近日，即将于8月底在央视综合频道晚间黄金时段首播的《机智过人》各个项目正在紧锣密鼓地录制之中。这款由中国科学院和中央电视台共同打造的人工智能（AI）“现象级节目”，据信已筛选二十多个可代表AI最高水准的项目，将在人工智能领域多个应用场景中通过电视荧幕上演史上最大规模的“人机大战”。

在这些项目的比拼中，AI的对手不仅有世界围棋冠军柯洁、全美职业篮球联赛巨星林书豪和羽毛球国手鲍春来，还有来自全国各地三甲医院的专业医生。

阅片机器人是如何炼成的

由中国科技大学、中科曙光、健培科技联手打造的“医学影像阅片机器人”（又名“医学影像机器人医生”，下简称“阅片机器人”）将在医疗影像诊断方面与有着多年阅片经验的影像科医生同台竞技。他们要比拼的项目是：找出在若干张CT光片中隐匿着的少量病人的CT片。

于大量CT片中找出病例，是影像科医生职业所长，而且经验越丰富眼光越老道。但是，冷冰冰的机器如何练就这项绝技？

“答案是优质医疗大数据+高性能计算环境+优化的深度学习方方法。”申报并参与该项目录制的中国科技大学计算机科学与技术学院计算机系统结构研究室主任安虹在接受《中国科学报》记者专访时说：“三者结合就能构建起不断进化的自主学习模型。”

大数据、计算力以及人工智能算法是AI近年来崛起的基石，医学影像阅片机器人的诞生也正基于此。曙光公司智能计算技术总监许涛向《中国科学报》记者透露，医疗影像大数据方面，“机器人医生”已经用一个月的时间恶补了一万多张高质量的人工标注的CT影像；在计算力方面，中科曙光专门为其量身打造了适用于AI的高性能计算机（HPC）设备；算法方面，有着多年超算应用大赛经验的中科大的安虹教授团队对用于影像识别的3D卷积神经网络算法进行了优化，可快速识别图片中病灶的位置。

“这些工作都是在阅片机器人上台之前的‘操练’，经过训练后阅片机器人就可以以一个模型的形态嵌入在任何的服务器甚至手机上。”许涛说，上台比拼的阅片机器人不再是复杂的HPC系统，而是“一个类似应用程序的东西”，这种形态使AI能够在社区、乡镇等医疗条件不高的地方给基层医生“顶级专家看病的本事”。

战胜人已不是问题，问题是……

与李世石、柯洁大战AlphaGo一样，与AI的过招实则是一名专业选手与一群专业选手之间的对抗。同样的，专业医生与阅片机器人的PK，结果不言而喻。

事实上，类似的医疗影像甄别“人机大战”的剧情已在国内上演。今年4月，首都医科大学附属北京友谊医院举办了以“甲状腺结节超声图像的性质判定”为主题的人机大战。当时代表AI出战的是由北京市计算中心“起宏图”人工智能研发团队研发的“视诊通—医学图像辅助诊断工具”。在那场比赛中，AI以73%的准确率胜过了94%的专业医生（获得第一名的人类医生的准确率为76%），并且在用时上远远甩出人类选手。

基于此，有理由相信有国家级科研院所、国内优质科技创新企业加持的阅片机器人能有同样惊艳的表现，与此同时，许涛和安虹在专访中也表达了希望有如此表现的AI能够尽快用到临床中去。

这也是临床医生的心声。安虹告诉记者，当前，医学影像数据占医院医疗大数据的85%~90%，影像科医生每天都要与数万张影像图片打交道。而且随着医学影像设备精度的提高，密度更大、像素更高的影像在带来更高诊断精确度的同时，也意味着医生更繁重的阅片工作量。不言而喻，能与顶尖医生处于同等水平的AI更适合承担这些工作量中“繁重”的那部分。

距离应用有多远

要使阅片机器人做到这一点，安虹认为，AI算法和计算力的“平民化”正为这一切打开通路。

“算法的平民化让AI得到普及，计算力的平民化将让AI应用变得普及。”安虹对记者说，说到高性能计算，“太湖之光”许多人用不起，但中科大与曙光一起搭建的定制化系统“谁都用得起”。通过软硬件系统的设计和优化，可以让AI应用的系统变得平民化。

许涛向记者介绍说，与通用HPC不同，曙光针对阅片机器人专门打造了适用于AI医疗影像识别应用的专用HPC。在人工智能专用HPC中，图像处理单元（GPU）不再只是“加速单元”这样的小角色，而是上升到主角地位，CPU反而只剩下“计算调度”这样的角色。“定制化会让HPC系统的能效比、性价比大增。”他还透露，曙光目前也在AI专用芯片方面布局，未来适用于AI计算的系统将进一步轻简化、专用化。

“现在的人工智能技术已经准备好，能让我们在医疗大数据领域做出一些真正有价值的应用来。做的人越多、产学研用各方合作得越好，就真的可以让这种技术落地，解决许多医疗难题。”参与此次节目申报和拍摄，安虹坦言深有感触，“发现很多事情可以做”。

比如，安徽省立医院一位肿瘤科医生就提出，希望AI机器人不仅可用于医疗影像识别，还可以用于更为棘手的病理分析方面。“医院需要立足病理分析决定医疗方案，但国内病理医生比影像科医生更稀缺，许多医院不得不跨医院、跨地区向更专业的医疗团队求助。”安虹对记者说。

技术上已准备好，但一些非技术因素还有待破解。比如要获得藏身于各大医院的高质量的权威医学影像数据，并不是一件易事；此外要让AI介入临床，还需要大量的临床数据证明AI辅助诊断的有效性；同时，AI介入医疗的相关政策监管、法律规范等还未见踪影。

“有政策性的问题在里面，这个事情是不是国家层面做更合适？”安虹反问道。同时她表示，参与这次节目的影响让她始料未及，不过她看到的是积极的一面：“（AI阅片机器人）会引发很多思考，包括研究层面、产学研结合层面甚至政策层面的问题。这会引起讨论，会有很多话题，有了这些话题，大家就会想着怎么去做。”