A
只用半年時間就熟讀了
100萬份優質甲等病歷
即便是擁有超強處理器做后備的人工智能，它的早期學習階段也是非常痛苦的。人類的語言可以很輕松的理解，一個孩子是不是發熱、肚子痛。但AI閱讀時，就得調動很大的內存，去運算這幾個簡單漢字所能表達的真實意義。不僅需要理解，還得意會出這些字透露的衍生意義。“咪姆熊剛剛滿月的時候，她的主要工作就是學習語義理解，和同近義詞判斷”，梁會營博士表示。比如醫學上所說的小細胞肺癌、肺小細胞癌、肺部……小細胞癌這些醫學同義詞之間的區別，一個非胸外科、呼吸內科的醫生都可能搞混的知識點，也能將咪姆熊整得團團轉。
但AI的一個巨大優勢，就是學習能力超群，而且速度極快。在能夠將醫生的病案表述轉化成自己的語言理解和消化吸收后，咪姆熊只用了半年的時間就熟讀了100萬份優質甲等病歷，30多份全國、全球性的治療指南和共識。最了不起的是，她還學會了150萬篇兒科發熱相關學術論文，知識已然淵博得很。“在她半歲的時候，已經對15種發熱相關疾病滾瓜亂熟了。”而到了現在，咪姆熊醫生一歲的時候，熟悉和掌握的兒童發熱疾病已經達到32種，而且已然能夠根據孩子的不夠完整的癥狀、信息，給出最佳的疾病診斷模型，儼然成為一個駕輕就熟的郎中了。
“在人工智能研發領域，我們通常會認定一點，那就是給人工智能學什么，他就會變成什么。如果給他學習的是優質病歷，他會快速地成長為一個成熟醫生。但如果給了他一條不好的內容，則有可能將其培訓成一個庸醫。”梁會營表示，通俗點說，就是一條錯誤的信息，可能需要十條、百條的正確信息來糾正。正是基于這一點，從現有的門診病歷中遴選優質病歷供咪姆熊學習，其實就是給人工智能喂食最為精細的糧食。一年來，不斷的學習中，“咪姆熊醫生”已經吸收了180萬份優質病歷樣本。
B
以計算機軟件形式
和醫生一起“出診”
除了學習病歷，咪姆熊醫生也是會出診的。只是以一種計算機軟件的形式，存在于醫生的工作電腦中。高年資、有經驗的醫生出診時，往往會快速地形成一張門診病歷，書寫好病童的癥狀、檢查結果，而這些東西在輸入電腦的同時，AI“咪姆熊醫生”就開始轉換成自己的語言加以演算了。“頭痛、咳嗽、流涕，伴嘔吐”，出診醫生寥寥九個字，咪姆熊將其轉換成兩三頁的是非判斷題后，很快得出一個孩子患病的概率。
雖然AI的工作量很大，但速度還是很快的。出診的專家在輸入后只要點擊一下請咪姆熊診斷，小家伙立即就能在電腦界面上形成一系列的結論。73%的概率是急性支氣管炎、13%的概率是急性上呼吸道感染、4%的概率是急性鼻咽炎、3%的概率是急性扁桃體炎。結論如果和出診專家的判斷一致，專家可以點取同意結果，這時咪姆熊醫生的界面便會有一個洋洋自得的表情在閃爍；而如果專家反對咪姆熊的判斷，界面會立即有一個心碎的表情閃爍，而且咪姆熊也會立即重點學習這一病案，去自己的資料庫中調取錯誤的原因，豐富自己的知識庫。
最為難得的一點是，這臺小AI是能夠根據孩子的病情去發現一些高危因素的。比如一個小朋友的癥狀，主訴懷疑有極小概率是急性咽炎，咪姆熊醫生也能演算出概率，同時用標紅的字體提醒醫生需及時排查急性咽炎，否則這一疾病可能因不及時治療而引起窒息并危及生命。通過自己的不斷學習，以及高年資專家的不斷帶教，咪姆熊醫生目前的診療能力是在32種發熱相關性疾病中，有24種已經能夠做到90%左右的準確率。當然，由于咪姆熊的資料庫中，是百萬計的既有病例。發生的新病例是根據疾病的要點、相同點，去資料庫中找出相同的病歷做參考。與其說咪姆熊是診斷出了患兒的疾病，不如說她是“算”出了患兒的病種。
C
未來可以通過智能終端
進行問診并得到診療建議
一年的訓練，咪姆熊醫生已經可說是日臻完善的地步了。在5日下午與8名副高以上專家PK中，咪姆熊醫生已經表現出了非常精純的熟悉度。在諸如泌尿系統感染、急性腮腺炎、呼吸道異物、結膜炎、過敏性紫癜五種疾病的判斷上甚至能夠達到和高年資醫生一樣的準確率。當然，其在急性支氣管炎、口腔炎等方面，診斷成功率還是偏低，仍需進步。
“我們的下一步目標，是讓咪姆熊能夠熟練地再掌握41種新增的呼吸內科疾病。這就基本上能解決97%的發熱疾病了。”梁會營表示，熟練掌握了所有和發熱相關的疾病后，咪姆熊醫生發熱版這個熊大醫生也就成熟了。除了研讀發熱的咪姆熊熊大，梁會營等開發團隊也在陸續研發熊二、熊三醫生，分別能夠幫助醫生分析兒童B超檢查報告，能夠提供精準的兒童患者營養支持。
此外，針對患兒家長的家用型咪姆熊醫生也在開發、研究當中。“這個版本的咪姆熊醫生面世后，家長們可以通過手機、iPad這些智能終端，點擊屏幕上的額頭、四肢、軀干就能進行問診和疾病的早期判斷，并得到專業的診療建議。”“準確率肯定比家長們漫無目的地上網去搜要高”，梁會營表示。
揭秘
機器人醫生
如何上課學習？
在梁會營等開發團隊成員眼中，人工智能醫生咪姆熊更像是掌握了攝魂大法、吸星大法的武林高手，能通過對現有優秀病歷的研讀、好的醫生帶教，來實現優質醫療資源的重塑和復制。梁會營表示，目前咪姆熊學習的一大特點是相對被動。暫時只能在醫院內部網絡上運行，開發團隊給她什么東西學，她就學什么東西。“這樣做主要是讓咪姆熊能夠仔細研讀醫院內部的成功病歷。這樣也能保證她學習的每一條信息都正確，不至于將來影響其診斷。”
此外，由于目前的病歷、病案往往處于一個個的信息孤島中，醫院和醫院之間并不聯通，咪姆熊即便上了外網，也搜不到準確的好的信息。這就好比一個起步階段的學生，不能讓她沉迷網絡。將來外部信息優化了，咪姆熊醫生的診斷能力穩定、可靠了，開發團隊也能讓她通過關鍵詞搜索去網上、云上主動學習。
美國IBM公司開發的腫瘤機器人WATSON，已經取得了美國的行醫執照。咪姆熊目前在兒科領域的技能，集中于32種疾病。“讓她去考中國的職業醫師考試，她肯定是通不過的，但我們的咪姆熊醫生和WATSON有著本質的區別。美國的人工智能是一個診斷后的治療方案的提供者，能根據腫瘤的種類、分型給出不同的診療方案。而我們的咪姆熊，是直接給診斷。”
