人工智能和中醫這兩個話題，看起來似乎是八桿子打不著，但它們又有一個詭異的共同點——這兩個已經成為互聯網上極其火爆的引戰話題。在每天你方唱罷我登場的口水仗中，支持者和反對者各成陣營，唾沫星子漫天飛舞，卻很難再用講道理的辦法拉攏敵方陣營。

用AI賦能醫療已經是老生常談了，但AI醫療究竟是什么?它又是如何進化的呢?我們或許可以從這些“口水戰”中探索其本質。

AI醫療和中醫學的“糾纏”

之所以認為AI醫療是“中醫式”科學，是因為AI醫療和中醫本質上是非常相似的。智能相對論(aixdlun)分析師顏璇認為，這體現在以下三個方面：

1.相似的公眾認知

AI醫療是什么?我們可能還沒有達成共識，人們對它的評價也褒貶不一，而中醫是什么?似乎也缺失一般性法則。在公眾眼里，兩者都沒有一個一以貫之的評價標準。而中醫，似乎一直處于科學的陰影中，人們給予的尊重也太少。AI醫療雖然是科學在實際中的應用，但似乎也沒有得到極高的評價，人們對它的信任似乎也不高。

除了有限的尊重與信任，很奇怪的是，AI醫療和中醫在公眾眼里還有一種死馬當做活馬醫的“神奇力量”。許多在西醫化療下痛不欲生的人，往往會轉而投向中醫的懷抱，相信中醫的一方藥劑或許能將自己治好。這也是我國中醫們一直很頭疼的問題，患者在經過西醫一系列診治后，在疾病晚期才會找到中醫，尋求最后的希望，而事實上，到了晚期，中醫能給予的奇跡也是有限的。

對于AI醫療，人們則堅信這種技術的“神奇力量”一定會出現在未來。最具代表性的就是冷凍人體技術，女作家杜宏女士的大腦就被分離保存在-196℃的液氮下，患者選擇冷凍自己的大腦，也就是寄希望于未來的科技能助這些冷凍大腦找回過去的記憶和意識。

2.相似的邏輯框架

智能相對論(aixdlun)分析師顏璇曾在文章《急診室里的AI與愛》中寫道，AI的深度學習系統是不具有任何解釋力的。事實上，深度學習的系統越強大，其結構就越是不透明。隨著更多的數據特征被提取出來，AI的診斷會變得越來越準確。但為什么這些特征會從數百萬個數據中被提選出來，仍是人工智能的未解之謎。

這也就是AI著名的黑匣子問題。與此類似的是，中醫的解釋力也并不如西醫的強大。中醫里的陰陽五行讓人們覺得很是懸乎，藥方里的中草藥標明不了具體的分子學藥理機制及毒副作用。即使中醫能夠妙手回春，在當今自然科學的教育背景下，沒有科學的邏輯思維，一直是中醫的痛點。

3.相似的特征工程

AI醫療和中醫還有一個相似的點就是特征工程，即由特征來診病。與西醫的重重檢查不同，中醫診病望聞問切四字足矣，《難經》有云，望見其五色，以知其病，比如觀察到舌苔潮紅，中醫可能會判斷病情主熱。

AI如果做醫生，本質上也是以觀察為主。比如FDA批準的一個AI系統，就能通過觀察患者的視網膜來判斷其是否患病。而除此之外，AI的特征工程更表現在其診斷時與數據庫的配對連接。閱片AI分析影像時，會將正在閱讀的圖片上的特征與數據庫相對應，并實時輸出特征的匹配結果。總結成一個公式大概是：輸入特征——匹配特征——輸出結果。

“中醫式”科學的進化論

基因是生物進化的基本單元，而對于中醫學來說，我們可以把“經驗”稱為中醫的基因，將“經驗”換一個現代點的說法，大概就是“數據”。

某一個基因是不會直接改變某種組織的，一個基因改變不了心臟的性能，但心臟的結構形狀和性能等等都是由基因組合創造的，它們扮演了構成程序語言的元素。

在醫學方面，經驗的組合和進化是一直存在的。我國諾貝爾生理醫學獎獲得者屠呦呦發現了可以有效降低瘧疾患者的死亡率的青蒿素，而青蒿素得以“現世”，其實是屠呦呦尋找古籍，從古籍中的經驗得來的啟發。

與中醫相似，AI醫療的重要進化單元就是“數據”。人工智能憑借著不斷積累的數據，形成算法從而產生無數的應用。比如，在求解機器學習算法的模型參數，無約束優化問題時最常用的梯度下降(Gradient Descent)。盡管目前有成千上萬的學術論文和數不清的方法應用(也就是理論)，但整個研究過程還是依賴于不斷嘗試和錯誤的經驗，也就是數據。

從前的人們是如何尋找中草藥的呢?以止血草藥為例，人們割傷了一條蛇并將其放行，蛇游行后不久即止血，人們這才發現蛇爬過的地方生長了一種植物，取之一試，果然有止血效用。然后，一種中草藥就這么被發現了。

是不是覺得很玄幻?其實這樣的現象在中醫內很常見了。比如被毒蛇咬傷后可以在就近尋找解蛇毒的草藥。從本質上來看，中醫其實就是自然現象的被捕捉并使用。

而現象也是AI醫療賴以發展的源泉，AI要達到某個醫療目的，總是需要依賴于某種可被開發或利用的自然現象。就在近日，Nature在線發表英國Deep Mind團隊，阿法狗和阿法元的開發者，與UCL的一篇合作論文，題為Vector-based navigation using grid-like representations inartificial agents，在神經學和人工智能領域都引起轟動。

這篇高度抽象的論文題目背后，隱含的是一個事實，AI產生了類似于網格細胞活動特征的結構，而網格細胞則是動物和人類的與認路有關的細胞，是大自然經過億萬年才進化出的生命杰作。

精準醫療的智慧

精準醫療本質上是一種個性化醫療，既包括對疾病的早期篩查、預防和幫助醫生做出準確的臨床決策，也包括治療的過程中所提供的一系列服務，比如合理用藥、精準外科以及針對重癥和疑難雜癥的精準的靶向治療。

中醫治病講究一人一方，辨證施治。在診療過程中，通過理、法、方、藥的精準應用，使患者獲得最精準的個體化治療。其中，辨證論治作為中醫診病的基本法則，是理法方藥在臨床的具體運用，并最終落實在患者的個體化。

AI醫療似乎也更看重個體化醫療。將理法方藥換一個說法，在AI醫療里，似乎就是預防、診斷、臨床醫學手段、藥劑四個方面，對抗生成網絡就是AI醫療內里的辯證法論治了。

在早篩和預防方面，各種AI醫療影像和健康管理系統在市面上可以說是屢見不鮮了。在診斷上，美國食品和藥物監管局(FDA)也曾批準了一種人工智能診斷設備IDx-DR，該設備可以通過觀察視網膜的照片來檢測一種眼科疾病，并且不需要專家醫生的參與。

而在醫治手段和藥劑上，AI醫療要做到真正的精準，就用到了兩個試驗——“籃子試驗”和“雨傘試驗”。“籃子試驗”是指將某種靶點明確的藥物看作一個籃子，將帶有相同靶基因的不同癌癥放進這個籃子里進行研究，用一種藥物治療不同的腫瘤。“雨傘試驗”是指同一種疾病基于不同驅動基因分型的臨床研究，對病理分型類似的腫瘤，通過分子分析進行分子分型，進行不同的治療。

這集中體現在藥物研發上，最著名的藥物研發深度學習模型可能是IBM的Watson機器人。IBM早就于2016年12月與Pfizer公司簽署協議，協助Pfizer的免疫腫瘤藥物研發，除此之外，IMB還和多個藥企有合作協議。今年5月，蘇格蘭Exscientia公司與法國Sanofi也簽署了一項潛在價值約2.8億美金的合作和許可交易，旨在開發針對代謝疾病的雙特異性小分子藥物。

我們還可以從騰訊布局的AI醫療邏輯中看到AI精準醫療的影子。從騰愛APP實現醫患線上溝通，到騰訊最新發布的微信智慧醫院3.0，將原來碎片化、斷裂的就醫鏈條全部打通，貫穿了AI導診，在線掛號，在線咨詢，線下AI輔助診斷和檢查，支付，治療，AI隨訪等環節。通過精準醫療信息來聯接醫生和患者，而不是顛覆線下醫療實體和利益格局，一直以來都是騰訊的一種滲透式長遠布局。

唯一不同的是

人的存在應該和自然，和我們生存的環境，以及最初使我們成為人的那些條件融合。我們熟悉自然，依賴自然，緣于自然是我們300萬年的家，人類從骨子里信任自然。

所以，當我們看到中醫用某劑不知名的藥方救人于生死之間，我們不會覺得這不符合自然，貼近自然的中醫讓我們追求延年益壽的愿望更加坦蕩。但是，當我們邂逅某項技術時，比如冷凍人體，我們即使心懷希望，也會馬上反思：這樣延長人的生命是否自然?而機器倫理也一直是我們討論的熱點。

對于AI醫療這一命題，人們寄托在技術上深切的希望和對自然的最深切的信賴一直在碰撞，如何讓二者達到和解?AI需要“親生物”的設計，而使用AI技術的醫院也需要給患者親近大自然的感覺。