—1—

2016年11月的一個(gè)晚上，美國紐約布朗克斯區(qū)的一名54歲女子因?yàn)閲?yán)重頭痛被送至哥倫比亞大學(xué)醫(yī)療中心的急診室桂对。她對急診室醫(yī)生說自己視力變得模糊，左手感到麻木無力。醫(yī)生安排了CT檢查纹磺。

過了幾個(gè)月后，1月的某個(gè)上午亮曹，4名放射科醫(yī)師擠在醫(yī)院三樓一間房子的電腦前橄杨，房間黑暗無窗，只有屏幕的光照卦，看起來好像被海水過濾式矫。哥倫比亞大學(xué)神經(jīng)放射科主任Angela Lignelli-Dipple拿著鉛筆和平板電腦站在一群住院醫(yī)師身后。她正在訓(xùn)練他們讀CT片子役耕。

Lignelli-Dipple說：“一旦大腦顯示出死亡和灰色采转，診斷中風(fēng)很容易。關(guān)鍵是在大多數(shù)神經(jīng)細(xì)胞死亡之前診斷出中風(fēng)瞬痘」蚀龋”中風(fēng)通常是由血管堵塞或出血引起的，神經(jīng)放射學(xué)家大約有45分鐘的窗口時(shí)間框全，這樣醫(yī)生才能夠及時(shí)進(jìn)行醫(yī)學(xué)干預(yù)察绷，溶解血凝塊〗虮纾“想像你現(xiàn)在就在急診室拆撼，”Lignelli-Dipple繼續(xù)說道，“每一分鐘過去喘沿，大腦的某一部分也死去闸度。失去時(shí)間就意味著失去大腦⊙劣。”

她瞥了一眼墻上的時(shí)鐘莺禁，秒針滴答響。她問這些醫(yī)生晒哄，“問題到底在哪里呢睁宰？”

中風(fēng)通常發(fā)生在單側(cè)肪获。血液進(jìn)入大腦后分別流向左右兩側(cè)，然后再流到血管分支柒傻。血凝塊或出血通常只會(huì)影響這些分支中的一個(gè)孝赫，導(dǎo)致大腦單側(cè)的功能缺陷。當(dāng)神經(jīng)細(xì)胞失去供血并死亡時(shí)红符，組織會(huì)稍微膨脹青柄。CT影像上，解剖結(jié)構(gòu)的邊界可能變得模糊预侯。最終致开，組織收縮，尾隨著陰影萎馅。但是双戳，這種陰影通常會(huì)在CT掃描幾個(gè)小時(shí)甚至幾天之后才會(huì)出現(xiàn)，這時(shí)候早就過了干預(yù)窗口期糜芳§酰“在此之前，”Lignelli Dipple告訴我峭竣，“CT上只會(huì)出現(xiàn)少許暗示”——中風(fēng)的預(yù)兆塘辅。

電腦屏幕上顯示著布朗克斯女子的腦部CT圖像，從頭骨底部到頂部水平掃描皆撩，看起來像是一個(gè)切開的瓜扣墩。住院醫(yī)師們快速過每一張圖片，仿佛快速翻閱一本書扛吞，同時(shí)說出每一個(gè)解剖結(jié)構(gòu)：小腦呻惕，海馬體，島狀皮層滥比，紋狀體蟆融，胼胝體，腦室守呜。突然，一名20多歲的住院醫(yī)師停在一張片子上山憨，用筆尖指著右側(cè)腦部的一塊區(qū)域說：“這里有些東西查乒。邊界看起來模糊∮艟梗”對我來說玛迄，整個(gè)圖像看起來都那么不協(xié)調(diào)和模糊——模糊的像素——但他顯然看到一些不尋常的東西。

“模糊棚亩？”Lignelli-Dipple提高聲音蓖议，“你能描述清楚一點(diǎn)嗎虏杰？”

這名住院醫(yī)師在努力搜索詞匯。他停頓住勒虾，就像進(jìn)入自己大腦的解剖結(jié)構(gòu)考慮各種可能纺阔。最后他說“這里不連續(xù)⌒奕唬”然后聳了聳肩笛钝，“我不知道，只是看起來很有意思愕宋〔Ｃ遥”

接著，Lignelli-Dipple拿出20小時(shí)后的第二次CT掃描結(jié)果中贝，這名住院醫(yī)師指的地方變得混沌和膨脹囤捻。幾天后的一系列掃描結(jié)果說明了后面發(fā)生的事，一個(gè)明顯的楔形場灰色出現(xiàn)了邻寿。實(shí)際上蝎土，這名婦女到達(dá)急診室后不久，神經(jīng)科醫(yī)生就試著用藥物疏通堵塞的動(dòng)脈老厌，但是她到得太晚了瘟则。第一次CT掃描幾個(gè)小時(shí)過后，她開始失去意識(shí)枝秤，馬上被送進(jìn)ICU病房醋拧。過了2個(gè)月，她還在住院治療淀弹，身體的左側(cè)從上臂到腿全部癱瘓丹壕。

我和Lignelli-Dipple一起去了她的辦公室。我就從那里學(xué)到了“學(xué)習(xí)”：醫(yī)生如何學(xué)習(xí)診斷薇溃？機(jī)器也能學(xué)會(huì)診斷嗎菌赖？

—2—

我對診斷的認(rèn)識(shí)是從1997年秋天開始，當(dāng)時(shí)我在波士頓的醫(yī)院進(jìn)行臨床實(shí)習(xí)輪轉(zhuǎn)沐序。準(zhǔn)備實(shí)習(xí)時(shí)琉用，我讀了一本經(jīng)典的醫(yī)學(xué)教科書，上面將診斷行為分為四個(gè)階段策幼。首先邑时，醫(yī)生通過患者的病史和身體檢查來收集患者主訴或身體狀況。接下來特姐，整理這些信息以生成潛在原因列表晶丘。然后，通過問診和初步檢測幫助消除某些假設(shè)，并加強(qiáng)其他假設(shè)浅浮，這就是所謂的“鑒別診斷”沫浆。醫(yī)生權(quán)衡疾病的發(fā)病率、患者的病史滚秩、風(fēng)險(xiǎn)和暴露情況等因素（就像俗話說的专执，“當(dāng)你聽到蹄聲時(shí)，應(yīng)該想到馬而不是斑馬”）叔遂。通過把清單項(xiàng)目一個(gè)個(gè)排除他炊，醫(yī)生優(yōu)化自己的判斷。最后已艰，醫(yī)生會(huì)采用實(shí)驗(yàn)室檢驗(yàn)痊末，比如X射線或CT掃描來進(jìn)一步確認(rèn)假設(shè)并得出診斷結(jié)論。這種逐步判斷的過程在醫(yī)學(xué)教科書中傳授了數(shù)十年哩掺，診斷從癥狀到病因嚴(yán)格的方法學(xué)被逐漸印在了幾代醫(yī)學(xué)生身上凿叠。

但是，我很快意識(shí)到真正的診斷藝術(shù)并沒那么簡單嚼吞。我的醫(yī)學(xué)院主任是一個(gè)優(yōu)雅的新英格蘭人盒件，常穿一雙光亮的鞋，口音僵硬舱禽。他深以自己為診斷專家而自豪炒刁。他會(huì)要求病人展示出一種癥狀，比如咳嗽誊稚，然后靠到椅子里翔始，說出一串形容詞。他可能會(huì)說“刺耳尖銳的”里伯，或者說“沉悶的”城瞎，仿佛在描述一瓶波爾多葡萄酒。對我來說疾瓮，所有的咳嗽都聽起來完全一樣脖镀，但是我會(huì)跟著一起玩“是的，刺耳”狼电，就像一個(gè)憂慮的葡萄酒品酒師蜒灰。

對咳嗽的分類會(huì)立即縮小診斷的可能性。他可能會(huì)說肩碟，“聽起來好像是一種肺炎”卷员，或者說是“充血性心力衰竭的濕疹”。接著腾务，他會(huì)問一大堆問題。病人最近體重是否增加削饵？有沒有接觸石棉岩瘦？他會(huì)要求病人再次咳嗽未巫，俯身用聽診器仔細(xì)聆聽。根據(jù)回答启昧，他可能會(huì)判斷另外的可能性叙凡。然后，他會(huì)像路邊魔術(shù)師那樣突然宣布診斷結(jié)果“心力衰竭密末！”——并開出檢驗(yàn)單來驗(yàn)證握爷。結(jié)果通常都沒錯(cuò)。

幾年前严里，巴西的研究人員研究了放射科專家的大腦新啼，以了解他們?nèi)绾巫龀鲈\斷。這些經(jīng)驗(yàn)豐富的診斷醫(yī)師到底是用精神的“規(guī)則手冊”刹碾，還是“模式識(shí)別或非分析推理”對圖像進(jìn)行識(shí)別燥撞？

參加實(shí)驗(yàn)的25名放射科醫(yī)生被要求觀看肺部X射線片子，MRI用來跟蹤他們大腦的活動(dòng)迷帜。X射線圖像在他們之前閃過物舒。一組圖像包含常見的單一病理損傷，可能是肺部的棕櫚狀陰影戏锹，或者積聚在肺內(nèi)襯層后面的沉悶冠胯，不透明的流體壁。第二組圖像是動(dòng)物線條圖; 第三組是字母輪廓锦针。三種類型的圖像隨機(jī)展示荠察，放射科醫(yī)生需要盡快說出病灶，動(dòng)物或字母的名稱伞插，而MRI機(jī)器追蹤他們大腦的活動(dòng)割粮。放射科醫(yī)生平均需要1.33秒才能做出診斷。在所有三種情況下媚污，大腦相同的區(qū)域亮起：左耳附近的神經(jīng)元寬三角洲舀瓢，還有顱骨后基上方的蛾形帶。

研究人員最后總結(jié)：當(dāng)醫(yī)生識(shí)別出某種特征或以前已知的病變時(shí)耗美，大腦過程與識(shí)別日常生活的事物相似京髓。識(shí)別病變類似于識(shí)別動(dòng)物的過程。當(dāng)你認(rèn)識(shí)犀牛時(shí)商架，你不會(huì)考慮或排除其他動(dòng)物堰怨。你也不會(huì)認(rèn)為是獨(dú)角獸，穿山甲和小象組成的動(dòng)物蛇摸。你是從整體認(rèn)知犀牛的——作為一種模式备图。放射科醫(yī)生也是如此。他們沒有經(jīng)過沉思，回憶揽涮，區(qū)分抠藕，而是看到一個(gè)普通的東西。我的老師也一樣蒋困，那些濕漉漉的聲音也像一個(gè)熟悉的叮當(dāng)聲一樣被認(rèn)出盾似。

—3—

1945年，英國哲學(xué)家Gilbert Ryle做了一場很有影響力的報(bào)告雪标，關(guān)于兩種知識(shí)類型零院。一個(gè)孩子知道自行車有兩個(gè)輪子，它的輪胎充滿了空氣村刨，踩著腳踏板轉(zhuǎn)圈車子會(huì)向前走告抄。Ryle將這種知識(shí)稱為事實(shí)的、命題的類別—— 即“知道是什么”烹困。但是學(xué)習(xí)騎自行車涉及另一個(gè)學(xué)習(xí)領(lǐng)域玄妈。一個(gè)孩子通過摔跤，在兩輪上平衡髓梅，走坑洼路而學(xué)會(huì)騎車拟蜻。Ryle將這種知識(shí)成為隱含的，體驗(yàn)式的枯饿，基于技能的——即“知道怎么做”酝锅。

這兩種知識(shí)似乎是相互依賴的：你可以使用事實(shí)知識(shí)來深化你的體驗(yàn)知識(shí)，反之亦然奢方。但是搔扁，Ryle也提出，不能從“知道是什么”簡單推導(dǎo)出“知道怎么做”蟋字，正如一本教導(dǎo)手冊無法教會(huì)孩子騎自行車稿蹲。他說，只有當(dāng)我們知道怎么運(yùn)用規(guī)則時(shí)規(guī)則才有意義：“規(guī)則就像鳥兒一樣鹊奖，在做成標(biāo)本之前必須活著苛聘。”一天下午忠聚，我看著7歲的女兒騎著自行車越過一座小坡设哗。她第一次在斜坡最陡峭的地方摔了下來。第二次两蟀，我看到她稍微向前傾斜网梢，然后更加傾斜，她不斷根據(jù)斜坡的減緩調(diào)整身體重量在座位上的分布赂毯。但是我并沒有教過她騎車上坡的規(guī)則战虏。我認(rèn)為她也不會(huì)教她的女兒騎車上坡的規(guī)則拣宰。我們教給大腦一些常識(shí)，讓它自己去解決剩下的問題活烙。

在參加Lignelli-Dipple給放射科學(xué)員的培訓(xùn)之后徐裸，我和Steffen Haider談過，他是那個(gè)在CT片子上發(fā)現(xiàn)早期卒中的年輕人啸盏。他是怎么發(fā)現(xiàn)病變的？是“知道是那樣”還是“知道怎么做”骑祟？他開始告訴我有關(guān)學(xué)習(xí)的規(guī)則——中風(fēng)往往是單邊的回懦，它們導(dǎo)致組織微妙的“變灰”， 組織常表現(xiàn)出微腫次企，造成解剖邊界的模糊怯晕。他說：“大腦中有供血特別脆弱的地方。為了識(shí)別病變缸棵，他必須在單側(cè)腦室搜索跟另一側(cè)不一樣的地方舟茶。

我提醒他，有很多不對稱的影像他都忽略了堵第。事實(shí)上大多數(shù)CT片子上都會(huì)有很多只出現(xiàn)在單側(cè)腦室的陰影吧凉，他是怎么把注意力縮小到那個(gè)正確的部位？他停下來想了很久回答踏志，“我不知道阀捅，有些潛意識(shí)的感覺≌胗啵”

他的老師Lignelli-Dipple告訴我饲鄙，“這就是放射科醫(yī)生的成長和學(xué)習(xí)”。問題是圆雁，機(jī)器能否以同樣的方式“成長和學(xué)習(xí)”忍级？

—4—

2015年1月，計(jì)算機(jī)科學(xué)家Sebastian Thrun對醫(yī)學(xué)診斷的難題感興趣伪朽。Thrun在德國長大轴咱，精瘦的，剃著光頭驱负，有一種喜感嗦玖，看起來像Michel Foucault（法國哲學(xué)家）和憨豆先生的組合。他曾是斯坦福大學(xué)教授跃脊，研究方向是人工智能宇挫；隨后去了Google公司，在那里發(fā)起了Google X項(xiàng)目酪术，從事自學(xué)機(jī)器人和無人駕駛汽車的研究工作器瘪。后來翠储，他的興趣又轉(zhuǎn)向醫(yī)學(xué)學(xué)習(xí)機(jī)。其母49歲死于乳腺癌∠鹛郏現(xiàn)在Thrun也正好49歲援所。他談到“大多數(shù)癌癥患者是沒有癥狀的，我媽媽就是這樣欣除。當(dāng)她去看醫(yī)生時(shí)住拭，癌癥已經(jīng)轉(zhuǎn)移了。所以历帚，我很想在還可以進(jìn)行手術(shù)的早期階段發(fā)現(xiàn)癌癥滔岳。我一直在想，機(jī)器學(xué)習(xí)算法能做到嗎挽牢？”

自動(dòng)化診斷的早期研究是讓機(jī)器學(xué)習(xí)教科書的顯性知識(shí)谱煤。在過去20年中，電腦解讀是自動(dòng)化診斷的一大特點(diǎn)禽拔，解決方案往往比較簡單刘离。比如記錄心電圖，這是一種在紙或屏幕上顯示心臟活動(dòng)的線條睹栖。心電圖的特征波形與各種疾病相關(guān)——心房顫動(dòng)或血管阻塞硫惕。將識(shí)別波形的規(guī)則輸入到應(yīng)用中，當(dāng)機(jī)器識(shí)別波形時(shí)磨淌，就給這部分心跳標(biāo)記疲憋，例如“心房顫動(dòng)”。

在乳腺X線照相術(shù)中梁只，“計(jì)算機(jī)輔助檢測”也很常見缚柳。模式識(shí)別軟件突出顯示可疑部位桶雀，放射科醫(yī)師審查結(jié)果伦吠。但是健提，識(shí)別軟件依然是典型地使用基于規(guī)則的系統(tǒng)來識(shí)別可疑病變篡石。這樣的程序沒有內(nèi)置的學(xué)習(xí)機(jī)制焕数，一臺(tái)已經(jīng)看過3000張X光片的機(jī)器并不比僅僅看過4張的更聰明馍乙。2007年的一項(xiàng)研究比較了采用計(jì)算機(jī)輔助診斷前后乳房X線照相術(shù)的準(zhǔn)確性递览。人們可能覺得在加入計(jì)算機(jī)之后拟淮，診斷的準(zhǔn)確性會(huì)顯著增加狗超。事實(shí)是弹澎，雖然計(jì)算機(jī)輔助組的活檢比例迅速上升，但是腫瘤學(xué)家最希望發(fā)現(xiàn)的努咐，小的浸潤性乳腺癌比例反而減少苦蒿。后來還發(fā)現(xiàn)假陽性的問題。

Thrun相信他可以超越這些第一代診斷設(shè)備渗稍，將它們從基于規(guī)則的算法轉(zhuǎn)變?yōu)榛趯W(xué)習(xí)的算法來——從“知道怎么做”而不是“知道是什么”來做出診斷結(jié)論佩迟。跟Thrun類似的學(xué)習(xí)算法越來越多地采用了“神經(jīng)網(wǎng)絡(luò)”的計(jì)算策略团滥，因?yàn)樗鼈兊脑O(shè)計(jì)靈感來自于大腦功能模型。在大腦中报强，神經(jīng)突觸通過反復(fù)激活得到加強(qiáng)或減弱灸姊，這些算法也希望采用數(shù)學(xué)手段實(shí)現(xiàn)類似的認(rèn)知方式，不斷調(diào)整判斷依據(jù)的“權(quán)重”秉溉，使輸出結(jié)果逐漸走向準(zhǔn)確力惯。另一種更強(qiáng)大學(xué)習(xí)算法則類似大腦神經(jīng)元層，每層處理輸入數(shù)據(jù)并將結(jié)果發(fā)送到下一層召嘶。因此夯膀，也被稱為“深度學(xué)習(xí)”。

可以教會(huì)機(jī)器通過掃描照片區(qū)分皮膚癌與良性皮膚疾病——痤瘡苍蔬，皮疹或痣嗎？Thrun推理蝴蜓，“如果皮膚科醫(yī)生可以做到這一點(diǎn)碟绑，那么機(jī)器也應(yīng)該能夠做到。也許機(jī)器還可以做得更好茎匠「裰伲”Thrun從皮膚癌開始進(jìn)行研究。他選了角化細(xì)胞惡性腫瘤（美國最常見的一類癌癥）和黑色素瘤（惡性程度最高的皮膚癌）诵冒。

傳統(tǒng)上凯肋，皮膚病學(xué)教學(xué)黑色素瘤從認(rèn)識(shí)基本規(guī)則開始，就像醫(yī)學(xué)生學(xué)習(xí)的口訣：ABCD汽馋。黑色素瘤通常是不對稱的（“A”侮东，asymmetrical ），邊界（“B”豹芯，borders ）不均勻悄雅，顏色（“C”，color）是斑塊狀或雜色的铁蹈，并且直徑（“D”宽闲，diameter ）通常大于6毫米。但是握牧，當(dāng)Thrun在醫(yī)學(xué)教科書和網(wǎng)絡(luò)上查看黑素瘤標(biāo)本時(shí)容诬，發(fā)現(xiàn)了不符合以上規(guī)則的病例。

當(dāng)時(shí)在斯坦福大學(xué)任兼職教授的Thrun招募了2名學(xué)生Andre Esteva和Brett Kuprel來開展工作沿腰。他們的第一個(gè)任務(wù)是編一個(gè)所謂的“教材包”——收集大量的圖片用于教導(dǎo)機(jī)器識(shí)別惡性腫瘤览徒。學(xué)生在網(wǎng)上搜了18個(gè)皮膚病例圖像分類庫，含有13萬張圖片矫俺，包括各種皮膚狀況吱殉，涉及2000種疾病掸冤，包括痤瘡，皮疹友雳，昆蟲叮咬稿湿，過敏反應(yīng)和癌癥等。值得注意的是押赊，有一組2000個(gè)病變已經(jīng)過病理學(xué)活檢確診饺藤。

接下來Esteva和Kuprel開始培訓(xùn)系統(tǒng)。他們沒有用規(guī)則編程流礁，沒有教ABCD原則涕俗。相反，他們只是將這些圖像資料及診斷分類標(biāo)準(zhǔn)提供給神經(jīng)網(wǎng)絡(luò)神帅。我請Thrun描述一下這樣一個(gè)網(wǎng)絡(luò)再姑。

他說：“想象一下老式的程序怎么識(shí)別狗。軟件工程師會(huì)寫1000行if-then-else的邏輯代碼：如果有耳朵找御，豬嘴元镀，并有頭發(fā)，則不是老鼠……等等無限的判斷語句霎桅。但是栖疑，這顯然不是小孩認(rèn)識(shí)狗的方式。起初滔驶，小孩通過看見狗遇革，被教導(dǎo)這是狗而認(rèn)識(shí)狗；她會(huì)認(rèn)錯(cuò)揭糕，然后糾正自己萝快。比如她會(huì)把狼認(rèn)成狗，然后被大人糾正這兩種動(dòng)物不是同一類插佛。她一次次調(diào)整自我認(rèn)知：這是“狗”杠巡，那是“狼”。

機(jī)器學(xué)習(xí)也是這樣雇寇。它會(huì)從已分類的訓(xùn)練中提取信息氢拥。這張圖是狗，那張圖不是狗锨侯。它會(huì)從不同類別中歸納出特征嫩海。通過觀察成百上千張歸類的圖片，它最終形成自己認(rèn)狗的方法囚痴，這和小孩認(rèn)狗的方法一樣叁怪。他們只是知道怎么做。

2015年6月深滚，Thrun的團(tuán)隊(duì)通過“驗(yàn)證包”來測試機(jī)器從教材圖像的學(xué)習(xí)成果奕谭。采用由皮膚科醫(yī)生給出診斷（不一定是活檢）結(jié)果的大約14,000張圖像涣觉，測試機(jī)器能否將圖像正確歸到以下三類——良性病變，惡性病變和非腫瘤學(xué)增生血柳。系統(tǒng)得到了72%的正確率（算法實(shí)際輸出的判斷不是“是”或“否”官册，而是某種病變的概率）。2名經(jīng)過斯坦福大學(xué)董事會(huì)認(rèn)證的皮膚科醫(yī)生同時(shí)參加測試难捌，他們只得到66%的正確率膝宁。

接著，Thrun根吁，Esteva和Kuprel又將研究范圍擴(kuò)大到25名皮膚科醫(yī)師员淫，這次他們使用了金標(biāo)準(zhǔn)“測試包”，經(jīng)過活檢驗(yàn)證的約2000張圖片击敌。在幾乎每一次測試中介返，機(jī)器的敏感性（不會(huì)錯(cuò)過陽性樣本）和特異性（不會(huì)誤認(rèn)陰性樣本）都更高。該團(tuán)隊(duì)在自然雜志發(fā)表的一篇論文中得出這樣的結(jié)論：“在每次測試中沃斤，算法均優(yōu)于專業(yè)的皮膚科醫(yī)師映皆。”

在這篇文章中沒有被完全強(qiáng)調(diào)的一點(diǎn)是轰枝，在研究的第一次迭代中，Thrun團(tuán)隊(duì)使用了一個(gè)完全樸素的神經(jīng)網(wǎng)絡(luò)组去。但是他們發(fā)現(xiàn)鞍陨，如果一開始使用的是已經(jīng)受訓(xùn)并能識(shí)別一些不相關(guān)的特征（比如狗與貓）的神經(jīng)網(wǎng)絡(luò)，它會(huì)學(xué)得更快并且更好从隆。也許我們的大腦也有類似功能诚撵。那些讓人心煩的高中習(xí)題——多項(xiàng)式因子分解，動(dòng)詞的共軛形式键闺，記憶元素周期表寿烟，可能是相反類型的知識(shí)。我們的意識(shí)非常敏感辛燥。

Thrun希望人們有一天可以簡單用智能手機(jī)提交令人擔(dān)憂的病變照片筛武，這意味著系統(tǒng)需要能夠識(shí)別各種角度和光線。但是挎塌，在教機(jī)器時(shí)徘六，需要對圖像進(jìn)行仔細(xì)處理。他提到“在一些圖片中榴都，黑色素瘤已被標(biāo)記為黃色待锈。我們不得不把這些圖片剔除，否則機(jī)器就會(huì)學(xué)到黃色是癌癥的一種特征嘴高「鸵簦”

這是一個(gè)古老的難題：一個(gè)世紀(jì)前和屎，德國公眾被聰明的漢斯（一匹可以做加減法的馬）吸引，并通過踏蹄來表達(dá)出答案春瞬。事實(shí)證明柴信，聰明的漢斯實(shí)際上是感覺到它的訓(xùn)練者的表情。隨著馬的蹄頭接近正確答案快鱼，訓(xùn)練者的表情和姿勢就會(huì)放松颠印。動(dòng)物的神經(jīng)網(wǎng)絡(luò)沒有學(xué)過算術(shù)，但它學(xué)會(huì)識(shí)別人身體語言的變化抹竹。Thrun說线罕，“這就是神經(jīng)網(wǎng)絡(luò)奇特的地方，你不知道它們會(huì)接受什么窃判。它們就像黑箱子钞楼，里面的工作是神秘的“懒眨”

“黑箱子”問題在深度學(xué)習(xí)中很流行询件。Thrun研發(fā)的算法系統(tǒng)不是由明確的醫(yī)學(xué)知識(shí)庫和診斷規(guī)則列表引導(dǎo)的，它通過進(jìn)行大量的內(nèi)部調(diào)整唆樊，有效地自學(xué)如何區(qū)分痣與黑素瘤宛琅，類似于加強(qiáng)和削弱大腦中的神經(jīng)突觸連接。究竟它是如何確定病變是黑色素瘤的逗旁？我們不知道嘿辟，它也不能告訴我們。神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)時(shí)的內(nèi)部修正和處理過程均不受我們控制片效。正如我們自己的大腦一樣红伦。當(dāng)你在自行車上慢慢轉(zhuǎn)彎時(shí)，你會(huì)傾斜向相反的方向淀衣。我的女兒知道要這么做昙读，但她沒意識(shí)到她在這么做。黑素瘤學(xué)習(xí)機(jī)肯定從圖像中提取了某些特征膨桥，但它沒法告訴我們是哪個(gè)特征蛮浑，這重要嗎？這就像知識(shí)上帝在微笑只嚣。思考學(xué)習(xí)機(jī)怎么做到這一點(diǎn)陵吸，可以從動(dòng)物如何讀懂人的思維得到啟示：這也就是“只可意會(huì)不可言傳”。

關(guān)于未來介牙，Thrun構(gòu)想了一個(gè)人類不斷被診斷監(jiān)視的世界壮虫。我們的手機(jī)將分析移動(dòng)的語音模式來診斷阿爾茨海默氏癥；方向盤會(huì)通過微小的猶豫和震顫來識(shí)別初期的帕金森病囚似；浴缸在你洗澡時(shí)通過無害的超聲波或磁共振對身體掃描剩拢，以確定卵巢中是否有異常。大數(shù)據(jù)將觀察饶唤、記錄和評估你：我們穿梭于一個(gè)又一個(gè)算法中徐伐。進(jìn)入Thrun的浴缸和方向盤的世界就像進(jìn)入一個(gè)布滿皮膚科診療鏡的大廳，每個(gè)鏡子都督促我們做更多測試募狂。

真的很難不被這個(gè)愿景吸引办素。一個(gè)不間斷地掃描我們（甚至細(xì)胞層面）的醫(yī)學(xué)程序，通過比較每一天圖像的變化祸穷，能夠發(fā)現(xiàn)最早期的癌癥嗎性穿？它能否為癌癥檢測提供突破？這場景聽起來令人印象深刻雷滚，但有一點(diǎn)要知道的是：許多癌癥始終是自限性的（不會(huì)發(fā)展成惡性腫瘤）需曾，我們可能帶癌死亡，不是因癌死亡祈远。這種隨時(shí)隨地的診斷機(jī)器會(huì)不會(huì)導(dǎo)致數(shù)百萬次不必要的活檢呆万？在醫(yī)學(xué)上，有些病例早期診斷出來可以挽救或延長生命车份。還有一些情況谋减，你只會(huì)擔(dān)心更長，但不會(huì)活得更長扫沼。要了解到什么程度逃顶，這是個(gè)難題。

當(dāng)我問他這種系統(tǒng)對診斷學(xué)家的影響充甚。Thrun回答道，“我對放大人類能力感興趣霸褒。你說現(xiàn)代農(nóng)業(yè)是否消除了一些原始的耕種方式伴找？絕對是的，但它同時(shí)也擴(kuò)大了我們生產(chǎn)農(nóng)產(chǎn)品的能力废菱。并不是說現(xiàn)代農(nóng)業(yè)的一切都是好的技矮，但它確實(shí)使我們能夠養(yǎng)活更多的人。工業(yè)革命放大了人類的體力殊轴。手機(jī)放大了人類的言語能力衰倦。過去你不能從紐約對著加州的人喊話——我們倆確實(shí)通過這個(gè)距離對話——而你手中的這個(gè)長方形的設(shè)備可以讓人的聲音傳播三千里。手機(jī)取代了人聲嗎旁理？不樊零，手機(jī)是一個(gè)增強(qiáng)裝置。認(rèn)知革命將使計(jì)算機(jī)以同樣的方式放大人類的思維能力。正如機(jī)器使人類肌肉的強(qiáng)度提高了一千倍驻襟，機(jī)器也將使人類的腦力變得更強(qiáng)大夺艰。”Thrun堅(jiān)持認(rèn)為沉衣，這些深入學(xué)習(xí)儀器將不會(huì)取代皮膚科醫(yī)生和放射科醫(yī)生郁副。它們會(huì)提供專業(yè)知識(shí)和幫助，使專業(yè)人員的能力增強(qiáng)豌习。

—5—

多倫多大學(xué)計(jì)算機(jī)科學(xué)家Geoffrey Hinton談到學(xué)習(xí)機(jī)在臨床醫(yī)學(xué)中所起的作用就沒那么客氣了存谎。他的曾曾祖父George Boole發(fā)明的Boole代數(shù)是數(shù)字計(jì)算的基石，因此也被譽(yù)為深度學(xué)習(xí)之父肥隆。Hinton從1970年代末就開始研究深度學(xué)習(xí)既荚，他的許多學(xué)生今天已經(jīng)成為這個(gè)領(lǐng)域的專家。

Hinton告訴我巷屿，“我認(rèn)為放射科醫(yī)生就像卡通漫畫里的歪心狼一樣（Wile E. Coyote）固以，已經(jīng)在懸崖的邊緣，卻沒看到下面已經(jīng)沒有路了嘱巾『┝眨”乳房和心臟影像方面已經(jīng)有深度學(xué)習(xí)產(chǎn)品面世。Hinton曾在一家醫(yī)院直言不諱地說旬昭，“5到10年內(nèi)深度學(xué)習(xí)超越放射醫(yī)師是顯而易見的「菝現(xiàn)在就不應(yīng)該繼續(xù)培養(yǎng)放射科醫(yī)生∥示校”

當(dāng)我問放射科醫(yī)生Angela Lignelli-Dipple這個(gè)挑戰(zhàn)性的問題遍略，她指出，診斷放射科醫(yī)生的作用不僅僅是某種疾病類別判斷是或否骤坐。他們不只是找到引起中風(fēng)的栓塞部位绪杏，還會(huì)注意到其他部位的少量出血，這種情況用凝血藥會(huì)帶來災(zāi)難性的后果纽绍；此外還可能意外地發(fā)現(xiàn)尚無癥狀的腫瘤蕾久。

“Pretty good. The ending was a bit predictable.”

Hinton現(xiàn)在有挑釁的資格，他對自動(dòng)化醫(yī)學(xué)未來的預(yù)測是基于簡單的原則：“深度學(xué)習(xí)可以解決海量數(shù)據(jù)的分類問題拌夏。未來會(huì)有數(shù)千種深度學(xué)習(xí)的應(yīng)用程序僧著。”他想要把學(xué)習(xí)算法應(yīng)用到讀各種X射線障簿，CT和MRI的影像圖片盹愚，這也是短期的應(yīng)用價(jià)值。談到未來站故，他表示“學(xué)習(xí)算法會(huì)用于病理診斷皆怕。”它們可能會(huì)閱讀巴氏涂片，聽心臟聲音或預(yù)測精神病人的復(fù)發(fā)端逼。Hinton說：“將來朗兵，放射科醫(yī)生的角色將從完成感知事情（一只經(jīng)過良好訓(xùn)練的鴿子也能做到），演變到完成更多的認(rèn)知事情顶滩∮嘁矗”

我們還討論了黑箱問題。雖然計(jì)算機(jī)科學(xué)家正在努力礁鲁，但是Hinton承認(rèn)打開黑箱子的挑戰(zhàn)盐欺，試圖了解這些強(qiáng)大的學(xué)習(xí)系統(tǒng)掌握的知識(shí)以和思考的方式極其重要。不過仅醇，他認(rèn)為黑箱子是我們可以接受的一個(gè)問題冗美。他說：“想象一下，讓棒球運(yùn)動(dòng)員和物理學(xué)家比一比判斷落球位置析二。棒球運(yùn)動(dòng)員可能不知道任何方程式粉洼，但他投擲了上百萬次，所以會(huì)清楚地知道球會(huì)升多高叶摄，速度多快属韧，以及會(huì)落到地面的什么位置。物理學(xué)家則可以通過解方程來計(jì)算相同的東西蛤吓。但是宵喂，最終到達(dá)的點(diǎn)是完全相同的』岚粒”

我提到上一代計(jì)算機(jī)輔助檢測和診斷在乳腺X照相術(shù)上的表現(xiàn)不佳锅棕。Hinton承認(rèn)任何新技術(shù)都需要通過嚴(yán)格的臨床試驗(yàn)進(jìn)行評估。但他強(qiáng)調(diào)淌山，新的智能系統(tǒng)設(shè)計(jì)為從錯(cuò)誤中學(xué)習(xí)——隨著時(shí)間的推移而改進(jìn)裸燎。“我們內(nèi)建一個(gè)系統(tǒng)記錄每次誤診——比如一個(gè)最終得肺癌的病人記錄泼疑，再把數(shù)據(jù)重新輸入機(jī)器德绿。我們可以問機(jī)器，你在這里弄錯(cuò)了什么王浴？你可以優(yōu)化診斷嗎？如果醫(yī)生診斷錯(cuò)誤梅猿，這名患者5年后癌癥發(fā)病氓辣，現(xiàn)行的醫(yī)療體系中很難有常規(guī)方式告訴醫(yī)生如何更正。但是我們可以建一個(gè)系統(tǒng)來教計(jì)算機(jī)來精準(zhǔn)地實(shí)現(xiàn)這一點(diǎn)袱蚓〕ィ”

有些雄心勃勃的機(jī)器學(xué)習(xí)算法想要整合自然語言處理（讀患者醫(yī)療記錄）、百科全書知識(shí)、期刊文獻(xiàn)和醫(yī)學(xué)數(shù)據(jù)庫体斩。麻省劍橋的IBM沃森機(jī)器人（Watson Health）和倫敦的DeepMind公司都希望創(chuàng)建這樣一個(gè)全面的系統(tǒng)梭稚。我在試運(yùn)行場合看過一些這樣系統(tǒng)演示，發(fā)現(xiàn)其中許多功能絮吵，特別是深入學(xué)習(xí)的組件弧烤，仍在開發(fā)中。

Hinton對深入學(xué)習(xí)在診斷中的未來十分著迷蹬敲，部分源自他的自身經(jīng)歷暇昂。就在開發(fā)這種算法時(shí)，他的妻子被診斷出晚期胰腺癌伴嗡。他的兒子曾被診斷患有惡性黑素瘤急波，但最后活檢確診為基底細(xì)胞癌，一種惡性程度較低的癌癥瘪校。Hinton嘆息道澄暮，“還有很多東西要學(xué)習(xí)。早期阱扬、準(zhǔn)確的診斷不是一個(gè)微不足道的問題泣懊。我們可以做得更好。為什么不讓機(jī)器幫助我們价认？”

—6—

3月一個(gè)寒冷的早上嗅定，就在和Thrun和Hinton見面幾天之后，我去了位于曼哈頓第五十一街的哥倫比亞大學(xué)皮膚科診所用踩。主治醫(yī)師Lindsey Bordone那天安排要看49名患者渠退。10點(diǎn)鐘，候診室里坐滿了人脐彩。一個(gè)大約60歲的絡(luò)腮胡老人坐在角落里碎乃，用毛巾圍住了脖子上的皮疹。一個(gè)焦急的夫婦擠著看時(shí)代周刊惠奸。

Bordone醫(yī)生快速地依次查看一連串病人梅誓。在熒光燈房間的后面，有一名護(hù)士坐在電腦前佛南，給出了一些總結(jié)性的話——“五十歲梗掰，無病史，皮膚上有新的可疑斑點(diǎn)”嗅回，Bordone聽后沖進(jìn)檢查室及穗，金發(fā)飛在身后。

一個(gè)30多歲的年輕人臉上出現(xiàn)鱗屑的紅疹绵载。Bordone把他拉到燈下埂陆，用手持式皮膚鏡仔細(xì)地檢查皮膚苛白，剝落的皮屑從他鼻子上掉下來。

“你有頭皮屑嗎焚虱？”她問购裙。

那個(gè)男人很困惑地說 “當(dāng)然”。

“嗯鹃栽，這是面部頭皮屑躏率，”Bordone告訴他〉兀“情況比較嚴(yán)重禾锤。但問題是為什么現(xiàn)在出現(xiàn)，為什么會(huì)惡化摹察。你最近使用過一些新的洗頭產(chǎn)品嗎恩掷？家里有沒有不尋常的壓力？

“肯定有一些壓力供嚎，”他說黄娘。他最近失去了工作，財(cái)務(wù)受到影響克滴。

“保持寫日記逼争，”她建議∪芭猓“我們可以確定跟這些生活變化是否有關(guān)誓焦。”她寫了一個(gè)甾體霜的處方着帽，并要求他在一個(gè)月內(nèi)復(fù)查杂伟。

隔壁的房間里，一位年輕的律師助理頭皮上有一些瘙癢的疙瘩仍翰。當(dāng)Bordone醫(yī)生碰他頭皮時(shí)赫粥，他縮了一下。她說“脂溢性皮炎”予借，考試結(jié)束越平。

另一間房間里，一位婦女脫下衣服灵迫，換上病號(hào)服秦叛。她曾患有黑色素瘤，現(xiàn)在積極地做預(yù)防復(fù)發(fā)的檢查瀑粥。Bordone醫(yī)生細(xì)檢查她的皮膚挣跋，一個(gè)個(gè)斑點(diǎn)地看過去±眨花了20分鐘浆劲，但是她查得全面徹底，用手指摸過痣和皮贅哀澈，隨著手指移動(dòng)不斷說出判斷牌借。有痣和角化病，但沒有黑素瘤或癌變割按∨虮ǎ“看起來都很好，”醫(yī)生最后高興的總結(jié)适荣。女患者松了口氣现柠。

就這樣：Bordone走進(jìn)來，察看病情弛矛，給出診斷結(jié)論够吩。她給人的感覺完全不像Hinton說的歪心狼，而像是那個(gè)有點(diǎn)狂躁的BB鳥（Roadrunner）丈氓，她看一連串病人周循，就像設(shè)法跟上腳下的跑步機(jī)節(jié)奏。當(dāng)她在后面的房間里寫醫(yī)囑時(shí)万俗，我問她怎么看Thrun描述的診斷愿景：iPhone圖片通過電子郵件發(fā)送到功能強(qiáng)大的非現(xiàn)場網(wǎng)絡(luò)湾笛，這個(gè)網(wǎng)絡(luò)具有毋容置疑但難以理解的專業(yè)知識(shí)。像Bordone這樣的全職皮膚科醫(yī)生闰歪。一生中大概會(huì)看20萬個(gè)病例嚎研。斯坦福機(jī)器的算法在3個(gè)月內(nèi)就吸收了近13萬個(gè)案例。而且库倘，不像新的皮膚科住院醫(yī)生需要從零開始接觸患者临扮，Thrun的算法可以一直在吸收、成長和學(xué)習(xí)于樟。

Bordone醫(yī)生聽了聳聳肩公条。她說：“如果這有助于我做出更準(zhǔn)確的判斷，我會(huì)歡迎迂曲。我的一些病人在看到我之前可以把自己的皮膚問題拍照靶橱，這樣會(huì)增加診所的覆蓋面÷放酰”

這聽起來像是一個(gè)醫(yī)生的合理反應(yīng)关霸，我想起Thrun說過的那些令人安心的評論——機(jī)器只是把人的能力增強(qiáng)。但是杰扫，當(dāng)機(jī)器越學(xué)越多队寇，人會(huì)不會(huì)越學(xué)越少？父母長期以來都在擔(dān)心：孩子的手機(jī)上有拼寫檢查功能章姓，如果孩子不再去學(xué)拼寫怎么辦佳遣？這種現(xiàn)象被稱為“自動(dòng)化偏差”（automation bias）识埋。自動(dòng)駕駛會(huì)使人警惕性降低，醫(yī)學(xué)自動(dòng)化也一樣零渐。也許Bordone正像是蒸汽鉆即將面世前那個(gè)孤獨(dú)的John Henry窒舟。但是，她看病時(shí)全神貫注诵盼，認(rèn)真地用手指檢查每一個(gè)皮贅和痣惠豺，這些都是不能漏掉的看病細(xì)節(jié)。如果她與機(jī)器合作风宁，還會(huì)繼續(xù)這樣嗎洁墙？

我還注意到Bordone與患者互動(dòng)的其他模式。一方面戒财，患者看病后幾乎總是感覺更好热监。他們被醫(yī)生觸摸和仔細(xì)檢查，可以和醫(yī)生進(jìn)行交流饮寞。甚至醫(yī)生說出的病變名稱——“痣”狼纬，“角化病”——都像是潤膚劑：這是一種深度療愈的過程。那個(gè)有黑色素瘤病史前來復(fù)查的婦女離開醫(yī)院時(shí)看起來精神很好骂际，毫無精神負(fù)擔(dān)疗琉，她的焦慮被解除了。

另一方面歉铝，像巴西研究人員可能猜到的盈简，診斷時(shí)刻對Bordone來說是一種瞬間認(rèn)知。當(dāng)她說出“皮炎”或“濕疹”的時(shí)候太示，好像她正在認(rèn)出犀牛：當(dāng)她認(rèn)出這種疾病時(shí)柠贤，幾乎可以看到她大腦底部的椎體神經(jīng)元在閃光。但訪問并沒有結(jié)束类缤。在幾乎每一個(gè)病例中臼勉，Bordone都花大量時(shí)間探索發(fā)病原因。為什么出現(xiàn)癥狀餐弱？是壓力嗎宴霸？新洗發(fā)水引起？有人改變了游泳池里的氯氣嗎膏蚓？為什么是現(xiàn)在發(fā)财靶弧？

我忽然意識(shí)到驮瞧，臨床實(shí)踐最強(qiáng)大的地方氓扛，不是“知道是什么”或者“知道怎么樣”，既不是掌握疾病事實(shí)论笔，也不是感知病情如何形成采郎。而是第三個(gè)知識(shí)領(lǐng)域：知道為什么千所。

—7—

解釋可淺可深。手指上出現(xiàn)紅色的水泡蒜埋，是因?yàn)槟忝艘粔K熱鐵真慢。手指上出現(xiàn)紅色水泡，是因?yàn)闋C傷激發(fā)了前列腺素和細(xì)胞因子的炎癥級聯(lián)反應(yīng)理茎，一種我們至今仍未完全理解的調(diào)控過程。知道為什么——問為什么管嬉，是我們獲得解釋的途徑皂林，解釋越來越多，就會(huì)推動(dòng)醫(yī)學(xué)進(jìn)步蚯撩。Hinton曾提到棒球運(yùn)動(dòng)員和物理學(xué)家的比喻础倍。無論診斷醫(yī)生是機(jī)器還是人類，他們都像是那個(gè)熟練但難懂的棒球運(yùn)動(dòng)員胎挎。醫(yī)學(xué)研究人員則像那個(gè)物理學(xué)家沟启，一個(gè)是臨床領(lǐng)域的理論家，一個(gè)是棒球場的理論家犹菇，兩者同樣渴望知道“為什么”德迹。這樣的職責(zé)分工很簡便，但會(huì)不會(huì)帶來損失揭芍？

“深度學(xué)習(xí)系統(tǒng)不具有任何解釋力”胳搞，Hinton坦率地說。黑箱子不能調(diào)查原因称杨。事實(shí)上肌毅，“深度學(xué)習(xí)系統(tǒng)越強(qiáng)大，越是不透明姑原。隨著更多的特征被提取悬而，診斷變得越來越準(zhǔn)確。為什么這些特征會(huì)從數(shù)百萬個(gè)其他特征中選出來锭汛，仍是未解之謎笨奠。”算法可以解決問題唤殴，但不能建立問題艰躺。

然而，我發(fā)現(xiàn)腫瘤學(xué)領(lǐng)域的醫(yī)學(xué)進(jìn)步經(jīng)常是由熟練的執(zhí)業(yè)醫(yī)師眨八，同時(shí)也是充滿好奇和具有洞察力的研究人員推動(dòng)的腺兴。事實(shí)上，在過去的幾十年里廉侧，雄心勃勃的醫(yī)生一直努力扮演棒球運(yùn)動(dòng)員和物理學(xué)家的角色：他們通過癥狀去了解疾病的生理學(xué)原因页响。為什么皮膚病變的不對稱邊界預(yù)示著黑素瘤篓足？為什么一些黑素瘤會(huì)自發(fā)退化，有時(shí)會(huì)出現(xiàn)白色皮膚斑塊闰蚕？事實(shí)上栈拖，臨床醫(yī)生的觀察最終導(dǎo)致了當(dāng)今臨床上最有效的免疫藥物的發(fā)明。（皮膚變白原來是免疫反應(yīng)的結(jié)果没陡，這種反應(yīng)也可以治療黑素瘤涩哟。）發(fā)現(xiàn)鏈?zhǔn)加谠\所。如果越來越多的臨床實(shí)踐被降級為越來越不透明的學(xué)習(xí)機(jī)盼玄，如果隱性和顯性這兩種知識(shí)形式之間日常自發(fā)的親密聯(lián)系——知道是什么贴彼，知道怎么做，知道為什么——開始退化埃儿，我們會(huì)不會(huì)做得越來越嫻熟器仗，但卻越來越不能重新審視應(yīng)該做什么，不能在算法黑箱子之外思考童番？

我和哥倫比亞皮膚科主任David Bickers談過自動(dòng)化的未來精钮。他說，“我試著去讀懂Thrun的文章剃斧，我不明白背后的數(shù)學(xué)計(jì)算轨香，但我知道這樣的算法可能會(huì)改變皮膚科的實(shí)踐。皮膚科醫(yī)師會(huì)不會(huì)失去工作幼东？我不這么認(rèn)為弹沽，但我認(rèn)為必須努力地考慮如何將這些程序融入臨床實(shí)踐。我們?nèi)绾螢樗鼈兏犊罱畲郑繖C(jī)器作出錯(cuò)誤的預(yù)測時(shí)該如何界定法律責(zé)任策橘？依靠這樣的算法會(huì)不會(huì)減弱臨床醫(yī)生的操作能力或者形象？醫(yī)學(xué)領(lǐng)域最終會(huì)不會(huì)培養(yǎng)出技術(shù)人員而不是醫(yī)生娜亿？”

說到這丽已，他看了下時(shí)間，有病人在等著买决，他便起身離開了沛婴。“我畢生都在做診斷學(xué)家和科學(xué)家督赤。我知道病人有多依賴我從良性病變中分辨惡性病變的能力嘁灯。我也知道醫(yī)學(xué)知識(shí)來自診斷《闵啵”他提醒我說丑婿，“診斷”一詞來自希臘語，原意是“區(qū)分”。機(jī)器學(xué)習(xí)算法將來也只是在“區(qū)分”能力上更勝一籌——區(qū)分和辨識(shí)出痣與黑素瘤羹奉。但是秒旋，全方位認(rèn)知超越了以任務(wù)為中心的算法。在醫(yī)學(xué)領(lǐng)域诀拭，或許終極獎(jiǎng)賞還是要靠整體認(rèn)知迁筛。

本文作者Siddhartha Mukherjee（悉達(dá)多·穆克吉）是印度裔美國科學(xué)家，在牛津大學(xué)獲得致癌病毒研究的博士學(xué)位耕挨，他寫過三部作品细卧。《眾病之王》（The Emperor of All Maladies）獲得了 2011 年普利策文學(xué)獎(jiǎng)的殊榮筒占，也是 2010 年《紐約時(shí)報(bào)》十佳圖書贪庙。最新作品《The Gene: An Intimate History》（基因：親密的歷史）入選了2016年《紐約時(shí)報(bào)》和《衛(wèi)報(bào)》年度候選書單。

參考資料：A.I. VERSUS M.D.