在央視綜合頻道晚間黃金時段首播的《機智過人》各個專案正在緊鑼密鼓地錄製之中。這款由中國科學院和中央電視臺共同打造的人工智慧（AI）“現象級節目”，據信已篩選二十多個可代表AI最高水準的專案，將在人工智慧領域多個應用場景中透過電視熒幕上演史上最大規模的“人機大戰”。
在這些專案的比拼中，AI的對手不僅有世界圍棋冠軍柯潔、全美職業籃球聯賽巨星林書豪和羽毛球國手鮑春來，還有來自全國各地三甲醫院的專業醫生。
閱片機器人是如何煉成的
由中國科技大學、中科曙光、健培科技聯手打造的“醫學影像閱片機器人”（又名“醫學影像機器人醫生”，下簡稱“閱片機器人”）將在醫療影像診斷方面與有著多年閱片經驗的影像科醫生同臺競技。他們要比拼的專案是：找出在若干張CT光片中隱匿著的少量病人的CT片。
於大量CT片中找出病例，是影像科醫生職業所長，而且經驗越豐富眼光越老道。但是，冷冰冰的機器如何練就這項絕技？
“答案是優質醫療大資料+高效能計算環境+最佳化的深度學習方方法。”申報並參與該項目錄制的中國科技大學計算機科學與技術學院計算機系統結構研究室主任安虹在接受《中國科學報》記者專訪時說：“三者結合就能構建起不斷進化的自主學習模型。”
大資料、計算力以及人工智慧演算法是AI近年來崛起的基石，醫學影像閱片機器人的誕生也正基於此。曙光公司智慧計算技術總監許濤向《中國科學報》記者透露，醫療影像大資料方面，“機器人醫生”已經用一個月的時間惡補了一萬多張高質量的人工標註的CT影像；在計算力方面，中科曙光專門為其量身打造了適用於AI的高效能計算機（HPC）裝置；演算法方面，有著多年超算應用大賽經驗的中科大的安虹教授團隊對用於影像識別的3D卷積神經網路演算法進行了最佳化，可快速識別圖片中病灶的位置。
“這些工作都是在閱片機器人上臺之前的‘操練’，經過訓練後閱片機器人就可以以一個模型的形態嵌入在任何的伺服器甚至手機上。”許濤說，上臺比拼的閱片機器人不再是複雜的HPC系統，而是“一個類似應用程式的東西”，這種形態使AI能夠在社群、鄉鎮等醫療條件不高的地方給基層醫生“頂級專家看病的本事”。
戰勝人已不是問題，問題是……
與李世石、柯潔大戰AlphaGo一樣，與AI的過招實則是一名專業選手與一群專業選手之間的對抗。同樣的，專業醫生與閱片機器人的PK，結果不言而喻。
事實上，類似的醫療影像甄別“人機大戰”的劇情已在國內上演。今年4月，首都醫科大學附屬北京友誼醫院舉辦了以“甲狀腺結節超聲影象的性質判定”為主題的人機大戰。當時代表AI出戰的是由北京市計算中心“起宏圖”人工智慧研發團隊研發的“視診通—醫學影象輔助診斷工具”。在那場比賽中，AI以73%的準確率勝過了94%的專業醫生（獲得第一名的人類醫生的準確率為76%），並且在用時上遠遠甩出人類選手。
基於此，有理由相信有國家級科研院所、國內優質科技創新企業加持的閱片機器人能有同樣驚豔的表現，與此同時，許濤和安虹在專訪中也表達了希望有如此表現的AI能夠儘快用到臨床中去。
這也是臨床醫生的心聲。安虹告訴記者，當前，醫學影像資料佔醫院醫療大資料的85%~90%，影像科醫生每天都要與數萬張影像圖片打交道。而且隨著醫學影像裝置精度的提高，密度更大、畫素更高的影像在帶來更高診斷精確度的同時，也意味著醫生更繁重的閱片工作量。不言而喻，能與頂尖醫生處於同等水平的AI更適合承擔這些工作量中“繁重”的那部分。
距離應用有多遠
要使閱片機器人做到這一點，安虹認為，AI演算法和計算力的“平民化”正為這一切開啟通路。
“演算法的平民化讓AI得到普及，計算力的平民化將讓AI應用變得普及。”安虹對記者說，說到高效能計算，“太湖之光”許多人用不起，但中科大與曙光一起搭建的定製化系統“誰都用得起”。透過軟硬體系統的設計和最佳化，可以讓AI應用的系統變得平民化。
許濤向記者介紹說，與通用HPC不同，曙光針對閱片機器人專門打造了適用於AI醫療影像識別應用的專用HPC。在人工智慧專用HPC中，影象處理單元（GPU）不再只是“加速單元”這樣的小角色，而是上升到主角地位，CPU反而只剩下“計算排程”這樣的角色。“定製化會讓HPC系統的能效比、價效比大增。”他還透露，曙光目前也在AI專用晶片方面佈局，未來適用於AI計算的系統將進一步輕簡化、專用化。
“現在的人工智慧技術已經準備好，能讓我們在醫療大資料領域做出一些真正有價值的應用來。做的人越多、產學研用各方合作得越好，就真的可以讓這種技術落地，解決許多醫療難題。”參與此次節目申報和拍攝，安虹坦言深有感觸，“發現很多事情可以做”。
比如，安徽省立醫院一位腫瘤科醫生就提出，希望AI機器人不僅可用於醫療影像識別，還可以用於更為棘手的病理分析方面。“醫院需要立足病理分析決定醫療方案，但國內病理醫生比影像科醫生更稀缺，許多醫院不得不跨醫院、跨地區向更專業的醫療團隊求助。”安虹對記者說。
技術上已準備好，但一些非技術因素還有待破解。比如要獲得藏身於各大醫院的高質量的權威醫學影像資料，並不是一件易事；此外要讓AI介入臨床，還需要大量的臨床資料證明AI輔助診斷的有效性；同時，AI介入醫療的相關政策監管、法律規範等還未見蹤影。
“有政策性的問題在裡面，這個事情是不是國家層面做更合適？”安虹反問道。同時她表示，參與這次節目的影響讓她始料未及，不過她看到的是積極的一面：“（AI閱片機器人）會引發很多思考，包括研究層面、產學研結合層面甚至政策層面的問題。這會引起討論，會有很多話題，有了這些話題，大家就會想著怎麼去做。”
