你有头皮屑吗她问

【编者按】悉达多·穆克吉（Siddhartha Mukherjee）是印度裔美国科学家，在牛津大学（Oxford University）获得致癌病毒研究的博士学位，他写过三部作品。《众病之王：癌症传》获得了2011年普利策文学奖，也是2010年《纽约时报》十佳图书。

最近，穆克吉博士在《纽约客》（The New Yorker）上刊发长文，以一名医生的独特视角，审视最近几年为医学带来冲击的人工智能。他在这篇长文中记录下的七段小故事，勾勒出了未来医生与人工智能和谐共处的模样。由于文章篇幅过长，为方便大家阅读，亿欧将此文分为三篇发布，本文为第三篇。

本文由药明康德编译，作者悉达多·穆克吉；经亿欧转载，供行业人士参考。

六

3月一个寒冷的早上，就在和Thrun博士和Hinton博士见面几天之后，我去了位于曼哈顿第五十一街的哥伦比亚大学皮肤科诊所。主治医师Lindsey Bordone博士那天安排要看49名患者。10点钟，候诊室里坐满了人。一个大约60岁的络腮胡老人坐在角落里，用毛巾围住了脖子上的皮疹。一对焦急的夫妇挤着看《时代周刊》。

Bordone博士快速地依次查看一连串病人。在荧光灯房间的后面，有一名护士坐在电脑前，给出了一些总结性的话——“五十岁，无病史，皮肤上有新的可疑斑点”，Bordone博士听后冲进检查室，金发飞在身后。

一个30多岁的年轻人脸上出现鳞屑的红疹。Bordone博士把他拉到灯下，用手持式皮肤镜仔细地检查皮肤，剥落的皮屑从他鼻子上掉下来。

“你有头皮屑吗？”她问。

那个男人很困惑地说“当然”。

“嗯，这是面部头皮屑，”Bordone博士告诉他。“情况比较严重。但问题是为什么现在出现，为什么会恶化。你最近使用过一些新的洗头产品吗？家里有没有不寻常的压力？

“肯定有一些压力”，他说。他最近失去了工作，财务受到影响。

“保持写日记，”她建议。“我们可以确定跟这些生活变化是否有关。”她写了一个甾体霜的处方，并要求他在一个月内复查。

隔壁的房间里，一位年轻的律师助理头皮上有一些瘙痒的疙瘩。当Bordone博士碰他头皮时，他缩了一下。她说“脂溢性皮炎”，考试结束。

另一间房间里，一位妇女脱下衣服，换上病号服。

她曾患有黑色素事态的瞬息转变瘤，现在积极地做预防复发的检查。Bordone博士仔细检查她的皮肤，一个个斑点地看过去。花了20分钟，但是她查得全面彻底，用手指摸过痣和皮赘，随着手指移动不断说出判断。有痣和角化病，但没有黑素瘤或癌变。“看起来都很好”，医生最后高兴的总结。女患者松了口气。

就这样：Bordone博士走进来，察看病情，给出诊断结论。她给人的感觉完全不像Hinton博士说的歪心狼，而像是那个有点狂躁的BB鸟（Roadrunner），她看一连串病人，就像设法跟上脚下的跑步机节奏。当她在后面的房间里写医嘱时，我问她怎么看Thrun博士描述的诊断愿景：iPhone图片通过电子邮件发送到功能强大的非现场络，这个络具有毋容置疑但难以理解的专业知识。像Bordone博士这样的全职皮肤科医生。一生中大概会看20万个病例。斯坦福机器的算法在3个月内就吸收了近13万个案例。而且，不像新的皮肤科住院医生需要从零开始接触患者，Thrun博士的算法可以一直在吸收、成长和学习。

Bordone博士听了耸耸肩。她说：“如果这有助于我做出更准确的判断，我会欢迎。我的一些病人在看到我之前可以把自己的皮肤问题拍照，这样会增加诊所的覆盖面。”

这听起来像是一个医生的合理反应，我想起Thrun博士说过的那些令人安心的评论——机器只是把人的能力增强。但是，当机器越学越多，人会不会越学越少？父母长期以来都在担心：孩子的上有拼写检查功能，如果孩子不再去学拼写怎么办？这种现象被称为“自动化偏差”（automation bias）。

自动驾驶会使人警惕性降低，医学自动化也一样。也许Bordone博士正像是蒸汽钻即将面世前孤独的John Henry先生（美国民间故事中，力量胜过了蒸汽钻，但却在比拼中由于心脏压力过大而死去的悲剧英雄）。但是，她看病时全神贯注，认真地用手指检查每一个皮赘和痣，这些都是不能漏掉的看病细节。如果她与机器合作，还会继续这样吗？

我还注意到Bordone博士与患者互动的其他模式。一方面，患者看病后几乎总是感觉更好。他们被医生触摸和仔细检查，可以和医生进行交流。甚至医生说出的“痣”，“角化病”等病变名称都像是润肤剂：这是一种深度疗愈的过程。那个有黑色素瘤病史前来复查的妇女离开医院时看起来精神很好，毫无精神负担，她的焦虑被解除了。

另一方面，像巴西研究人员可能猜到的，诊断时刻对Bordone博士来说是一种瞬间认知。当她说出“皮炎”或“湿疹”的时候，好像她正在认出犀牛：当她认出这种疾病时，几乎可以看到她大脑底部的椎体神经元在闪光。但访问并没有结束。在几乎每一个病例中，Bordone博士都花大量时间探索发病原因。为什么出现症状？是压力吗？新洗发水引起？有人改变了游泳池里的氯气吗？为什么是现在发病？

我忽然意识到，临床实践最强大的地方，不是“知道是什么”或者“知道怎么样”，既不是掌握疾病事实，也不是感知病情如何形成。而是第三个知识领域：知道为什么。

七

解释可浅可深。手指上出现红色的水泡，是因为你摸了一块热铁。手指上出现红色水泡，是因为烫伤激发了前列腺素和细胞因子的炎症级联反应，一种我们至今仍未完全理解的调控过程。知道为什么——问为什么，是我们获得解释的途径，解释越来越多，就会推动医学进步。

Hinton博士曾提到棒球运动员和物理学家的比喻。无论诊断医生是机器还是人类，他们都像是那个熟练但难懂的棒球运动员。医学研究人员则像那个物理学家，一个是临床领域的理论家，一个是棒球场的理论家，两者同样渴望知道“为什么”。这样的职责分工很简便，但会不会带来损失？

“深度学习系统不具有任何解释力”，Hinton博士坦率地说。黑匣子不能调查原因。事实上，“深度学习系统越强大，越是不透明。随着更多的特征被提取，诊断变得越来越准确。为什么这些特征会从数百万个其他特征中选出来，仍是未解之谜。”算法可以解决问题，但不能建立问题。

然而，我发现肿瘤学领域的医学进步经常是由熟练的执业医师，同时也是充满好奇和具有洞察力的研究人员推动的。事实上，在过去的几十年里，雄心勃勃的医生一直努力扮演棒球运动员和物理学家的角色：他们通过症状去了解疾病的生理学原因。为什么皮肤病变的不对称边界预示着黑素瘤？为什么一些黑素瘤会自发退化，有时会出现白色皮肤斑块？

事实上，临床医生的观察最终导致了当今临床上最有效的免疫药物的发明——皮肤变白原来是免疫反应的结果，这种反应也可以治疗黑素瘤。这一串发现始于诊所。如果越来越多的临床实践被降级为越来越不透明的机器学习系统，如果隐性和显性这两种知识形式之间日常自发的亲密联系——知道是什么，知道怎么做，知道为什么——开始退化，我们会不会做得越来越娴熟，但却越来越不能重新审视应该做什么，不能在算法的黑匣子之外思考？

我和哥伦身正心安魂梦稳比亚皮肤科主任David Bickers博士谈过自动化的未来。他说，“我试着去读懂Thrun博士的文章，我不明白背后的数学计算，但我知道这样的算法可能会改变皮肤科的实践。皮肤科医师会不会失去工作？我不这么认为，但我认为必须努力地考虑如何将这些程序融入临床实践。我们如何为它们付款？机器作出错误的预测时该如何界定法律？依靠这样的算法会不会减弱临床医生的操作能力或者形象？医学领域最终会不会培养出技术人员而不是医生？”

说到这，他看了下时间，有病人在等着，他便起身离开了。“我毕生都在做诊断学家和科学家。我知道病人有多依赖我从良性病变中分辨恶性病变的能力。我也知道医学知识来自诊断。”他提醒我说，“诊断”一词来自希腊语，原意是“区分”。机器学习算法将来也只是在“区分”能力上更胜一筹——区分和辨识出痣与黑素瘤。但是，全方位认知超越了以任务为中心的算法。在医学领域，或许终极奖赏还是要靠整体认知。

：

机器能以医生同样的方式“成长和学习”吗？（上篇）

机器不会取代医生，更多的是给医生赋能（中篇）