人工智能和大数据真能预测疾病吗?

先谈人工智能

「人工智能」把「智能」二字去掉就变成了「人工」,其实我觉得人工智能应该叫「智能人工」,叫「人工智能」可能是为了押韵吧:) 为什么这么说呢?我认为人工智能只是替代人,人工智能做的事人也能做,只是效率低一些而已,人工智能做出不了超越人的工作。目前还没看到哪个人工智能做出了超越人的行为。举个例子,像人脸识别,人也完全能做,你可以轻松地在街道上认出你的同学。像语音识别也一样,人也能做。

那人工智能可以预测疾病吗?我觉得不能预测,但可以识别疾病。比如一个人身体内部出现状况了,他去医院看病的步骤是这样的:


image

人可以看做是一堆参数组成的,这些参数是身高、体重、血型、血压、肺活量等等很多很多,这些参数我暂且叫它们一级参数吧,通过X光或CT等技术,医生会获得图像,我们暂且叫它二级参数吧。医生能直接通过一级参数来获得疾病信息吗?在这个例子中不能,人不会透视,所以需要X光来获得二级参数,然后医生再根据影像(二级参数)分析病情。在医生根据影像分析病情这一步可以用人工智能来替代,就像人脸识别一样,识别影像,也确实有人这么做了,而且效果不错。没有哪个医生能直接通过像血压、血糖一级参数直接知道身体内部出现什么状况,这部分已经超出了人的能力范围,所以人工智能也不能通过一级参数直接得到病情,就像我之前说的,人工智能只是替代人为的那部分工作。

如果一个人发烧了,那一级参数就是体温,人可以直接通过一级参数知道这个人生病了,用手摸一下头,头发热了,那就发烧了呗,这个经验我们都会,这个过程是人类可行的。所以也可以用人工智能来诊断。

中医

来看看中国古代医学诊病的思维吧。古人把人的身体看成是一个黑箱,不知道黑箱里面有什么,通过对黑箱进行一系列操作,看箱的反应,来推测黑箱的内部。
比如现在有一个黑箱,里面是一个公式「x + 2」,对黑箱输入数字1,得到3;输入2,得到4;输入3,得到5...
由此可以推测出黑箱里是公式「x + 2」。


image

中医的诊病方法就是这么来的。《山海经》:「神农尝百草,一日而遇七十毒」,通过对草药的不断尝试,根据身体的反应来推测出草药具有什么功能。比如经常吃决明子发现眼睛舒服了,那决明子就是有治疗眼病的功效了,至于为什么能治?原理是什么?不知道,只是形式与数量的关系。

而西医的方法和中医正好相反,西医通过解剖来打开人体这个黑箱。但这种做法也点儿问题,比如解剖一个人,知道了他身体里的构造,有心脏、肝脏、肾脏等等,那问题来了,心脏是什么构成的呢?这时心脏变成了一个黑箱,在解剖心脏,知道了心脏是由血管、瓣膜、起搏器等组成的。那问题又来了,瓣膜是什么构成的呢?打开黑箱的同时也创造了黑箱,陷入了递归循环中。

再谈大数据

就拿文章开头那个例子,用大数据的方法是直接从一级参数来诊断病情,跳过中间X光的步骤。这种做法可行吗?

大数据的原理就是找形式与数量之间的关系,比如统计了大量的癌症患者,发现他们某些一级参数是相似的,那再遇到有相似参数的人就可以判断他很可能会得癌症,达到预测的目的。这种思维模式就是古代中医的思维模式和玄学的思维。

image

看上面这张图。用大数据预测疾病,就是通过一些像血糖、血压、血型等这样的参数,运用某一数学方法运算来达到预测的效果,跳过像CT和X光那些机器。算命先生也是通过类似的方法来算命的,一个人的命运走向,应该是由他一生所做的事情决定的,而算命先生只需要他的出生年月日,通过算命的算法,来预测命运的。像《紫微斗数》《渊海子平》等书都是讲算命算法的。顺便说一下,360公司创始人周鸿祎上大学时还真就做过一个算命的软件。

像我扔一个实心球,我能预测它会掉到哪里,因为背后有牛顿力学做支撑,只要计算球的质量、空气阻力和手给球的力就行了。但用大数据来预测疾病,只是找形式与数量的关系,对这种做法我不是很有自信。

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 217,277评论 6 503
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 92,689评论 3 393
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 163,624评论 0 353
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,356评论 1 293
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,402评论 6 392
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,292评论 1 301
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,135评论 3 418
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,992评论 0 275
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,429评论 1 314
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,636评论 3 334
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,785评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,492评论 5 345
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,092评论 3 328
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,723评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,858评论 1 269
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,891评论 2 370
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,713评论 2 354

推荐阅读更多精彩内容