張文宏、吳凡對話：不要迷信技術論，抗疫成功是因為抓住了時間窗口期 丨WAIC 2020

7月10-11日，2020世界人工智能健康云峰會召開。作為世界人工智能大會云端峰會的主題論壇之一，健康云峰會以“智聯(lián)世界·共享健康”為主題，由“1個開幕式+3場專題論壇+1場特色會議”構成，聚焦“AI+健康”“AI+公共衛(wèi)生”“AI+醫(yī)療服務”“AI+生物醫(yī)藥”“AI+醫(yī)療標準規(guī)范”等熱點話題。

在“AI+公共衛(wèi)生”分論壇上，復旦醫(yī)學院吳凡副院長、華山醫(yī)院張文宏教授，以“AI如何助力全球應對突發(fā)公共事件”為主題，展開了一場高峰對話。

關于AI在這次戰(zhàn)疫中的作用，張文宏表示：“應對傳染病的核心就是快，大數(shù)據(jù)最重要的作用就是給我們提供了可以操作的時間窗口，在疫情早期快速追蹤到密切接觸者和感染者。像很多國家疫情過了平臺期，每天新增十幾萬感染者，雖然大數(shù)據(jù)可以追蹤到，但具體做事的還是人。所以我認為技術雖然很有用，但僅僅是工具，將來可以對技術充分利用，但不能迷信技術論。”

吳凡也表示：未來，人工智能除了關注人口數(shù)量，還應該更關注行為，人流都去了哪里、干了什么、社會交往模式。以及怎么讓防控措施走在疫情前面，讓措施更加科學精準，這些靠的就是大數(shù)據(jù)、人工智能和專家的經(jīng)驗結合。

以下為張文宏、吳凡現(xiàn)場對話內(nèi)容，雷鋒網(wǎng)作了不改變原意的編輯及整理：

Q：非常榮幸跟兩位戰(zhàn)"疫"雙俠進行對話，北京這段時間來來回回出現(xiàn)了疫情波折。吳凡院長能不能從大數(shù)據(jù)角度分析，傳染病智能預警有什么成效？未來的抗疫有什么意義？

吳凡：已經(jīng)有很多的應用。舉個例子，醫(yī)院發(fā)現(xiàn)傳染病以后，診斷的都是單個病人。這些報告如果沒有大數(shù)據(jù)智能分析動態(tài)感知，A醫(yī)院報一個，B醫(yī)院報一個，很難發(fā)現(xiàn)其中關聯(lián)。

有了大數(shù)據(jù)之后，首先對于不同地方的散落病例，就可以發(fā)現(xiàn)關聯(lián)情況，第一時間動態(tài)感知爆發(fā)或者聚集感染的情況；

另外，通過大數(shù)據(jù)對病例進行深入發(fā)掘，分析病例發(fā)生時間、空間以及氣象、像2013年上海的禽流感，就發(fā)現(xiàn)和農(nóng)產(chǎn)品市場存在關系；

最后在醫(yī)院上報以后，還可以通過大數(shù)據(jù)進行深入分析，例如和哪些傳染病相關，甚至還可以模擬疫情的走勢，需要在哪些關鍵環(huán)節(jié)進行預警防控，未來還有很多應用，特別是人工智能，不斷給它數(shù)據(jù)就會變的越來越聰明，今后也就會收獲更好的效果。

Q：現(xiàn)在全球很多醫(yī)療機構和科研院校都在進行數(shù)據(jù)分析，利用普惠型的數(shù)據(jù)構建自己的模型，但是其中像哈佛大學醫(yī)學院的構建模型方法就受到了廣泛的質(zhì)疑，您認為在構建前瞻性預測模型中，應該怎樣把數(shù)據(jù)來源，數(shù)據(jù)變量跟最終結果的相關性和因果性建立聯(lián)系，從而保證構建的模型更科學、更接近于現(xiàn)實？

吳凡：特別強調(diào)的一點，并不是有了這些數(shù)據(jù)，機器都能夠解決問題，那還要人干什么。人和機器、大數(shù)據(jù)應該是變量的關系。

像新冠肺炎，英國帝國理工按照上海人口密度和人員流量，預測應該會發(fā)生80萬感染者。但實際本土病例只有341個人，這就呈現(xiàn)出幾何數(shù)量級的差異。那么，既然都是應用傳染病動力模型，為什么會有這么大的差異呢？

Q：原因是什么？

吳凡：主要就是因為人，傳染病在不同地區(qū)出現(xiàn)不同的流行態(tài)勢，不同的參數(shù)，主要就是人的供給不同。

例如在上海，因為同樣這么多人，在美國的兩千萬人分布會非常遠，而上海兩千五百萬人的接觸就非常密集，人和人的接觸不僅要利用傳染病動力模型預測，還要再加上神經(jīng)網(wǎng)絡模型。

而且人工行為模型往往和傳播動力存在很大差異，對于不同情況和模式的界定，以及參數(shù)的給定和設置都需要經(jīng)驗，要不然要專家干什么，之后在科學經(jīng)驗的基礎上輸出的參考值才是準確的。

那么國內(nèi)的預測是什么情況呢？

1月10號，我參加的北京預防醫(yī)學會的醫(yī)學專家就有一個專門的模型預測組，當時我們預測2月底，全國感染者可能會接近七萬九千多，而實際2月29號，全國的感染數(shù)量是八萬多一點，已經(jīng)非常準了。

這個模型預測結果的準確性，對于后續(xù)物資準備、方案制定都有重要的作用，因為具體實施的政策要既不反應過度，還要反應恰當，過度也是對資源的浪費。

此外，因為各個地區(qū)的狀態(tài)存在比較大的差別，我們按照地區(qū)分成了三個預測模型，首先針對武漢的流行爆發(fā)態(tài)勢設計了第一種模型；武漢以外的湖北境外設計了第二種模型，中國除湖北以外的其他省份又準備了第三種模型。

在分成三種模型以后，就可以很容易知道哪些地方，今后可能是流行病重點地區(qū)，哪些地方缺醫(yī)少藥，需要更多醫(yī)療資源準備，哪些地方在應對新冠上存在優(yōu)勢。這些都對國內(nèi)的戰(zhàn)疫效果起到了關鍵的作用。

Q：您講到大數(shù)據(jù)、人工智能對于抗疫過程中都起到了很好的醫(yī)學支撐作用。那么像之前的武漢、和這次北京突然發(fā)生的情況，對于那些確診患者的溯源，大數(shù)據(jù)技術具體是怎樣實現(xiàn)的？

吳凡：關于疫情溯源，我們本身就有一個實踐案例。上海市科委在疫情發(fā)生后專門成立了流行病學研究課題。具體利用來自復旦大學公共衛(wèi)生學院、上海市公共衛(wèi)生中心和華山醫(yī)院的確診數(shù)據(jù)和復旦大學大數(shù)據(jù)研究院的AI算法，構建了一個溯源模型。

發(fā)現(xiàn)確診病例之后，最重要的就是馬上找到病人從哪里來，在14天之內(nèi)和哪些人有過接觸，之后要把密接者管理起來，這樣如果密接者真的被感染，密接者就沒有密接者了。可以在人群和感染者之間豎起一道防護墻和安全帶，整個過程需要非常快的速度，否則疫情就會蔓延。

但這個過程并不容易，許多情況下并不是因為密接者的撒謊，而是許多密切接觸者并不知道自己和感染者有過密切接觸，例如在超市，公共車上等場所，大家存在比較多的接觸，但彼此并不認識，也不知道彼此是否被感染。

我們在應用溯源大數(shù)據(jù)方法之后，則可以快速把這部分人界定出來，對他進行及時管理。現(xiàn)在這個方法已經(jīng)在上海市防控中得到應用。

3月18號，在和美國公共衛(wèi)生學院院長的溝通中，他們就覺得，將近三千萬人口的大城市才三百多例。背后除了醫(yī)務人員的奉獻，更重要的是科技支撐。

Q：您剛剛講到，同一種動力模型，不同的人運用就會得到不一樣的結果，背后存在經(jīng)濟結構、社會結構、人口結構等不同依據(jù)，尤其是流行病學當中的流動狀態(tài)。那么人工智能和大數(shù)據(jù)技術，對于后疫情時代的人口科學合理流動有什么作用呢？

吳凡：目前這個技術已經(jīng)開始使用。例如說武漢的防控，從現(xiàn)實數(shù)據(jù)的角度來看，在武漢2月3號封城前，就出去五百多萬人，這些人很可能攜帶了病毒。

但我們把這些武漢流動出的人口，和流入當?shù)氐膱蟾娲_診情況比對中，經(jīng)常會發(fā)現(xiàn)一些流動大的地方，沒有報告出很多的感染者。

這并不是模型預測的不準確，而是因為報告的確診數(shù)字和當?shù)氐脑\斷、排查策略存在巨大的關系。

那些沒有達到、和預測不匹配的地方，一定是當?shù)卦\斷能力、政策落實出現(xiàn)了問題。這時候國家成立的督導組，就可以依照這個數(shù)據(jù)對癥下藥，保證各省的疫情狀況都可以及時干預。

當然這是過去的案例，在未來的角度，我們認為人工智能的應用角度，除了關注人口數(shù)量，還應該更關注行為，人流都去了哪里、干了什么、社會交往模式是什么樣。還有上海前段時間的復工、復產(chǎn)之后疫情趨勢預測。怎么讓防控措施走在疫情的前面，怎樣讓措施可以科學精準，我覺得這些靠的就是大數(shù)據(jù)、人工智能和專家的經(jīng)驗結合。

Q：科學的精神就是智能精神。張文宏教授，您是否質(zhì)疑吳凡院長的觀點？

張文宏：我不質(zhì)疑，但并不因為她是我的領導，因為領導在觀點上是可以討論的。

我認為，她今天已經(jīng)把AI，以及大數(shù)據(jù)的精髓都講到了，這些措施正是下一步流行病學防控的核心。雖然核心有了，技術有了，但是能不能實現(xiàn)還要打個問號。

像現(xiàn)在，同樣的技術能力、面對同樣的情況，但是在各個國家就會出現(xiàn)很大的差別。背后的原因什么？因為傳染病的傳播是指數(shù)級的上升，一旦過了平臺期，通過人力就已經(jīng)無法追蹤了。

就像吳院長說的，應對傳染病的核心就是快，大數(shù)據(jù)使用最明顯的案例就是北京最近的這次疫情，在早期使用大數(shù)據(jù)進行防控，效果大家也已經(jīng)看到了。

但反過來，如果速度慢了，指數(shù)值一上去，超過平臺期，像現(xiàn)在很多國家每天新增十幾萬感染者的情況，雖然大數(shù)據(jù)可以追蹤到這些人，但具體做事的還是人，依靠人力已經(jīng)無法完成這個事。

所以，精髓就是早期使用大數(shù)據(jù)，給我們提供了可以操作的一個時間窗口。這次上海、中國抗疫成功的關鍵就是應用了很多科技，這些科技最核心的作用，就是幫我們把握住了這個時間窗口期。

所以我認為技術很有用，但僅僅是工具，將來在技術應用中可以充分利用，但是不能迷信技術。

Q：張文宏教授可不可以介紹在臨床一線中，人工智能等技術還有怎樣的應用？

張文宏：大數(shù)據(jù)臨床應用目前還有很多障礙，并不像流行病學領域那樣應用那么多，主要的問題并非技術本身，而是數(shù)據(jù)啟動權限問題。

Q：大數(shù)據(jù)的產(chǎn)權不歸你。

張文宏：就是這個原因，而且大數(shù)據(jù)應用的情況，每個國家之間還有很大的差別。從流行病學角度，當然是希望拿到更多數(shù)據(jù)，比如現(xiàn)在的影像AI。對于片子，AI一下就能分辨出來哪個是流感，哪個是新冠，但這是依靠大量數(shù)據(jù)訓練出來的。

像這樣的大數(shù)據(jù)應用已經(jīng)做到非常棒的效果了，但如果啃一口西瓜就停下來了就很糟糕，像這次的新冠肺炎，影像表現(xiàn)和以前完全不一樣，所以未來一定需要新的大數(shù)據(jù)應用。

Q：這個過程，您擔心自己會被替代掉么

張文宏：在中國從來不擔心，因為中國的醫(yī)生要做的事情太多了，我們反倒覺得像歐美才有這樣的擔心。因為大數(shù)據(jù)里面很多idea開始都是在歐美產(chǎn)生，但最后反倒中國應用的更快，他們反倒成為大數(shù)據(jù)、人工智能的用戶。

吳凡：AI輔助診斷的方法，現(xiàn)在確實在應用，而且我覺得對于貧困地區(qū)缺醫(yī)少藥的特點，大數(shù)據(jù)的方法的診斷速度會更快。

張文宏：水平甚至比85%的醫(yī)生要高。

Q：靠譜的醫(yī)生和普通醫(yī)生區(qū)別在哪里？

張文宏：靠譜醫(yī)生在大數(shù)據(jù)出現(xiàn)意外情況之后，還可以依靠自己的經(jīng)驗判斷，而且可以依靠自己邏輯不斷產(chǎn)生新數(shù)據(jù)，人工智能雖然可以不斷學習，在每個階段都能做出新的判斷，但醫(yī)療不是圍棋，人工智能在這里面不能產(chǎn)生新的數(shù)據(jù)，還要依靠人。

吳凡：背后主要是因為圍棋是一種算法，可以迅速計算出來下一步的可能性。但臨床并不是這樣，發(fā)展變化非常迅速，有時候診斷并不是依靠某種算法，需要依靠經(jīng)驗。

張文宏：比如像病人的問診，我在臨床上不太主張用大數(shù)據(jù)進行替代，因為這是人與人之間的交互過程，我寧可把機會給護士或者是年輕人。

Q：這是為了保就業(yè)嗎？

張文宏：難道說AI的作用就是取代掉問診，現(xiàn)在從北京到上海可以拿到所有的病例數(shù)據(jù)，那么人就可以被AI取代掉嗎？

我認為現(xiàn)在大數(shù)據(jù)的發(fā)現(xiàn)存在兩個錯誤的觀念：

首先，AI并不是取代人的，這樣做是沒有意義的，未來人肯定不是什么都交給機器做。所以我個人認為大數(shù)據(jù)將來的發(fā)展，一定使我們更加精準的，在某些方面進行賦能，而不是取代我們，取代毫無意義。

馬克思說過，人到共產(chǎn)社會，勞動會成為人的需要，大數(shù)據(jù)的發(fā)展難道是剝奪一種需要？我覺得大數(shù)據(jù)的方向就是為我們做增量，但很多時候都歪掉了。

其次，發(fā)展趨勢追逐利潤，追逐利潤是錯的，大數(shù)據(jù)的發(fā)展必須跟人類長遠發(fā)展方向保持一致，才是盈利的目標，而為了成本，一步步利用大數(shù)據(jù)把人取代掉，全是錯的，大數(shù)據(jù)的發(fā)展一定要跟人類使命，命運共同體保持一致，如果不一致或者只追逐利潤，我個人覺得一定會失敗。

Q：如果不追逐利潤資本不進入了。

張文宏：沒有一樣東西的發(fā)展最終沒有錢賺的，我也絕不相信，哪種人類的必須品，沒有經(jīng)濟投入就永遠沒有盈利的可能。未來，只要是人類終極發(fā)展所必須的就一定會盈利，否則就說明這個東西根本不靠譜。

吳凡：在這個方向上我也是同意張教授，我覺得大數(shù)據(jù)的發(fā)展方向跟人類終極命運的捆綁一定是一致的。為人類做貢獻是必須方向，最后的有收益也是必須方向。

但我也有一點補充，我覺得機器不是取代人，人類要努力的方向還有很多，機器可以去做那些人類大腦不可觸及的地方。

因為人的大腦，因為教育背景、知識背景、知識體系、經(jīng)驗存在很多邊界，而且生命也是有限的。但是機器可以把我前面人類的智慧疊加在一起，這是人腦所不可及的。給機器提供數(shù)據(jù)的也不是一個醫(yī)生，而是很多很多醫(yī)生的經(jīng)驗、智慧集合在一起。

這就會出現(xiàn)一種可能性，人解決不了的問題，機器可以依靠這些疊加的智慧和很多無限的潛力，幫人類去完善。所以我覺得未來不是機器取代人，也不是人利用機器，而是人和機器完美結合，大數(shù)據(jù)、人工智能和人完美結合。

例如，鄉(xiāng)村醫(yī)生知識不夠的情況，就可以用機器取代人，可以將常見病、多發(fā)病的解決問題交由機器來完成，而人來解決疑難雜癥、并發(fā)癥的問題。但是最后的簽字確認還是由人來完成，因為需要人對機器診斷的結果進行肯定，否知出現(xiàn)診斷問題、機器出錯誰來負責，誰來解決差錯后的糾紛和法律問題層面。

Q：在剛才的討論中，我們對人類的未來還是充滿敬畏之心的，認為人的認識和知識還是不斷發(fā)展的過程，那么未來面對諸如新冠肺炎這樣，新的疾病，會出現(xiàn)哪些新的科技來解決？

張文宏：人工智能最終方向是服務人類。我在想未來人類的發(fā)展是無限的，但因為科技的爆發(fā)過快，特別人工智能這種后時代的科技，我覺得以后的新一次革命發(fā)展會走到哪里，我真的很難想象。但是將來科技的發(fā)展一定是對人類存在敬畏之心，我認為你指出了人類的發(fā)展方向。

吳凡：我覺得人工智能的未來發(fā)展有幾個方面需要注意：

首先，發(fā)展方向的把握，為人類貢獻的同時，要保證不會傷及人類的利益，這些利益就包括個人的隱私，發(fā)展過程中是否在不斷侵犯人類的隱私。

其次像國外開展的癌癥基因測序，在給每個人評估未來的風險之后，那些高風險的人群在投保過程中一定會帶來保險歧視，但是他們也無法改變自己的基因。

最后，指揮權的問題，未來是人控制機器，還是機器過于聰明超過人類，這也是全世界所關注的。我相信未來會有更多人工智能、大數(shù)據(jù)的技術服務人類，但是一定要警覺，需要進行有邊界的意識控制。

Q：有邊界的限制非常重要，最后希望張教授給大家講一下，后疫情時代個人應該需要采取怎樣的防護措施？

張文宏：總書記說過抗疫是人類的命運共同體，疫情沒有徹底消失之前，對于國內(nèi)偶發(fā)的疫情趨勢，一定要保持平常的心態(tài)去對待。

在這個過程中，快速啟動應對措施，精準實施防控措施會非常重要。任何一個城市出現(xiàn)疫情，無論是單發(fā)還是小規(guī)模爆發(fā)，越早精準防控，越快實施動作，對全國的影響也就越小。

未來，在疫苗出來之前，還要做好個人防護，防護越好受疫情波及就越小，整個社會就可以發(fā)展越好。此外在防控的同時還要保護經(jīng)濟。例如今天智能大會，所有都通過網(wǎng)絡，這么大的展覽中心，卻沒有聽眾。很難想象對經(jīng)濟的影響會有多大。

所以要一手抓疫情，一手抓經(jīng)濟，否則，經(jīng)濟衰退死亡人數(shù)一定會超過新冠肺炎。雷鋒網(wǎng)雷鋒網(wǎng)

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權禁止轉載。詳情見轉載須知。