最近，看到一篇关于医疗AI的文章《IBM医疗AI宣告失败，率先入局却踏步不前》。1997年IBM深蓝战胜国际象棋世界冠军卡斯帕罗夫，名声大噪；2011年开始，IBM在医疗AI押上重注，此后，IBM投入巨资（10亿美元），用以收购医疗数据公司、研发AI医生，开展了一系列令人眼花缭乱的项目，但仍然“逃脱不了走进死胡同的一天”。没有理解错的话，这篇文章的意思是IBM的医疗AI失败了。

医疗AI的“失败”（核心是AI医生）是我所意料的；当然，这个“失败”也是有所特指的，并不是不能研究或不可能取得研究的进展，而是专指“落地”；这个“落地”，也不是说永远不能落地，而是根据当前科技进展的可见的落地。可以这么说，医疗AI是注定要失败的。那么，医疗AI为何注定失败？

一、关注与启示

几年前，一位行业内的朋友向我推荐一款深圳某公司开发的医疗AI，他强调这款产品非常好，诊断精确、还可以提供治疗方案，还决意要给我演示。在他的要求下，我与他设置了一例上臂损伤的案例，然后通过软件输入信息，结果则是“胃病”。当着我的面，朋友显示出十分的尴尬，但似乎还在确信这款产品不会错的，并且还是很坚定地想要推销之。这事情使我关注起医疗AI，希望找出一个说服像那位朋友的好办法。

2016年3月，阿尔法围棋与围棋世界冠军李世石进行人机大战，以4比1的总比分获胜；2017年5月，又与排名世界积分第一柯洁对战，以3比0的总比分获胜。这给了我启示，围棋AI比国际象棋AI要复杂得多，如果用围棋AI与医疗AI对比一下，或许可以说明一些什么。

二、关于围棋AI

围棋有黑白二子，围棋盘共计可以摆放361子，即黑子181、白字180，在实际下棋中,不可能摆满每一个格子,但可能被互相吃掉，故可以超过361手，但总是可以计数。据说，最长手数的对局纪录由日本棋手山部俊郎与星野纪在1950年创下，二人共弈411手。

由此，可以这么确定，围棋AI需要解决两个维度，即黑子与白子；每个维度有180左右手，因有布局规则、效率问题等约束，不完全是排列组合，总之是可以计算的。

三、关于医疗AI

医疗AI要解决的核心问题是疾病的诊断，为此，我们必须确定疾病的构成。疾病包括三个维度，一是致病因子，没有致病因子的作用，人不可能患病；二是致病因子必须作用于特定的机体（即人体），离开了机体，疾病就无从谈起；三是时间，下围棋时，每走一手，时间是可以给定的，这是规则所确定，但疾病在发生、发展过程中，时间既不能给定，也无法预期，故必须加入时间这个维度。

再来看每个维度中到底有多少数量，相当于围棋要下多少手。致病因子包括细菌、真菌、病毒等微生物，还有温度变化、干湿度、化学污染物……这些致病因子每一类都难以计数，还可以互相组合致病，可以说作用于机体的致病因子及其组合是无限的，无法计算数量。机体包括身高、体重、营养状况、精神状况、生活习惯……及其各种组合，同样也是无限的，无法计算的。时间是连续性的，严格来说也是无法计数的。

由此可见，医疗AI需要解决三个维度，即致病因子、机体和时间，而每个维度的“步数”是无限的，无法计算的。

四、医疗AI落地的悲观与希望

从以上可以明确，国际象棋AI与围棋AI相比，只是计算量的问题；而医疗AI与围棋AI相比，则不是具体数量多少的问题，而是关于无限与有限的问题。当今围棋AI的实现，无论如何，归根结底是要基于计算的，智能无非是更加先进的计算方法（如神经网络模型）、更加快速的计算速度、分类细化到更加精确的程度，前提则是有限的、可计算的。因此，我以为，基于疾病的特点，医疗AI落地十分悲观，IBM医疗AI的失败，不足为奇。

但，医疗AI并非没有希望。有部影片中，把一个得了不治之症的小女孩放进一个仪器中，这个仪器迅速读取小女孩的各种信息，明确诊断，并给予治疗，数分钟后小女孩的疾病得以治愈。这是一个有趣的思路，即应该首先有一个非常强大的信息读取器，可以读取人体的血液、尿液、组织等各种信息，这个机器无需人类的主观表达。如果单从诊断层面，这个机器是否应该是集中了现今的各种诊断手段？

此外，希望还在于，我们已经获知医院管理的标准化困境，这个难题可以让我们避免一味地解决疾病的标准化问题，而是使用基于非标准化的理论进行考察，揭示疾病的规律，以此探寻医疗AI的路径、方法。

五、小结

医疗AI是人类一项更加宏大、复杂、久远的探索，必然吸引科学家们、各类机构前仆后继地奋斗不息。但在当前，谋求落地或商业化的诉求，必须要谨慎，最好制定分步的目标和循序渐进的推进策略，直接针对AI医生是错误的。