喬爾·杜德利（Joel Dudley）對未來醫療的形態充滿憧憬。作爲美國西奈山伊坎醫學研究所所長，他致力於數字健康和人工智能領域，曾通過大數據分析出阿爾茨海默病的可能病因是皰疹病毒。他還在西奈山醫學院創立了下一代醫療研究所，並於今年擔任西奈山衛生系統精準醫療執行副總裁。
在他的未來健康體系藍圖中，數字醫療佔據了相當大的板塊。在高度信息化的當代社會，數字醫療綜合了計算機技術、人工智能，不僅精準服務個人，還爲公共衛生管理創造了巨大利好。無疑，數字醫療將成爲未來醫療生態中不可或缺的一環。
在“2018騰訊WE大會”之前，我們有幸對話了杜德利教授，並和他一同探討數字醫療的現狀和前景。在聊到中國是否會引領數字醫療時，他認爲答案是肯定的，因爲中國的環境有利於數字醫療的創新。事實上，我們已經能在國內看到一些創新了，例如結合人工智能和醫學的“騰訊覓影” ，就在嘗試幫助醫生分擔觀察切片在內的一系列工作。
當然，數字醫療在未來不僅僅是一種醫療輔助手段。在杜德利的暢想中，數字醫療還包括新型的智能診所，它們將獨立於中心化的傳統醫院和診所，未來甚至可能出現在每家每戶中。
果殼：首先，我們想請教一個關於數字醫療的倫理問題。AI是數字醫療的重要組成部分，如果它在臨牀診斷中，爲病人開了錯誤的藥，那誰該承擔責任呢？
杜德利：好吧，這確實是個值得思考的問題。實際上，目前數字醫療中的AI不會直接面對患者。它只能提供建議，醫生對此有選擇的權力。如果開錯了藥，那麼AI就是橫在患者和醫生之間的障礙。因此，很難說誰該負責。而且並不是只有AI犯錯，醫學裏還有其他容易出錯的地方。比如，爲了預防乳腺癌的乳房造影術。臨牀推薦每次執行都要隔一段時間。然而，隨着時間的流逝，人們發現這種篩查太頻繁，而且花費也不少。同樣的例子還有前列腺癌篩查。所以這個問題的確很難回答。好在美國食品藥品監督管理局（FDA）已經開始制定一系列的法規解決這類問題。
我們對很多藥物的作用原理都不是很清楚。和AI一樣，藥物也處於一個黑箱中。但兩者的不同之處在於，藥物獲得新信息時並不會改變自己，而AI可以。所以一個想法是，算法開發者應該確保AI的內部運作不會改變太多，來防止這種情形發生。
果殼：您認爲如何降低數字醫療的成本呢？
杜德利：總的來說，數字醫療最好的一點就是其成本低於藥物。因爲它不必涉及化學物質的生產。而且，藥物需要考慮供應鏈帶來的成本，因此APP要比藥物更便宜。此外，我們缺乏臨牀證據表明數字醫療能起作用，而相關臨牀試驗的花費是很大的。所以，我們需要在這方面加大投資。不過一旦投資得到回報，數字醫療應該會比藥物便宜。
果殼：您覺得如何在發展中國家或地區建立數字醫療體系？
杜德利：某種意義上，在這些地區建立數字醫療體系更容易些。可以用短語“跨越”（leap-frogging）來解釋。舉個例子，中國的支付系統比美國好，原因恰恰是因爲中國曾經沒有支付系統。所以，中國需要跨越到新的支付系統——和過去幾十年發展起來的舊系統一樣完善，並拋開舊系統的負擔。一些歐洲國家的支付系統比美國還糟。比如德國，那裏只接受現金，抗拒任何數字支付手段。所以同樣的道理，如果一個地方沒有像樣的醫療設施，恰好給了數字醫療設施建立的契機。
果殼：如果未來某一天，數字醫療的成本變得極低，那它會取代人類醫生嗎？
杜德利：更有可能是輔助醫生。隨着越來越多的信息進入醫療保健領域，醫生們如何整合信息成爲難題。很長一段時間內，數字醫療都會是醫生的輔助工具，幫助他們接觸更多病人，並改善患者的就醫體驗。至少目前，美國的醫生們都忙着在電腦前錄入數據，和患者溝通的時間不多。在我看來，人類總還是喜歡溝通的。但這不意味着人們也喜歡和聊天機器人對話。當聊天機器人更先進時，它們可能會接管醫生的一些工作。
果殼：所以在未來數字醫療會成爲簡便的醫療助手？
杜德利：有可能，它會使醫療所需要的教育和經驗的積累越來越低。打個比方，在上世紀七十年代，你的電腦壞了，想修好它得讀個計算機科學或者電氣工程師的博士學位。但今天，隨便一家百思買電腦城或者電子產品店，甚至一些高中生都能修好。因爲他們有了強有力的工具。同樣的事或許也會發生在醫療領域，你可能不再需要內科醫生和護士了。
果殼：那數字醫療在今天取得了哪些突破性的進展呢？
杜德利：我想大概是心血管疾病領域。可穿戴設備之類的數碼工具能夠遠程監控心臟功能。例如，最新的Apple Watch就有ECG傳感器。假設蘋果有人試圖通過手錶獲得你的血壓數據，這是很難實現，因爲他們只能在手腕上做文章。不過，我依然認爲血壓和心臟病是數字醫療最容易取得成果的地方。×××領域也是，雖然在這方面有所進展更難一些。此外，別忘了精神健康領域。一些研究表明，有些APP確實能減少抑鬱等。對經濟狀況和個人福祉來說，精神疾病屬實是個沉重的負擔。
果殼：您認爲中國會在數字醫療領域成爲領先國家嗎？
杜德利：我覺得中國很有把握成爲領頭者。原因並不是有人所說的不注重隱私帶來的數據共享，而是中國的環境更適合某些創新。比如說，中國人比美國人更習慣體檢。在美國，人們只有生病纔去看醫生，因此錯失在發病前干預的機會。
果殼：在醫學研究領域，AI如何取代研究人員？
杜德利：在AI方面，有許多激動人心的進展，比如深度學習。不過這種神經網絡不是最近纔有的，我們能夠實現的神經網絡規模取決於加速算法的GPU等。而一些算法在強化學習方面取得了進步。再有就是生成對抗網絡，算法能模擬出以假亂真的圖片。這意味着，算法不僅能從現有的海量數據中學習，還能從這些數據中模擬未來的情況。
接着加上強化學習的部分。最早出現在大衆媒體上的強化學習，據我回憶應該是谷歌的一個算法——機器自學如何快速過關《超級馬里奧兄弟》。機器先讀取屏幕，然後隨機按下按鈕，如果馬里奧走對了，或者說遊戲得分上漲，機器學習就會得到正確操作的強化。而有的隨機操作沒有讓得分上升的話，神經網絡就會選擇別的方法。
不斷的嘗試，不斷的犯錯，算法能靠自己學會玩《超級馬里奧兄弟》。AlphaGo也是同樣的道理，只不過難度有所提升。可見強化學習的力量有多大。因爲它不需要人教它規則，自己就能學會怎麼做。在生物醫學研究領域，它同樣會發揮巨大作用。這是研究者們的巨大機會。
事實上，目前已經有一些美國的公司在做這些事了，比如斯坦福大學人工智能專家、在線教育平臺Coursera聯合創始人達芙妮·庫勒（Daphne Koller）創辦的公司。她致力於研究與高通量方法結合的機器人學，使AI能直接和機器人連接。
西奈山醫院的Lab100智能診所。圖片來源：Cactus
果殼：您對數字醫療的展望？
杜德利：我的興趣在於，我們如何打造全新的醫療保健體系，打造一個去中心化的體系。現在的醫療保健都還圍繞着醫院和診所。我們設計了一個電話亭原型機，能實現健康檢查功能，比如測量血壓什麼的。我認爲健身房、藥店甚至家中都能安裝這樣的智能診所。打造全新的醫療保健網絡，便是我的興趣所在。
鄭州不孕不育醫院×××:http://jbk.39.net/yiyuanzaixian/zztjyy/