谷歌醫療AI的LilyPeng：吳恩達的醫生「失業論」不妥
谷歌醫療AI的LilyPeng：吳恩達的醫生「失業論」不妥
來自專欄量子位
11 人贊了文章
李根 發自 凹非寺
量子位 報道 | 公眾號 QbitAI
吳恩達(Andrew Ng)，深度學習領域的大牛，中國人民熟悉的AI科學家，廣受稱讚的機器學習課程「孔夫子」。
但唯獨在醫療AI的言論上，備受批評，遭到醫生、學界同行diss。
這不，連始終奮戰在醫療AI一線的LilyPeng也表態了，覺得吳老師的觀點和言論確實不妥。
在採訪中，LilyPeng強調最多的就是：初期、協作和升級。
△ Google AI產品經理LilyPeng
LilyPeng其人
LilyPeng，Google醫療AI的產品經理，同時是一名非執業醫師，碩士畢業於斯坦福化學工程，2013年加入Google後，主要工作就是將深度學習及其它 Google 的技術應用於醫療影像(如視網膜成像)領域，從而提升醫療影像的可獲取性、準確性、 以及臨牀應用。
在Google，之前通過視網膜眼底病變圖像檢測糖尿病、篩查肺結節，以及AI檢測心血管、心臟病等工作均出自LilyPeng團隊。
毫不誇張地說，在Google AI應用於醫療的進程中，LilyPeng就是最瞭解一線炮火情況的人。
但她不同意吳恩達的觀點，認為他太偏激了。
AI加持，醫生換刀
吳恩達觀點很直接，AI變革，醫生失業，特別是放射影像科的醫生，得趕緊準備起來了。
其實神經網路之父Jeffrey Hinton也有類似觀點，但吳恩達說得更多，在社交網路上也更活躍。
於是纔有了之前被羣懟的一幕。【加超鏈】
但LilyPeng之所以不認同吳恩達，並不是出於AI技術現狀本身，她率隊打磨的視網膜圖像篩查糖尿病，準確率確實超過了人類醫生水平。
她更想強調的是AI與醫生的關係。
LilyPeng說，技術會帶來醫生工具的變革，會帶來工作內容的變化，但並不代表職能也便取代。
她以會計工作舉例，說並沒有因為電子表格出現，會計師就消失了。類似的工作職能依然需要完成，只是具體的工具和工作內容發生了變化。
當然，LilyPeng更想強調的是，醫療AI，目前仍然處於非常早期。
醫療AI短期別高估
LilyPeng說，如今對醫療領域應用AI，領域和演算法起作用的範圍都比較窄，對此要有正確的傳播和認知，否則很容易造成公眾太高預期，忽略演算法存在的「侷限性」。
她認可IBM Watson在進行的嘗試，覺得有問題暴露是正常的，核心原因還是醫療AI仍然處於很早期。
如何讓公眾也有這樣的認知？
LilyPeng的觀點是：多多公開研究進展，論文發表成果。
這樣能讓更多專家反饋觀點。比如醫療AI方面，不僅需要計算機領域的專家，也需要更多一線醫生，這樣才能最大程度展示「有限性」，同時也可以推進研究。
此外，LilyPeng分享了Google在醫療AI研究中重點關注三大層面技術效果。
Google醫療AI技術關注點
第一是可解釋性。LilyPeng認為比起其他AI方向研究，醫療AI中起作用的每一步都要可解釋，既知其然也知其所以然。
在具體研究中，他們有熱力圖、限定區域和是否可複製等方法。
其次是Ground Truth，尤其是預測領域。比如用AI預測心臟病，專業醫生的意見反饋，以及病例對比篩查，都是目前她們最常用的方法。
第三是泛化能力，可遷移使用的能力。一方面是空間可遷移，比如美國人羣適用，到印度泰國是否也能用？另一方面，對糖尿病有用，那對心臟病是否也同樣可以試一試？
以上三點，也是Google醫療AI推進的內在規律。
在開展相關工作以來，LilyPeng團隊先是把AI視覺用在了糖尿病檢測，後來又展開了心臟病等方面的預測。
她的解釋是這二者有並發相關，也能更好檢測技術泛化能力。
LilyPeng說，在糖尿病研究中，她們進一步發現其併發症也可以進一步研究，於是自然推進到了心臟病預測方面，而且心臟病預測的重要性和緊迫性，自然也是不言自明的。
數據？都很缺
我們也問LilyPeng，醫療數據集是否是她們展開某些領域研究的最大限制。
她不否認，但不認為數據會讓她們「束手無策」。
LilyPeng說，數據有時會是限制，數據越大越豐富，當然AI研究會好做很多，但這是所有AI研究面臨的共同挑戰，而非單單醫療。
而且正是因為醫療AI研究屬於初期，所以對大規模數據集迫切程度也相應有限，這也促使她們在展開更多小數據學習的能力，研究遷移學習的方法，盡一切新手段嘗試解決數據方面的困難。
醫生很忙，AI產品要低學習成本
最後，我們也問LilyPeng，如何看待醫療AI產品需要的學習成本。
醫患供需不平衡，在中國這樣的國家尤為明顯。之前就有協和醫院的醫生說，現在醫療AI的產品不少，但學習的門檻不低，太佔用他們的時間了——患者是等不及的。
LilyPeng回答，這是全世界醫生關心的問題，可能對於中國這樣的人口大國更甚。
這樣的挑戰顯而易見，但也並非沒有解決方案。
比如在醫院裡，通過「先鋒小組」之類的小範圍試點，讓一部分醫生先用起來，一方面提供產品反饋，另一方面也是起到試點學習的價值。
總之，需要認識到醫療AI還是一件很早期的事情，心懷敬畏，這樣就更能謹慎剋制。
你認同LilyPeng的說法嗎？
— 完 —
歡迎大家關注我們的專欄：量子位 - 知乎專欄誠摯招聘量子位正在招募編輯/記者，工作地點在北京中關村。期待有才氣、有熱情的同學加入我們！相關細節，請在量子位公眾號(QbitAI)對話界面，回復「招聘」兩個字。量子位 QbitAI· 頭條號簽約作者?? ? 追蹤AI技術和產品新動態推薦閱讀：
