者把这个病治好，机器人诊疗就可能了。     

高炬（上海中医药大学附属曙光医院副院长）：关于查好百度再去看病，医生觉得晕，这个是普遍现象。而且层次越高越会先百度，百度了很多条，然后对着越看越像，然后到医院跟医生说。医生第一感觉你百度过了干什么还来找我。这说明几个问题，第一个是积极看病现在已经实现了，你们百度就是积极看病。问题就是当有一天你到医院里你还是对着一个机器对着一个机器说你有什么病，你信不信，是不是还会找一个活人问一下，这是第一个问题。

第二个问题就是知识，医学确实是知识，但是医学很多时候很重要的一点就是经验。这就是为什么专家门诊那么紧凑。从知识的这个全面也好，扎实也好，刚刚毕业的学生，第一年的医生是最全面，老医生很多的东西都是忘得差不多了。但是为什么大家相信专家？这就是经验，有经验的专家大概看一眼就知道这是什么病，就知道你要做什么检查，这个从机器来讲我不知道将来他能不能马上做出判断这是第一，第二费用怎么样。因为他要诊断先要做相关的诊察，他会不会让你做正确的检查，做了检查之后他会不会得出正确的结论。医学很复杂，没有一个人是一模一样的，也没有一个病人是一模一样的。作为临床医生，我也很希望这个大数据能够对临床有所帮助。但是，完全依靠大数据能够颠覆目前的医学模式我觉得可能还没到这一天。

其实在医学界一直讲，现在比较热的是互联网+医疗，其实我们觉得应该是医疗+互联网，或者是医生+互联网。我为什么现在会这句话，大家百度之后你敢去买药的话就不要医生这个职业了，大家以后都去百度。 

所以我觉得大数据对临床医学确实有帮助，我前面讲的，以往你们这样治疗诊断对不对，你将来是不是可以做一个更好的选择，我们希望这方面有帮助。顺便我还讲到前面好多专家都讲了一个临床辅助决策，其实医生对这个是最反感的。为什么？什么叫辅助决策？就是我医生做了诊断还是问一下计算机，拿我医生干什么？第二个我问问计算机，他肯定对吗？如果这两个问题你觉得他这个是不需要的话，我干什么要辅助决策？我学了那么多年，看了那么多病还需要辅助决策。原来我也没想到辅助决策会有这么大的反弹，我原来是支持辅助决策的。所以辅助决策在医院里面是什么样的角色还需要好好想一想。

张发宝（梅斯医学集团（Medsci）董事长，生物谷创始人）：我说一下我的观点，未来长远来看，这个机器人诊疗当然可能，关键是怎么实现这个路径，至少要三步走。第一步在现在或者未来一些年，机器人跟医生的关系应该有支持关系，还很难达到辅助角色。第一步是机器人是不是用现有的知识为临床医生提供更多的知识支持，是不是就完美了。第二步是达到一个辅助角色，这是更高的阶段。如果将来有一天我们做到机器可以增强医生，这是未来的方向。古人走路靠双腿，后来用马，后来用汽车这都是增量，但是我们的双腿依然存在，但是因为有了机器可以行走的更快，更方便。所以个人认为这三步走可能是未来的发展方向。

当然我们说在机器医生和医生之间其实还有很多难以替代的角色，包括我们人文情感这些因素在里面，所以他未来不是谁替代谁，而是相互协作，最后达到增强，最后给我们带来的是医疗的改进，和患者和医生的受益。 

陈洛南（中科院系统生物学重点实验室执行主任）：我正好坐在中间，介于医疗和IT。我的行业刚刚也介绍了，我们实际上是生物信息学，正好是生物跟信息的结合。我认为是这样的，现在深度学习确实是很重要的，这个是我们二十年前做的网络现在重新挖出来做，大样本确实是有一个革命性的事情的发展。我觉得就像刚才几位专家说的一样，我光凭现在的大数据很难实现可以真正的按深度学习的理念可以实现医生所做的事情。

我觉得是这样的，我们的物理学是干什么的？我们要找到我们宇宙的共性，比如说牛顿力学，这个是非常成功的，确实是这样的，因为他确实是找到了共性。但是我们的生物医学非常的遗憾，我们生物医学的基础是进化，他的本质在于多样性才可以产生我们的个体，所以他的个性是我们的本质，不是共性，共性固然重要。实际上我们人你最重要诊断这个人必须按照他个人的数据来诊断，而不是共性的，每一个就是跟另一个人不一样，因为这是我们进化决定我们这一切。所以我觉得这一点真的要实现我们医疗的话，机器人诊断的话我们还要开发更加不同的基于我们生物医学的方法去创造一个新的体系，这是我的观点。我为什么要说这个，因为刚刚大家既然讨论这个，我们就宣传一下我们这个理论叫生物信息学，我们这个生物信息学的组织已经上***了，我们全国已经有上千的研究人员了，也欢迎大家加入我们。正好这个话题我们要组织这样的一个科学会议，讨论我们生物信息学到底可以为这个大数据做出什么贡献。

冯冬雷（万达信息股份有限公司总裁助理）：我认为不可行，但是如果硬要回答一个对和错的话，刚才我非常赞同张总的意见，他是一个递进的过程，肯定会有效果。但是如果对错的话，我肯定说错。

主持人阮彤（华东理工大学计算机技术研究所副所长）：：他在哪个疾病上可能会先行，完全的替代人不可能了，剩下的嘉宾思考一下，哪些环节可以，哪些环节不可以。一开始的分诊是不是机器人做的可以比医生好，因为刚刚陈老师讲的个性化诊疗，个性化诊疗是临床路径，个性化诊疗是一个未来的目标，所以这件事情我也挺疑惑的，凭什么机器人不能做？ 

高炬（上海中医药大学附属曙光医院副院长）：第一临床路径，虽然我们讲临床路径，但是你严格遵循了临床路径不一定有百分之百的疗效，所以是有差异的。不是每个人都适合临床路径，所以提出精准医疗，临床路径是不是圣旨，这是第一个问题。医疗不单单是医生，还有一个病人，病人有一个很重要的权力是知情同意，有的病人过来看病，看了病之后一看说你应该用这个药，然后病人说我没钱，我吃不起，机器人应该怎么办？

有的时候不是生命的问题，是生存质量也是一个问题，植物人、脑死亡该不该救，是应该把这个撤了，还是继续治疗。这个对医疗的资源浪费很大，这个涉及到伦理。

王晓阳（复旦大学计算机学院院长）：我从计算机的角度来参与到你们个性和共性的问题。这个问题很有意思，你说下棋这个事情，每盘棋都不一样，你说他是个性的问题还是共性的问题，有的时候不能过分的讲个性，也不能过分的讲共性。这个点在哪里，而且每个人都不太一样。这个事情我是从我们计算机角度，你说下棋，哪一盘棋是一样的？当然不一样，但是我们是不是可以从已经下过的棋去判断新的棋怎么样呢？当然可以，我们人也一样。我从计算机的角度来考虑这个问题，所以这个事情我提出一点我的想法。

陈洛南（中科院系统生物学重点实验室执行主任）：我是说在模型几乎是非常清晰，而且他的机制非常清晰的情况下，现在往往是对因素，它的机制完全不清楚的情况下，你光是传统的大数据的共性来走，你基本上只能到这个程度。你到达了70%，实际上30%还是由个性来决定的，这个实际上就不是大数据的问题了，而是你个体的，你要诊断这个人从出生到成长所有的数据都有了，你对这个人的诊断可能会非常的精确，可能会达到90%。人的成长的因素太多了，这种对非常多的东西，我想还是医生的，人的智能的经验，刚才专家说的，专家有这么多的经验，为什么年轻人也都懂这些，我就是测一测就完了，我所有的流程走一遍，跟年纪大的人做的是一样的结论，为什么年纪大的人可以做更好的经验，这个经验没办法说，因为他就是经验。所以你说我得到一些知识，那个知识跟经验没有任何的关系，跟这个现象也没有任何的关系。

汪卫（复旦大学计算机科学技术学院副院长）：听了几位专家讲的我想谈谈我自己的看法，第一是大数据改变人工智能这件事情大家实际上不能再用以前人工智能的想法去看我现在的人工智能到底应该怎么做。以前我们人工智能确实有很多的办法，很多的确实类似于我们专家考虑问题的想法。我基于什么样的情况我什么样的规则可以推出什么样的结论。这种情况下我相信计算机很难打败人类，很难打败一个非常有经验的医生。因为计算机很难把医生整个的这一套经验全部模拟出来，这件事情是让我觉得在前一轮高速发展的过程中已经证明了这一条了。

但是大数据来了以后带来一个智能的提升，实际上他的数据更多，他在数据很多的情况下，他在进行推理的时候他是用简单的模型来进行推导的，而不是用复杂的模型来进行推导。所以像他们做机器翻译，实际上就是，为什么现在一下子有一个很大的变化实际上是来自于这一点。所以我觉得这一点大家要有一个相对发展的眼光来看，因为我觉得现在从大数据的角度来说，实际上我觉得他是刚刚开始。比如说刚刚这个老师讲，我们是不是可以对一个人一生的情况都可以有一个比较好的记录，这件事情有可能成为一种现实。因为我们现在才戴手环，如果我们小孩刚出生就戴手环的话，可能他一生记录都有可能记录下来了，有可能出现这种情况，当然可能是在十年或者二十年以后。就是未来有可能是机器来代替医生，他在有一些环节上会获取比人更强的能力。比如说我们医生看到一个病人，实际上你对这个病人并不是很了解，你只有十分钟，可能十分钟不到，你看一下它的检测结果就做出一个判断，但是也有十年以后这个医生或者这个机器人看到的是一整套的人的统计数据，这样的话他在做出判断的话可能这个决策的依据是完全不一样的情况。

当然我觉得现在完全用大数据来代替医生还是有一些问题没有解决。比如我们现在的模型还过于简单，我们现在还过于去用一种观念来做出判断，但是这个观念的依据在什么地方，在以前的研究并没有太明确的说出来。比如这个医生和大数据可以做一些结合，比如可以告诉医生我为什么做出这样的一个判断，我的原因在哪里。比如有多少病历，这个人和这个人的可能情况很像，可能这样的辅助对医生有一些帮助。可能从长期上这个事情也可能发生。因为刚刚看微信说我们消失了多少的职业，说不定哪一天有一些现代的职业会被消失掉。

俞章盛（上海交大-耶鲁联合生物统计中心副主任）：我先简单的说一下，其实我刚才非常赞同张董事长说的，这是一个无限递进的过程，不一定可以达到，但是可以部分的，一步一步的替代一部分的功能。以后我们的医生可能就属于监管机器人的角色。因为机器人做一个初步的诊断之后，咱们的医生看看对不对，对了就过去了，不对我们再做更高级的判断。我想这是一种可能性，但是可能性什么时候实现，我想这个是很远的。   

刚才陈老师说关于个性和共性的问题，我认为个性和共性的问题，我想转换成中医和西医的关系。我本来不了解中医的关系，后来是跟中医药大学的老师接触之后。西医你做了临床实验，你说这个药有效，那是平均值，其中有多少人是有效的，有很多人吃这个新药可能没有用，这个平均值很多时候是不可靠的。

咱们中医有一个特点，他实际上是很个性化东西，说这个药和那个药随时进行调整，经常进行调整。这个里面可能有一个比较复杂的算法，只不过大家意识不到。或者这个算法之外我们还有一些东西我们没办法测量的东西，如果你靠现在的计算机的水平或者大数据什么的，根据你已有的规律你去做这个事情，你永远达不到最后做的那一步，所以我个人认为在短期之内是计算机很难代替我们医生。

乐锦嘉（东华大学计算机科学与技术学院院长）：我觉得将来医生代替医生看病还是有希望的，至少现在医生不敢给自己亲人动刀，医生给自己儿子看病就害怕，人有缺点，有感情。机器人如果判断多少的案例，像这种要开的，就很果断的下去了。如果你这个真的进化的很好，大量的数据在，机器帮你做决定了。

最近好像也碰到具体的案例就是说有一个病人他甲状腺左侧有癌变了，右侧没有，但是右侧也不是太好，有点大。那么医生告诉病人，你是一刀两个都割掉，还是只开左边，右边留着，你们自己决定吧。那个病人家属就很为难，找了几家医院，问了几个医生，都不知道该怎么做。如果我们有大量的案例，很多的数据，这些数据也不是太难找到，应该可以很精准的告诉他，80%的人是怎么做，90%的人是怎么做，你该采取什么措施。医生你需要告诉他我们从大数据统计，上千万病人人家是怎么做的，这个时候肯定接受的，这是第一件事情。

第二个就我们目前的水平和目前的数据量，医生最喜欢我们把大数据整理好，然后他去写论文，这个医生是最满意的。另外你把这些数据提供给他们，告诉他大概是什么样的情况，由他去做判别，他也是愿意的。我想这个技术进步是有一段时间的，人工智能这个技术很多年一直没有突破。几十年一直动不起来，直到有了数据仓库，有了大数据，突飞猛进。无人驾驶汽车，以前我们想，现在都说十年可以投入使用，没有问题。现在还有正在造的机器大脑。这个我觉得我们有点正能量的话，我们是对这种科技抱更有信心的话，我想马云说的那些话也有可能会实现的。

冯冬雷（万达信息股份有限公司总裁助理）：我再讲两个事，一个是顺着刚刚讲的正能量。我们现在在数据采集方面确实有了很大的进步，因为数据不全确实很多东西没办法做的，这个全有很多的纬度，比如说你量上的全，或者某一个并重在某一个地区是不是全覆盖了，或者是个体的全，从个体来说他有他临床的，也可能他需要基因的，还需要日常的检测数据。现在其实各个方面的条件是越来越具备了。这个地方我们可以看出医疗健康大数据，或者医疗健康互联网这两种期间其实存在一个内在的闭环，原来我们只是看病。现在从医学临床角度来说，看病数据不够，所以我需要看基因和你日常的数据，但是随着互联网+的出现会有一种商业模式，他在商业模式的当中给患者和居民提供服务。同时他享受服务的同时也为我们的科研，也为我们的药厂，为我们的保险公司提供他真正要的大数据。

另外一个我觉得现在比较困惑的是，如果真的有这些数据，难道我们就真的可以解决这些问题吗？所以我想提的第二个问题是关于这个方法学和我们这个理论体系问题。

主持人阮彤（华东理工大学计算机技术研究所副所长）：我们看到原来是支持人类的占上风了，后来慢慢机器占了上风。我们沿着前面的诊疗数据问题，大家都觉得数据很重要，我们就问在场的嘉宾第二个问题。第二个问题也欢迎在场的听众一起来参与一下，我们在做大数据挖掘的时候，因为我们当时是医生和IT，包括医疗信息混在一起的团队到底是由数据驱动做出一个好的诊疗方案还是临床医生提出来你们可能有一个什么好方法，数据从哪来的，我们需要什么样的东西你帮我做，还是方法论有一个大突破。无论你什么样的数据送上来，可能我们机器足够智能，在一个嘈杂的环境下也可以有一个方法在当中找到一个比较好的结论，这个过程当中到底是数据驱动、方法驱动，还是需求驱动。如果是数据驱动，多少数据，怎么样的数据就够了。如果是需求驱动，这个需求先落在哪里马上就可以落地开花了，比较难的需求在哪里？

张发宝（梅斯医学集团（Medsci）董事长，生物谷创始人）：因为我们公司做了非常多的数据的分析，数据的挖掘这块，其实碰到刚才说的问题。因为我们知道，对于大数据的分析算法非常多，但是一个前提条件我们的数据质量，如果没有很好的数据质量你当然很难得出一个很好的数据结果。即使我们现在有很好的数据质量，像我们目前基因测序，这个数据质量是非常之高的，但是我们现在很多测序的结果到最后就是（英），实际上真的引导我们临床应用了吗？实际上差距非常大，还没有真正的和应用结合。我们分析的人员对疾病或者对临床的理解是最难的，同样是一个疾病，这里面打一个比方，例如一个头疼的患者，他可能是感冒，也可能是交直流。不同疾病之间的伴随状态，这些东西可能在我们的数据终都应该得到体现，你分析这些数据中背后的内涵才可以说我得出的这些结论可以指导临床。但是做数据分析的往往不懂临床，懂临床的不懂数据分析的，我觉得很痛苦。

俞章盛（上海交大-耶鲁联合生物统计中心副主任）：关于数据和医学的合作，因为我自己实际上是原来在国外医学院的时候我们是跟临床医生合作的，我回国跟一些临床医生交流的时候。我说我们国内我们做分析的会往前走两步，但是我希望临床医生也往前走，不然没法做。在国外是临床医生主动过来找我，当然在国内就不是这样的。国外有很健全的体制，我在学校里我工作我跟医生一起写项目，这个自动就归到我这边来了，就不存在谁跟谁的，还有包括知识产权不像国内分得特别清楚，实际上这个体制不容易使得这两个部分比较难结合。

我回应刚才阮教授的问题，是先有想法，还是先有数据，是先有数据还是先有数据产生想法？这两种情况都有，现在大部分的还是靠医生产生想法一个好的问题用数据来验证他，这是统计学的问题，我们通过一些数据的挖掘，提出一些新的思路反过来帮助医生产生新的想法，这就更说明了从事数据分析人员不能脱离医生来做这个。因为当你产生一个新的想法你肯定要跟医生沟通，去看这个想法是不是有一定的合理性，还是说是无稽之谈。因为你自己是不知道的，你可能从数据产生了一个想法，但是这个想法可能是很好的想法，也可能是很差的想法，你需要很专业的医生帮你把关。所以我想还是需要比较深度的合作才可以达到双方的共赢。 

观众：我先就自己的观点，第一个问题先说一下，机器人可不可以取代医生，我感觉机器人肯定不能取代医生。机器人永远是一个工具，你说现在大数据在医院有没有应用，我感觉现在大数据在医院已经应用的非常好，一个部门就是放射科。原来我们看病的时候可能以前就是望闻问切，后来是X光，后面是CT，CT一开始是四排的，后面是十六排的，后面是六十四排的，他所得到的数据就是一个大数据。这些大数据我们怎么用呢？就是放射科的诊断专家会出他的诊断报告，说你这个放射报告出来以后这个病是什么病。但是你拿着这个放射报告或者说你检验中心所有的血液的数据都出来了，你拿着你的检验报告，你还要去找医生。医生再说你这个是什么病。现在包括你人体的切片，几千张给你切下来，所以我感觉所有的大数据我们医生应用的工具。怎么去应用，应该是医院有一个大数据应用中心，就像放射科，他既学医学又学大数据，结合起来为病人服务。 

主持人阮彤（华东理工大学计算机技术研究所副所长）：你从放射科的角度觉得这个事情就是放射科出这个照片，诊疗还是靠这个医生。我们其实不是一直有这个图象识别，如果图象识别这件事情他的精准度，连猫和狗都识别了，我感觉这个事情比人脸识别简单一点，是不是会发生这个本质的变化，这个事情我还是持怀疑态度，有没有其他？

高炬（上海中医药大学附属曙光医院副院长）：我来回答这个问题，前面我们讲只谈技术，不谈其他。在医学上确实绕不开法律和伦理。比如你讲机器人和围棋手比赛，他就是输或者赢，但是看病就是人活还是死。医生看死人是有责任的。

主持人阮彤（华东理工大学计算机技术研究所副所长）：机器基本不犯错误，而人经常犯错误。

高炬（上海中医药大学附属曙光医院副院长）：将来没有医生，只有机器人了。

主持人阮彤（华东理工大学计算机技术研究所副所长）：：肯定我买哪个机器人，最终由我负责任。  

高炬（上海中医药大学附属曙光医院副院长）：如果我自己买了一个机器人放在家里看病，看死人算我倒霉。第二个问题是什么来驱动，我们其实内部也争论了很长时间，我现在想想确实应该需求来驱动。就是医生想知道什么，想解决什么，而不是直接从大数据找。为什么很难从大数据找？我举一个很简单的例子，在内科学有一个专门的病叫发热代产（音），和他相关的有一百多个病，那机器怎么走？就是发热代产，我觉得就是临床的需求提出问题，然后找出问题。

陈洛南（中科院系统生物学重点实验室执行主任）：刚才这个话题是关于数据驱动以及方法，以及需求。我的理解是这样的一个话题，所以我这样认为的，刚才也说了，确实医学上需求是一个因素，病人你治不好病有生命危险。但是我从整个的健康科学来看，也不一定都是需求驱动，也有数据驱动的因素。我们从健康的人可以挖出很多的需求，可以挖出很多的东西更好的服务健康的人。

我从整体的健康科学我认为应该是这样来看的，因为确实对疾病来说我相信是需求为主，但是对健康整体来说我觉得还是数据的驱动是非常重要的。

从方法学当中我认为有这样的一个事情，数据确实是不干净，因为他非常杂乱，特别是健康科学和医学这块。你每次测都不一样，比如说刚刚说的测序，特别你测蛋白，你同样的测每次答案都不一样。我们对生病科学的这个细胞的机制性不清楚，所以我们测的一些东西不能反映我们生命本质的一些东西，所以他是不稳定的。所以这点我觉得很可能还是我们经过一个从方法学上，技术上一个非常重要的突破点。我之所以说这个事是因为我经常给学生讲课，如果你测基因表达，我就把胳膊放下来再抬起来你分别测你会发现这个基因发生了很大的变化。你会觉得很正常，但是用机器测的话他就分成两个完全不同的组。我们现在得了一个病人，得了一个组织我们拿出来测，我们现在就是这样做的。

我今天不想讲数学，我们就是在做这个事。我们构建了一个新的理论体系，我们觉得必须要找到疾病能稳定反映他特征的东西，在这点上我们还是需要很大的突破。现在我们深度学习大样本之间来做很可能不一定能够很高效的得到。因为他是一个黑箱子，我们医生要做判断，你告诉我一个机制，为什么他是病，因为他是这个，那样的话我相信医生很欢迎用他的，因为他知道他这个原理。

观众：刚才听各位专家讲的很受启发，我是从方法上。我印象比较深的一次是1994年，那时候我还在读博士，第一次到德国参加国际会议，是一个（英）验证，软件工程方面的问题。当时的特邀报告是请的一位专家，就是2013年得到图灵奖的那一位，是（英），是做安全验证对并发系统的资深专家。他就讲了一个现象，当时的Windows是3.0，他讲现在的软件系统规模越来越大，因为我们计算机如何设计可以可靠运行的软件。小规模的软件你可以把他刻划的非常的清楚，运用逻辑公式可以规划出来，如果这个体系结构是可靠的，我可以说我开发的这个是没有问题的。但是到了微软，就是3.0，就是这个Windows复杂的这个程度已经没有一个工程师可以把握整个的系统是怎么构成的。他想一想，说现在我们比如有八个人，运行的过程中系统关机了，我们重启一下就可以了。一定是运行到某一个非常规的点，运行不过去了。我们现在是（英），做这个电脑，研究了很多现象，他说计算机不是一个电子逻辑的系统，很多现象和生理，和医学是很相近的。医生的话，可能看一个病人，并不是把他所有的数据，所有的从小到大，所有他生活的环境的数据掌握，他看到的是凭着他的经验，他有一些科学的。他就说我们现在这个计算机软件很多时候是要向医学学习。

所以我的观点是什么呢？我们是不是可以换一个思维，不是说大数据来帮助医学，而是我们利用这个数据资源，一方面是希望做到辅助，另一方面更主要的可能是专家的做这个信息领域的，要向这个专家去学习。因为刚才陈老师讲的很好，就是说，我的观点是机器不可能代替医生。因为王院长也说数据现在没有完整的数据可以把这些现象刻划出来，还有共性和个性的问题。我们做研究是从需求驱动的话应该是一个演绎，如果从大数据来挖掘是归纳，这个演绎是专家从经验里面有很多归类的东西。大数据的话，专家这个是自己很专的领域，但是医疗比较综合。刚才高院长，大肠癌是你的领域，大肠癌可能和其他的一些领域相关的。这个为什么可以给他作用，我觉得这些交叉综合的信息，大数据在这里面发挥作用。而这里面我们做IT的，我是想不是我们辅助医生，可能医生指导对数据，这个经验的指导，这个方面肯定更重要一点，我就说到这里。

主持人阮彤（华东理工大学计算机技术研究所副所长）：谢谢于老师，给机器看病可以借助于医生给人看病，这是于老师刚刚提的非常有趣的。

观众：各位朋友，各位专家下午好，我是来自于临床一线的医生，我来自复旦大学复数儿科医院，我是小儿心脏科医生。我本身对大数据医学也很感兴趣，我们现在讨论的是数据大，不是大数据。另外大家是IT行业的专家，可能对医学真的不了解。医学被定义为所有科学当中最高的一门形式，所以我觉得大家可能对现在的医疗不太满意，所以在追求这种机器。

另外一点我们现在所提供的，大家都在埋怨临床提供的数据不干净，即使非常干净也无法，我们刚刚讨论的第一个问题机器人可不可以代替人，也根据无法代替。刚刚有专家说无限接近，我可以告诉大家，不可能无限接近。除非有一天机器人具备人大脑的这种功能，就人的脑被攻克了，机器人的脑跟人的脑一样，我说可以的。

还有所有的数据都是过去式，不是现在的。你拿一个过去的数据，过去的疾病去推断未来的疾病不可能的。萨斯出现以后，全球的医学专家束手无策，你把机器搬过来可能吗？根本不可能，萨斯是新的。另外一点医学永远是不确定学科，他是一个不确定的学科，那拿一个确定的数据去处理、决策，定义一个不确定的现象，这个是根本不可能的。

主持人阮彤（华东理工大学计算机技术研究所副所长）：这个代表了经典的临床医生的看法，我们和临床医生接触的时候基本上就是首先你们不懂医学。

在大家都不懂的情况下我们第一不能指责对方不懂我，而应该是我们怎么样去懂对方，使得我们可以共同的把这件事情做好。所以我们只是观点，没有任何的对这个医生的不尊重，你是我们复旦附属医院的我们更要尊重了。

另外一回事，我的想法我还想再讲讲，所谓的经验可不可以学的问题，其实我觉得经验是可以学的，完全可以学的。只是我们现在可能很多的情况下并不知道经验怎么学。其实这个围棋的事情对我们来说是很好的启发，就像这位医生讲的一样，我们一直以为围棋这个事情不可能的，凭经验的，你怎么可能？但是很快就完了。而且现在这个技术的发展，这个数据收集，以及我们机器运算速度的发展，使得所谓的技术的进步是一个指数型的上升。你别小看指数型，这是一个很厉害的东西。所以我的感觉是不要小看他了，我们要怎么样拥抱他，使得我们真的可以让机器为我们人服务。什么叫需求？需求就是让机器人为我们服务，而不是我们服务于机器，这一点肯定要摆正，我觉得这个事情是最要紧的事情。肯定是需求驱动，肯定是我们要掌握。

如果我们造一个机器有自己的思想，我坚决反对。不能让他有自己的思想，他的思想应该是让我们来驱动。所以任何人去研究机器人，说要给他一个思想，我说你先停住，别研究。 

观众：我先说一下我是一个医生，不过现在已经退休了。但是，我觉得机器最终能够代替人看病的，医生的反方。为什么这么说呢？我先说一下，我在八十年代后期做过一项研究工作，我现在在交大医学院，当时我在曙光医院过。当时做了一件什么事情呢？我们有一个老的专家，是上海市的肾病主任委员，他接受了卫生局的一项课题，做了370例中西医结合的慢性肾炎的治疗，最后拿不出总结报告。病历有，都好了，原始资料都在那里，一大堆。当时的计算机还是286，我就采用了一个多元回归分析和聚类给他做完了这个整体报告。

以后我就发现了很多问题，现在的何立群（音）那个时候还是刚刚到医院的医生，他带的博士生的课题就是我在这项研究中发现的一项。我最大的体会是当时用这样的一个方式把老医生的思维做的很清楚。因为我不是肾病科的临床，我是实验中心搞科研的。其实病历我从来没有见过，一个病人没有看过，我就拿过来原始资料。就像专家说的，这个数据肯定不清晰，趋向很多，这就是一个课题，你们IT必须解决的问题。当时我也采用了一个方式，多元回归必须要算，不然通不过。我是一个懂医学的医生，也是一个懂IT的医生。当时我就采用了一个方式，这个类里面有一个项目数据的时候是按一定的规律分布的，我可以按照这一项里面的规律可以给他创造一个数据，这个数据就是合理的，是符合这一类病人的就合理，都可以解决问题的。所以方法是医疗大数据最根本的问题。

那么IT的人用的方法跟我们医生想要解决的方法绝对不同，因为我参加过我们国家第一代的专家系统研制，做不起的，这个是我受启发的。医疗之间不完全是个问题分析，他有好多非逻辑的东西怎么办？我们高院长提我们医疗数据绝大部分都是非结构性，非结构性的处理模式在哪里？你IT没办法告诉我非结构性的处理模式在哪里。没办法解决非结构性的问题，医疗大数据怎么做。就是现有条件是做不到的，也做不好。

第二个，一百年里面机器人看不了病。刚刚那个临床医生说了，为什么说医学是现代科学里面最难做的学科，是因为人类到目前为止对一个人的认知1%都不到，还有99%医生根本不知道的。就是人类整体知识对一个人的理解也仅仅不到1%，那你机器有什么用，还有99%是非理性判断，机器智能做理性判断，什么时候机器可以做非理性判断。我现在是非常关注IT的发展，我现在自己也在搞远程医疗的事情，也建立了很多的数据。所以我说你一百年里面还是建不了，因为这些方法没有，我们医疗上需要解决的方法你都没有。但是现在能不能为医疗解决问题呢？肯定可以的。因为有很多数据模式，这是很简单的分析，这些数据在医疗上应用会有很多的东西。

当时那个医生说你怎么知道我是这么看病的，因为我最后写报告我就写出来了。他说我是这么看的，你怎么知道的？我说看出来的，他相关系数就这么高，他就到这个位置，他就这样的。所以说方法是现在最需要解决的问题，谢谢大家。 

观众：刚才听了各位专家和各位医生也都说了一下，我说说我的看法，其实难度我的理解是这样的，首先看我们怎么样看人。第一个问题首先看我们怎么看人，人到底是生物人还是物理人，物理人也可以是机器人，最后是数字人。按照我们一开始在诊疗，无论是中医也好，还是非洲那边的巫医也好都当作一个混沌体来判断，完全靠经验。往后走我们会有一些指标，包括温度，这个时候你基于这些参数可以做一些相对详细的诊断过程。如果我们换个角度上来讲，如果我们能够把这个人的各项物理指标可以做的更细，更全，这需要很多科技上的发展，这个人就不再简单的是生物人或者是物理人，他会变成一个数字人。到了数字人这个级别，我的感