“想要AI真正應(yīng)用于醫(yī)療領(lǐng)域，需要先‘殺死’上百萬(wàn)患者。”

　　在剛剛結(jié)束的“中新人工智能高峰論壇”上，新加坡科學(xué)院院士、新加坡國(guó)立大學(xué)智能系統(tǒng)中心主任黃銘鈞語(yǔ)驚四座。

　　“從當(dāng)前來(lái)看，由于機(jī)器的訓(xùn)練程度不夠，因此極易出現(xiàn)誤診。而區(qū)塊鏈或是促進(jìn)AI醫(yī)療訓(xùn)練進(jìn)程加速的關(guān)鍵。”

　　在黃銘鈞看來(lái)，大數(shù)據(jù)+人工智能+區(qū)塊鏈的結(jié)合，將對(duì)當(dāng)前醫(yī)療行業(yè)轉(zhuǎn)型起到至關(guān)重要的作用。

　　僅靠“自有數(shù)據(jù)”訓(xùn)練AI，它可能得先“殺人”才能去“救人”

　　在AI行業(yè)有一句話：AI落地，數(shù)據(jù)先行。簡(jiǎn)而言之，就是沒(méi)有“數(shù)據(jù)”什么都做不了。

　　醫(yī)療行業(yè)也是一樣。

　　以“診斷”為例，每個(gè)醫(yī)生的腦中，都有著自己的“數(shù)據(jù)庫(kù)”。這其中，包括大學(xué)期間的學(xué)習(xí)“數(shù)據(jù)”、從業(yè)過(guò)程中積累的實(shí)踐“數(shù)據(jù)”、參加研討會(huì)得到的研究“數(shù)據(jù)”等。只有基于這些“數(shù)據(jù)”，醫(yī)生的大腦才能夠做出相應(yīng)的分析和判斷，從而做出診斷。

　　可以說(shuō)，醫(yī)生的“腦子”，就是一個(gè)機(jī)器學(xué)習(xí)系統(tǒng);歷年的學(xué)習(xí)實(shí)踐經(jīng)歷，就是一個(gè)“訓(xùn)練”過(guò)程。機(jī)器學(xué)習(xí)，需要正是這些。

　　“我們?cè)谑占�醫(yī)療數(shù)據(jù)的時(shí)候，經(jīng)常碰到的一個(gè)問(wèn)題，就是醫(yī)院不愿意將數(shù)據(jù)分享出來(lái)，更別說(shuō)分享出來(lái)之后，為其他醫(yī)院服務(wù)。因?yàn)檫@其中，涉及到了‘患者隱私’等極為敏感的問(wèn)題。”

　　對(duì)于大多數(shù)病患來(lái)說(shuō)，將自己的“數(shù)據(jù)”交給醫(yī)院，實(shí)屬無(wú)奈之舉，因?yàn)椴桓嬖V醫(yī)生，醫(yī)生就沒(méi)辦法看病。但這絕不代表，患者愿意將這些數(shù)據(jù)共享出去。

　　從當(dāng)前的AI醫(yī)療診斷行業(yè)看，由于數(shù)據(jù)的獲取困難，幾乎所有案例都只是集中于某一家醫(yī)院甚至是某一個(gè)科室。因?yàn)?ldquo;數(shù)據(jù)量”不夠，“訓(xùn)練量”不夠，醫(yī)院大多不敢輕易使用。

　　“除此之外，醫(yī)學(xué)數(shù)據(jù)是很‘敏感’的�？赡苋�年前，某些��(shù)據(jù)還很重要。但是三年后，這些數(shù)據(jù)已經(jīng)‘過(guò)時(shí)’，成為了負(fù)累，需要被清除。”黃銘鈞認(rèn)為，這是當(dāng)前AI醫(yī)療在數(shù)據(jù)獲取上遇到的一個(gè)很大的難題。

　　眾所周知，在醫(yī)學(xué)行業(yè)有一個(gè)很“心酸”的狀態(tài)：如果學(xué)醫(yī)時(shí)，每天要看十篇文獻(xiàn);畢業(yè)當(dāng)醫(yī)生了，每天至少要看20篇。這些都證明了，醫(yī)學(xué)行業(yè)，信息常更常新、日新月異、極為龐大。

　　“在機(jī)器學(xué)習(xí)的過(guò)程中，目前最稀缺的就是實(shí)時(shí)、不間斷、全維度產(chǎn)業(yè)鏈的數(shù)據(jù)。因?yàn)榭晒�機(jī)器分析的開(kāi)放數(shù)據(jù)越多，其預(yù)測(cè)和評(píng)估則會(huì)更加正確，生成的算法也更加可靠。

　　也因此，只基于片面、不全的數(shù)據(jù)庫(kù)學(xué)習(xí)的AI診斷系統(tǒng)，可能會(huì)在診斷過(guò)程中，經(jīng)歷多次“誤診”，才能有所進(jìn)步。而這一“誤診”量，可能會(huì)達(dá)上百萬(wàn)。

　　即便數(shù)據(jù)量夠，以當(dāng)前的AI系統(tǒng)處理能力，在“清理”數(shù)據(jù)這種“準(zhǔn)備工作”上，就需要花費(fèi)大量的時(shí)間，更不用說(shuō)分析數(shù)據(jù)和得出結(jié)論了。

　　可以說(shuō)，AI在“救人”之前，為滿足其長(zhǎng)期訓(xùn)練和實(shí)踐需求，先要付出的，可能是“殺人”的代價(jià)。

　　“區(qū)塊鏈可以很好的解決這些問(wèn)題。“黃銘鈞很自信的說(shuō)。

　　AI醫(yī)療數(shù)據(jù)問(wèn)題太多?區(qū)塊鏈或是救星

　　“通過(guò)加密貨幣的方式，我們可以將患者的數(shù)據(jù)形成一個(gè)健康的數(shù)據(jù)流。除此之外，區(qū)塊鏈的去中心化，可以將各大醫(yī)院‘可拿出來(lái)用’的數(shù)據(jù)庫(kù)打通。這樣一來(lái)，我們就能獲得大量的數(shù)據(jù)，所形成的超級(jí)賬本速度快、通量高，足以滿足AI對(duì)數(shù)據(jù)處理的需求，促進(jìn)醫(yī)療行業(yè)更快速和更健康發(fā)展。”黃銘鈞說(shuō)。

　　從本質(zhì)上看，區(qū)塊鏈就是一個(gè)去中心化的數(shù)據(jù)庫(kù)，是一串使用密碼學(xué)方法相關(guān)聯(lián)產(chǎn)生的數(shù)據(jù)塊，每一個(gè)數(shù)據(jù)塊中包含了一次網(wǎng)絡(luò)交易的信息，用于驗(yàn)證其信息的有效性和生成下一個(gè)區(qū)塊。這不僅能解決快速增長(zhǎng)的醫(yī)療健康數(shù)據(jù)的存儲(chǔ)問(wèn)題，也能很好的解決數(shù)據(jù)的安全存儲(chǔ)問(wèn)題。

　　“除此之外，通過(guò)智能設(shè)備上傳到醫(yī)療鏈中的數(shù)據(jù)永久可追溯卻不可篡改，還能進(jìn)一步保證數(shù)據(jù)的準(zhǔn)確性。而更為重要的是，區(qū)塊鏈?zhǔn)蔷哂衪oken激勵(lì)機(jī)制的，用戶上傳醫(yī)療健康數(shù)據(jù)就會(huì)得到一定的token獎(jiǎng)勵(lì)，這讓AI訓(xùn)練的醫(yī)療數(shù)據(jù)有了長(zhǎng)久的持續(xù)性。另外，基因數(shù)據(jù)、醫(yī)療病歷、實(shí)時(shí)上傳的健康數(shù)據(jù)等也為AI訓(xùn)練提供了多維度醫(yī)療數(shù)據(jù)，同時(shí)整個(gè)鏈上的參與者充分共享醫(yī)療數(shù)據(jù)價(jià)值，最大化鏈上價(jià)值。

　　IBM曾發(fā)布一份有關(guān)于“醫(yī)療保健與區(qū)塊鏈的”報(bào)告稱，區(qū)塊鏈技術(shù)會(huì)在臨床試驗(yàn)記錄、監(jiān)管合規(guī)性和醫(yī)療/健康監(jiān)控記錄領(lǐng)域發(fā)揮巨大作用，在健康管理、醫(yī)療設(shè)備數(shù)據(jù)記錄、藥物治療、計(jì)費(fèi)和理賠、不良事件安全性、醫(yī)療資產(chǎn)管理、醫(yī)療合同管理等方面業(yè)都能發(fā)揮專長(zhǎng)。

　　總結(jié)

　　互聯(lián)網(wǎng)時(shí)代，用戶可以在線咨詢問(wèn)診，提高了醫(yī)生的診斷效率;AI時(shí)代，智能醫(yī)療提高了醫(yī)生收集和處理數(shù)據(jù)的速度，極大程度上提升了醫(yī)療行業(yè)的發(fā)展。

　　但醫(yī)療行業(yè)因其專業(yè)性高、容錯(cuò)率幾乎為0的特性，對(duì)AI的要求也非常的高。在數(shù)據(jù)為王的機(jī)器學(xué)習(xí)時(shí)代，如果數(shù)據(jù)問(wèn)題得不到解決，帶來(lái)的危害是非常嚴(yán)重的。索幸，區(qū)塊鏈能夠憑借其去中心化及強(qiáng)大的數(shù)據(jù)處理、保護(hù)優(yōu)勢(shì)，在一定程度上解決這一問(wèn)題。