PK掉所有参赛团体；84名参赛医生，被打败78位；更不一般的是，这些医生均来自于北京协和医院、北医三院、北京肿瘤医院等十家三甲医院。这是不久前，在北京友谊医院举办的一场以“甲状腺结节超声图像的性质判定”为主题的人机大战中，一台计算机取得的战果。
战事被报道后，引发关注。有业内人士听闻消息后惊呼：以前觉得人工智能很远，这次感觉真的来了。
让人甘拜下风的“超声狗”
因为与响当当的AlphaGo同属人工智能（AI）族亲，为方便称呼和记忆，暂且为这个赛事中的计算机取一个可爱的名字，叫“超声狗”吧。
通过比赛，“超声狗”令不少年轻医生甘拜下风。北京市友谊医院超声科住院医师张丽丽便是其中一位。这位博士研究生参赛后直言：“我还不如计算机呢。”比赛中，她以近70%的诊断正确率被“超声狗”打败，后者以76%的正确率雄踞7个医院团体榜首。
张丽丽说，这次比赛打消了她长久以来对人工智能在超声领域应用的疑虑。她告诉《中国医院院长》，比赛是她第一次近距离接触AI，参赛前，尽管她已从同学的课题和文献中了解到AI在肺部结节CT图像诊断中有很好的表现，但始终对AI在超声图像诊断中的准确率和误诊率抱有疑惑。
她说，超声图像与CT图像、X图像不同，后者为静态图像，均由机器处理，图像质量非常标准。而超声图像本质是实时图像，由人采集，其质量与人的操作技术和诊断水平有很大的关系。据北京友谊医院超声科副主任胡向东介绍，医生的思考方式也难以避免地影响着图像采集，如果怀疑结节为良性，会更多地寻找结节的良性信息。
经历了这场“公开赛”后，张丽丽意识到，即使是人采集的超声图像，AI同样可以达到令人侧目的诊断正确率。她甚至建议，像她这样的年轻医生可以把“超声狗”当做老师。“通过向计算机学习，提高自己的诊断水平。”张丽丽说。根据比赛结果，“超声狗”诊断技能相当于一位拥有5年经验的医生。
胡向东同样肯定了“超声狗”在诊断率上的优异表现。她说，给出一个超声诊断结果需要在图像之外，综合分析患者疾病史、家族史、放射史等多方面因素，而计算机仅凭图像便可达到这样的诊断率，十分令人佩服。她同样建议，低年资医生在诊断困惑或信心不足的时候可以看看人工智能给出的结果。胡向东还表示，随着病例数的增加、计算方法更加完善，超声狗的诊断率还有上升空间。
不过，与张丽丽解除AI超声诊断正确率疑惑不同，让胡向东刷新认知的是超声狗的诊断速度。她直言，“没想到它这么快就能给出一个诊断结果。”
据比赛数据显示，在第一部分答题过程中，准确率排名前25名的医生，平均耗时1000秒，而超声狗仅为191.669秒，不到医生用时的五分之一。100个病例中，超声狗总用时为514秒，平均5秒给出一个病例结果。据胡向东介绍，一些病例中还会存在多张图像的情形，3～8张不等。这意味着计算机最快每秒就可以完成一张图像的信息读取，对于人类来说，也许就是眼神落到图像的时间。
人工智能已进军多个学科
记者在调研中发现，以“超声狗”为代表的一批可称为“诊断狗”的人工智能正在向医学各个学科进军，且在某些方面表现出的能力十分惊人。
一位患上急髓白血病的日本患者，在经历各种疗法后效果并不明显。无奈之下，日本东京大学医学研究院将求助目光投向了一条“肿瘤诊断狗”。最终，该“狗”通过比对2000万份癌症方面的研究论文后，在10分钟内给出了诊断结果，并向研究人员提出了治疗方案，为患者康复做出了重要贡献。
美国斯坦福大学开发的一款“感染诊断狗”对菌血症、败血症、肺部感染、颅脑感染的诊疗水平已超过该领域的专家，其内部共有500条规则，只须按顺序依次回答其提问，该“狗”就能自动判断出患者所感染细菌的类别，并为其开出相应处方。
在谷歌安排的一项乳腺癌诊断人机大战中，一位资深病理学家花了整整30个小时，仔仔细细分析了130张切片，依然以73.3%的准确率败给准确率达88.5%的“病理诊断狗”。
胡向东指出，近年来，人工智能越来越多地用于医学诊断，其智能化水平的提高与计算机计算方法的进步不无关系。她介绍，根据以前的算法，如果“培训”计算机用于图像诊断，需要将人类发现的图像特征信息提供给编程人员，如甲状腺结节的边界如何，是否有钙化点等；但现在只需要提供图像和人类最终的诊断结果即可，机器自己寻找图像特征，建立图像特征与诊断结果间的联系。这种能力被计算机界称之为“深度学习”。
事实上，临床上蕴含的巨大需求也是人工智能产业者雄心勃勃的直接原因。如基层医疗机构缺乏诊断设备、医生诊断水平不一、高年资医生工作负荷重、巨大的医生缺口等都为人工智能提供了用武之地。
“上一次工业革命是释放人的双腿，这一次的工业革命就释放人的脑力劳动了。”一家专注于将人工智能用于医疗影像识别的CEO说，作为技术翻译者，他们希望把大医生脑子里面的知识都翻译成算法。
应用仍须破除多种困难
尽管在人工智能人机比赛的较量中，机器优势已经凸显，但得到临床实际应用还面临多种现实难题。
首先是图像本身的问题。以甲状腺结节超声诊断为例，多样化的机器，医生操作水平差异，不同疾病表现出非常类似的图像都为机器大规模应用带来了挑战。
此外，胡向东补充说，一个正确的诊断除了图像信息，还需要综合分析其他因素，如患者病史、家族史、既往图像、临床症状等，如果将这些分析因素都加入到人工智能诊断系统，做到这样完美的地步仍有很长的路要走。
实际上，不同学科还有其自身独特的特征，例如在超声领域，中国超声科医生集图像采集、诊断于一身，医生采集时，根据图像表现出的特征几乎已经在大脑中形成诊断了。而在欧美等发达国家，采集、诊断分别由技师、医师完成，且采集有明确的规范。显然，与国内超声科医生相比，人工智能解放国外医生的能力更强。
尽管大规模应用仍面临很多困难，但一位乐观的业内人士举出阿尔法狗的例子说明技术进步的速度超乎人们的想象。20年前，当IBM制造的超级计算机战胜国际象棋世界冠军卡斯帕罗夫时，有技术保守派说，战胜象棋算什么？有本事挑战围棋。2016年，当阿尔法狗以3:0完胜韩国围棋大师李世石时，人类仍不死心，《华尔街日报》网站发表文章狡辩，人类没有选对代表。戏剧性的是，就在不久前，AlphaGo横扫了世界围棋冠军何洁。
“技术的进步总会让那些起初令人吃惊的新技术慢慢变成日常应用，如医院的血液检验。”该乐观人士说。
