科技新视野
尽管人们对机器人（装载有人工智能的机器人）有多种定义，但都认同一个要素，让机器胜任一些通常需要人类智能才能完成的复杂工作。人类的许多活动，如演算数学题、猜谜语、讨论、编制计划和编写计算机程序，甚至驾驶汽车、骑自行车和诊治疾病等，都需要智能。如果机器能够执行这种任务，就可以认为机器已具有某种性质的人工智能。
利用机器人诊治疾病是人类一个雄心勃勃的计划，而且，这一计划已经有一些初步结果。2007年，美国国际商业机器公司（IBM）推出了人工智能软件——沃森医生（Watson）。当然，机器人的治病还包括手术，例如达芬奇手术机器人（属于弱人工智能机器人）已经在许多国家采用，迄今，仅由达芬奇机器人完成的手术就有20多万例。
以强人工智能的机器人诊治疾病来看，沃森医生是一个典型。沃森医生在诊治一般病人时，会进行一系列的算法，包括语法语义分析、对各个知识库进行搜索、提取备选答案、对备选答案证据搜寻、对证据强度计算和综合等。
沃森医生还通过询问病人的症状、病史，迅速给出诊断提示和治疗意见。通过这些程序进行诊断，沃森的诊断准确率达到73%。经过多年的改进，研究人员把沃森医生的突破口之一选择为对癌症的识别和诊断，现在初显成效。
最近，日本东京大学医学研究院让沃森医生为一名60岁的女性诊断疾病，沃森医生通过比对2000万份癌症研究论文，在10分钟得出了诊断结果：患者得了一种罕见白血病，从而推翻了此前诊断她为急性髓性白血病的结果。沃森医生同时提出了适当的治疗方案，为这名女性的康复做出了贡献。
沃森医生能有效诊断癌症是因它装备了一些医疗软件，例如专门检测肿瘤的软件，这就使其成为沃森基因组（相当于专门诊治肿瘤的专科医生），在对1000余名癌症患者进行的诊治对比分析中，发现在99％的病例中，沃森医生提出的治疗建议与肿瘤专家团提出的治疗建议相同，并且沃森基因组的诊治时间比人类快得多，前者在几分钟内做的事情，医生一般需要一个多星期才能做完。
沃森医生的成果提出了两个问题，一是机器人能否单独诊治疾病，二是机器人能否超越人类医生？现在看来，答案都是否定的，至少目前还不能。这不仅是因为沃森医生诊治疾病的正确性与肿瘤临床医生还有差距，也不仅在于沃森医生的诊治不具备稳定性（表现好时诊治结果特别好，表现差时则差强人意），还在于迄今人工智能应用于医疗领域，也像应用于其他领域一样，还处于探索的阶段。
医疗领域的人工智能探索与其他领域有共性，但还有一个最大的不同，人工智能面对的是人，是生命，稍有不慎就会损害人的健康，甚至对患者雪上加霜，危及生命。问题的本质还是，人工智能是否已经被人类调教到了真正具有人类的智能、智慧和能力，这后面的因素当然还是人工智能的算法和（深度）学习。
人工智能要达到准确地诊治癌症，首先需要有像人一样的感知，知道人的机体环境，什么是正常的机体，什么是异常的机体，甚至是癌变的机体，例如只有几个发生癌变细胞的器官，如乳腺或肺（就连这一点人类也有争论，是否要对只有几个癌细胞的组织器官进行治疗）。
此外，人工智能还要理解为何正常和异常机体有不同，是癌变引起的不同，还是其他疾病引起的不同。最后才是判断和决策，向医生提供对某个个体检测的结果，是患癌还是没有患癌，抑或是患了其他疾病，以及如何治疗。
要让人工智能感知和理解人体环境和器官，就要让其学习，包括利用大数据的机器学习（算法）和深度学习，这两者有时是相互结合的，同时也是互相渗透的。大数据学习是人工智能的强项，可以达到比人类能力强几百倍几千倍的快速数据运算、分析和理解。而在癌症诊治的深度学习上，更需要人工智能进行特别的和专门的学习，如对通过物理和化学方式拍摄的人体各种部位，以及深浅度不同组织的图像要有正确的感知和理解，如对X光图像、磁共振成像和CT扫描图像的感知、解读，并得出结论，即诊断。
但是，人工智能的癌症诊治深度学习，并不仅限于对癌症和正常组织图像的解读，而是包括更多的内容，例如，对癌症标记物和特异分子的识别。
现在，沃森医生的机器学习（算法）已经比较可靠而胜过人类，根据算法沃森等人工智能可根据数据的输入、输出、赋值等运算对癌症进行诊断，如对上述白血病病人的诊断，就是通过大数据分析和计算获得的。但是，在对癌症诊治的特殊学习（深度学习或专业学习）上，还有待入门和提高。
例如，让人工智能学习和鉴别癌症分子标记，其中典型的是RAS/RAF通路的蛋白质相互作用。RAS基因在上世纪60年代被发现是致癌基因，存在于30%的癌症患者中。之后，人们又发现了Ras蛋白的直接效应因子Raf-1蛋白激酶。Raf-1激酶对细胞增殖、细胞分化、细胞凋亡和细胞周期停滞有重要作用，利用这些作用可以知道癌症的发生、发展，以及找到治疗癌症的药物和方法。当然，人工智能还要学习对人体组织各种图像的解读等。在这些方面，人工智能还刚刚起步。
作者是在中国北京的科学作者
