AI医疗火了，最先挂掉的竟然是中医？

最先开始应用AI的西医最先被取代吗？

2017年医疗大数据与人工智能报告显示，目前国内80余家走AI+医疗道路的，主要将其应用于医学影像、病历/文献分析和虚拟助手等场景。国外100余家AI医疗企业，将AI应用于健康管理、医学影像、新药发现、病历/文献分析等场景。虽然IBM的Watson近期爆出负面新闻，但AI+医疗在越来越快地发展。

上述企业所攻领域重合的部分，包括医学影像、病历/文献分析。谈及医学影像，就不得不提及伦琴射线（X光）、以及超声成像和核磁共振成像，它们都是西医赖以判断病症的检测手段。2017年初，斯坦福大学的研究人员开发出能够深度学习的软件，对皮肤病变相关图像识别的准确率便首次赶上医生。在病历/文献分析方面，2016年IBM的Watson在10分钟内通过检索比对2000万份癌症研究论文，确诊患者患有罕见白血病。那么，最先应用AI的西医也是最先被取代的吗？

现代医学的本质是循证医学。举个夸张的例子，煮饺子时中国会按照厨师的经验选择放水开火。西餐则会量化，使用到量筒、称等带精度的仪器。每个流程都是标准化的，可复制的。为了确认某种方式可信，会增加大量双盲实验。（通常医学上，划分两组实验对象，一组给予安慰剂，一组给予药物，研究者和被实验者无法知晓自己所属类别，直到实验完成以确保实验结果准确性。）通过大样本双盲分子生物学或者临床实验，出现的统计学差异，便是循证中的证。

除了时间、地缘上的优势，AI率先与西医结合，理论上也与西医循证医学有关：针对相同病症，给出相同治疗方案。实证与量化分析，结合西医将人体视为机器零件式的治疗方式，A检测结果导向甲病症，B的检测结果导向乙病症。人工智能可通过数据比对确认病症并用药。问题在于要检测病人所患病症，可能需要穷举所有病症，因此，类似IBM的Waston便主攻癌症方向。尽管如此，到2017年年底它也才可以对12种癌症问题提供治疗建议。

在黑天鹅被发现以前，欧洲人一直相信所有天鹅都是白色的。现代医学的显著特点，是作为开放学科，“可证伪”。今天认为正确的事物在明天也许被视为错误，一切都需推倒重建。在中国，鉴于这种困境以及知识更新的缓慢，中国的西医往往采用经验医学，在封闭的知识系统中看病给药，在临床决策中无法依靠实证与量化分析。而“可证伪”对AI系统来说，意味着一场巨大的灾难。

讲究阴阳五行的中医难以被AI取代吗？

作为经验医学的中医，是一个相对封闭的知识系统。在这个系统中，掌握的知识越熟练，运用的例子越多越广泛，水平越高，所以才会有“老中医”的说法。现代循证医学，作为开放的系统，更新会频繁发生，保持活力的同时可能也造成大量问题。中医的经验医学有效地避免了这种困境。似乎也更适合将AI应用于其中。

但是却存在大量的问题。在西医将人作为机器零件拆解的同时，中医一直尝试以整体论解决各种病症。疾病外在的表现被视为身体内部发生了状况，通过中医恢复身体内部的平衡以实现治疗。最终出现“同病异治”和“异病同治”。加上医生经验与用药习惯的不同，导致即使针对同一病症，不同医生也可能给出不同剂量、不同药方。这种个性化的诊疗方式与西医的标准化诊疗差异极大。

作为中医基础的阴阳五行、八纲辩证、藏象、经络贯穿在中医的整体与局部变化的始终。对于那些现代科学体系毕业的人，可能很难相信自己知识体系无法解释和证明的事物。但是AI无疑给了我们新的思路，可以应用庞大的数据量去判断如《皇帝内经》中说法的正误。

除了给药环节，在中医诊疗环节也有问题，问题在于缺少精准化的数据标准体系。在“望闻问切”的环节中，以“切”为例，中医对脉象的表述使用“浮”“沉”“滑”“涩”等，医生的感知与经验在诊断中占据重要位置。但是AI机器人却需要高度定量。部分公司所做的尝试是将脉搏波的幅度、频度等定义为数据点，并把中医抽象描述转化为具体数字。

但是留在最后面的问题却是，即便部分理论可以通过庞大数据量证实真伪，即便部分数据可以采用相对科学的方式予以量化，却仍旧有行不通的地方：没有人否定中医针灸的疗效，中医的经络系统是什么呢？有没有经络呢？看不见又摸不着，它到底是什么呢？AI又该如何应对呢？

虽然大量企业正尝试将中医与AI结合起来，部分企业汇集了近代名老中医的临床经验及相应文献/理论给出用户自诊及健康干预，但是以舌象为代表的诊疗环节量化难度无疑巨大，开发难度系数更是大幅提升。在与中医结合的道路上，量化、数据化成为了摆在AI面前的一大难题。定性不定量，凭医生经验诊断开药，对于需要高度定量的机器人来说无疑是一巨大阻碍。

封闭系统的经验医学中医无疑最适合AI，那么最先挂掉的会是中医吗？还是以循证医学为基础的虽然有着开放系统，却有着高度定量的西医率先被AI取代呢？你觉得呢？