不久前，日本东京大学医学研究院采用美国国际商用机器公司(ibm )研发的“沃森医生”(w atson，一种人工智能)为一名60岁的女性诊断疾病，沃森医生通过比对2000万份癌症研究论文，在10分钟得出了诊断结果：患者得了一种罕见白血病，从而推翻了此前诊断她为急性髓性白血病的结果。沃森医生同时提出了适当的治疗方案，为这名女性的康复做出了贡献。

沃森医生的如此成就是否就能让人类放心大胆地放手，让沃森独立地为人诊治癌症和看病呢？答案是否定的，至少目前还不能。这不仅是因为沃森医生诊治疾病的正确性与肿瘤临床医生还有差距，也不仅在于沃森医生的诊治不具备稳定性(表现好时诊治结果特别好，表现差时则不尽如人意)，还在于迄今人工智能应用于医疗领域也像应用于其他领域一样，还处于探索的阶段。

医疗领域的人工智能探索与其他领域有共性，但还有一个最大的不同，人工智能面对的是人，是生命，稍有不慎就会损害人的健康，甚至对患者雪上加霜，危及生命。问题的本质还是要回到人工智能是否已经被人类调教到了真正具有人类的智能、智慧和能力，这后面的因素当然还是人工智能的算法和(深度)学习。

人工智能要达到准确地诊治癌症，首先需要有像人一样的感知，知道人的机体环境，什么是正常的机体，什么是异常的机体，甚至是癌变的机体，例如只有几个发生癌变细胞的器官，如乳腺或肺(就连这一点人类也有争论，是否要对只有几个癌细胞的组织器官进行治疗)。此外，人工智能还要理解为何正常和异常机体有不同，是癌变引起的不同，还是其他疾病引起的不同。最后才是判断和决策，向医生提供对某个个体检测的结果，是患癌还是没有患癌，抑或是患了其他疾病，以及如何治疗。

要让人工智能感知和理解人体环境和器官，就要让其学习，包括利用大数据的机器学习(算法)和深度学习，这两者有时是相互结合的，同时也是互相渗透的。大数据学习是人工智能的强项，可以达到比人类能力强几百倍几千倍的快速数据运算、分析和理解。而在癌症诊治的深度学习上，更需要人工智能进行特别的和专门的学习，如对通过物理和化学方式拍摄的人体各种部位，以及深浅度不同组织的图像要有正确的感知和理解，如对x光图像、磁共振成像和c t扫描图像的感知、解读，并得出结论，即诊断。

但是，人工智能的癌症诊治深度学习并不仅限于对癌症和正常组织图像的解读，而是包括更多的内容，例如，对癌症标记物和特异分子的识别。

现在，沃森医生的机器学习(算法)已经比较可靠而胜过人类，根据算法，沃森等人工智能可根据数据的输入、输出、赋值等运算对癌症进行诊断，如对上述白血病病人的诊断就是通过大数据分析和计算获得的。但是，在对癌症诊治的特殊学习(深度学习或专业学习)上，还有待入门和提高。

例如，让人工智能学习和鉴别癌症分子标记，其中典型的是r a s/r a f通路的蛋白质相互作用。r a s基因在上世纪60年代被发现是致癌基因，存在于30%的癌症患者中。之后，人们又发现了ra s蛋白的直接效应因子ra f-1蛋白激酶。r a f-1激酶对细胞增殖、细胞分化、细胞凋亡和细胞周期停滞有重要作用，利用这些作用可以知道癌症的发生、发展，以及找到治疗癌症的药物和方法。当然，人工智能还要学习对人体组织各种图像的解读等。在这些方面，人工智能还刚刚起步。

同时人工智能的任务不只是诊治癌症，还需要学习临床前的药物筛查和建立肿瘤人口模型等，显然，这些是更为艰巨的任务。就目前的情况来看，人工智能参与癌症的诊治可以说在某些方面可能优于人类，但总体而言，由于算法和深度学习的局限，其诊治癌症还不具有人类的智慧和稳定性，因此人工智能目前只能作为人类医生的助手而参与和帮助诊治癌症。

以上是网络信息转载，信息真实性自行斟酌。