11月17日，第三屆世界互聯(lián)網(wǎng)大會在烏鎮(zhèn)繼續(xù)舉行，百度創(chuàng)始人、董事長、CEO李彥宏在分論壇環(huán)節(jié)發(fā)表演講，就人工智能時代的醫(yī)療行業(yè)會有什么新的發(fā)展趨勢進(jìn)行了介紹。

　　李彥宏認(rèn)為，互聯(lián)網(wǎng)+醫(yī)療可以分為四個層次：O2O、智能問診、基因分析和精準(zhǔn)醫(yī)療、新藥研發(fā)。

　　百度李彥宏烏鎮(zhèn)談互聯(lián)網(wǎng)+醫(yī)療：用大數(shù)據(jù)和人工智能改善醫(yī)療

　　以下為演講實錄：

　　大家早上好，我在昨天的大會發(fā)言中說在人工智能時代我們需要重新想象每個行業(yè)，今天我就試著站在互聯(lián)網(wǎng)的角度重新想象一下醫(yī)療行業(yè)。

　　今天的嘉賓主要來自兩個領(lǐng)域，一個是互聯(lián)網(wǎng)領(lǐng)域，一個是醫(yī)療健康領(lǐng)域。就像我在公司里經(jīng)常講的，兩個不同領(lǐng)域的人，需要像修橋一樣，從各自的一端往中間去修，如果大家目標(biāo)一致的話，中間對上，這個橋就通了，如果是大家想象的不一樣，修到中間對不上，那就失敗了，所以我們盡量讓兩邊各自往對方的那一邊去靠。我們先從百度人工智能的角度來看一看，我們已經(jīng)具備了哪些能力，然后再看看這些能力在醫(yī)療健康行業(yè)應(yīng)該怎么樣去應(yīng)用。人工智能在百度的體現(xiàn)主要是通過百度大腦，百度大腦的主要功能有四項，一個是語音、語音的識別，今天的語音識別已經(jīng)達(dá)到了97%的準(zhǔn)確率，也就是說在安靜環(huán)境下它已經(jīng)超越了正常人的聽力水平;圖像識別其實在醫(yī)療領(lǐng)域的應(yīng)用大家也都很清楚，就像剛剛李斌主任講過的醫(yī)學(xué)影像，一個醫(yī)生一生當(dāng)中只能看幾萬個片子，但對于電腦來說，看幾十萬幾百萬的片子可能都算是很小的數(shù)據(jù);用戶的畫像、自然語言的理解其實在智能問診這些領(lǐng)域都可以有非常多的應(yīng)用。對于醫(yī)療行業(yè)來說，我們有一個對應(yīng)的叫百度醫(yī)療大腦來提供相關(guān)的解決方案。

　　在我看來，或者從互聯(lián)網(wǎng)角度來看，互聯(lián)網(wǎng)+醫(yī)療基本上可以分為四個層次。我們認(rèn)為，第一個層次是O2O的服務(wù)，怎樣通過線上把用戶引流到線下，并分發(fā)到那些適合處理用戶疾病的地方去。第二個是智能問診，剛才詹啟敏院士也提過，像是IBM Watson對于癌癥的診療，計算機(jī)可能在很多時候也能夠超越人類醫(yī)生。百度在百度醫(yī)生方面也做了一些嘗試。第三個層次我們覺得是基因分析和精準(zhǔn)醫(yī)療，這方面待會我也會詳細(xì)地講。第四個層次我覺得是新藥研發(fā)，這方面現(xiàn)在在國內(nèi)的關(guān)注度不是很夠，但我覺得這是大數(shù)據(jù)和人工智能真正能夠起到?jīng)Q定性作用的一個領(lǐng)域。

　　首先，我們看這個O2O服務(wù)，百度的百度醫(yī)生現(xiàn)在已經(jīng)有50萬的醫(yī)生參與咨詢，累計有800萬人通過百度醫(yī)生平臺來獲得相關(guān)的醫(yī)療服務(wù)。

　　第二個層次是智能問診，我剛才講到的是的Watson的這個例子，百度醫(yī)生我們最近推出的智能問診也做了一些測試，比如說，在北大國際醫(yī)院做過一個測試，在80%的情況下，百度醫(yī)生的診斷和北大國際醫(yī)院的醫(yī)生診斷是一致的，也就是說它的準(zhǔn)確度有了非常快的提升。而且它可能在一些比較罕見的情況下表現(xiàn)更好，比如說同樣的癥狀，有99.99%是某個疾病，但是可能有萬分之一，甚至十萬分之一的概率是另外一種罕見病，在這種情況下，作為一個電腦，它可以輔助醫(yī)生做一些相應(yīng)的判斷。這些技術(shù)不僅僅需要對大量的醫(yī)療知識進(jìn)行機(jī)器學(xué)習(xí)，也需要對病人表述的理解能力不斷地提升，實際上這就是自然語言理解的方向。

　　第三個層次是基因分析和精準(zhǔn)醫(yī)療，其實這是這些年做計算機(jī)科學(xué)最覺得興奮的方向。因為在IT領(lǐng)域我們講摩爾定律，在IT領(lǐng)域以外唯一符合摩爾定律的就是基因測序的成本，所以我們覺得這方面很有可能會不斷地出現(xiàn)一些革命性的東西。目前看，用基因來進(jìn)行治病，最大的一個問題是大多數(shù)已知的基因?qū)е碌募膊《际菃位驅(qū)е碌模@些病又大多是罕見病，而大多常見病我們猜測是多基因?qū)е碌摹６鄠€基因的共同作用導(dǎo)致的，所以怎樣能夠搞清楚一個病它是由哪些基因共同作用導(dǎo)致的，其實需要大量的計算。詹啟敏教授在協(xié)和時我們跟他有一個合作的項目，就是對中國的食管癌病人進(jìn)行基因測序，試圖找到是哪些基因的共同作用能夠?qū)е掳┌Y的發(fā)生，一旦我們搞清楚這些，未來像基因編輯等這些治療方法就可以用在更多常見病上，目前基因編輯應(yīng)用的一些都是罕見病，比如美國spark TherapeuTIcs它能對一種導(dǎo)致人視力下降、失明的病毒造成的罕見病進(jìn)行治療，但是這些病都太罕見了。大多數(shù)的病我們需要搞清楚是需要哪些基因共同導(dǎo)致的，而這里就需要大量的計算。在我跟醫(yī)療行業(yè)的人進(jìn)行交流的時候，在我們看來很深奧的醫(yī)學(xué)知識，在他們看來其實很簡單，反之亦然，在我們看來很簡單的計算，在他們看來這就是大數(shù)據(jù)、人工智能，有點難，所以我們很希望真正把幾十萬臺服務(wù)器的計算能力、深度學(xué)習(xí)的最先進(jìn)的算法能夠應(yīng)用到醫(yī)療和健康領(lǐng)域。

　　第四個層次是新藥研發(fā)，今天已知的有可能能夠形成藥的小分子化合物大概是10的33次方這么多，這大概就是全宇宙所有的原子加起來都沒有這么多。這樣的一個量，怎樣用它的分子式跟產(chǎn)生疾病的蛋白去合在一起，用來治病?未知的那些分子式怎樣進(jìn)行大量的篩選，找到有效的新藥?這也需要極其強大的計算能力和最先進(jìn)的算法，這方面美國的有些創(chuàng)業(yè)公司，比如atomwise已經(jīng)在做這個事情，我們也是覺得計算機(jī)科學(xué)、人工智能能夠在這方面有所幫助。

　　正如我在開頭講的，很希望兩方面的人共同努力，我們用我們大數(shù)據(jù)的能力、用自己無窮無盡的計算能力，而醫(yī)療健康領(lǐng)域希望能夠收集越來越多的數(shù)據(jù)、提出至少是計算領(lǐng)域越來越難的問題，我們共同造福數(shù)億患者。

　　謝謝大家!