人工智慧（AI）來了，未來醫療會怎麼樣？

這是人工智慧最好的時代，數十年來困擾人工智慧的演算法和硬體得到了解決，李彥宏認為這是可以媲美工業革命的新時代變革，如今成熟的人工智慧已經可以被應用到各個領域，斯坦福終身教授李飛飛表示，如今的人工智慧已經可以為醫療領域服務並且取得巨大的成果。

今年兩會期間，復星集團董事長郭廣昌就人工智慧醫療提出了方案，很多見識了人工智慧在圍棋領域橫掃無敵，醫療和圍棋完全不一樣，人工智慧可以解決醫療問題么？現在人工智慧已經應用在醫療領域並且取得巨大的成果，斯坦福大學已經可以成功分辨皮膚癌，IBM的Watson也能夠在10分鐘內識別癌症，甚至美國的Arterys公司旗下的產品Arterys Cardio DL獲得FDA批准，在國內，Airdoc可以識別多個領域的醫學影像，在糖尿病性視網膜病變的識別上準確率已經和三甲醫生水平相當，人工智慧應用在醫療領域已經是個趨勢。

人工智慧識別醫學影像

通過計算機識別圖片是長久以來科學界都在嘗試的，但是進展一直都很緩慢，主要原因是計算速度和演算法的影響，比如一張高質量的圖片，往往有幾十萬甚至幾百萬像素，機器很難在短時間內識別大量圖片，在醫療領域，一張醫學影像往往有數百萬甚至數千萬大小，傳統硬體根本不能很好運轉起來，2007年 Nvidia 推出 CUDA 的GPU 軟體介面后才真正改善.是傳統雙核CPU快70倍，在之後的日子裡，Nvidia不停對GPU更新換代，如今的硬體已經能夠很好的支持大量高質量圖片的識別。

2012年，Hinton 教授採用了一種新的稱為"丟棄" (Dropout) 的演算法避免了過度擬合，從此時起基於卷積神經網路的系統在圖像識別上有了質的飛躍，識別能力甚至超過了人類，此外人工智慧同樣具備了和人類一樣的學習能力，在識別圖像的同事同樣能夠認知這些圖片，因此人工智慧可以用來識別醫學圖片，比如斯坦福大學對皮膚癌的識別，特異性和靈敏度甚至超過了人類皮膚科的專家。

國內的人工智慧醫療團隊Airdoc團隊，在國際頂尖醫生的幫助下，基於卷積神經網路設計並開發了糖尿病性視網膜病變識別模型，經過和人類醫生的多倫PK，特異性和靈敏度上已經和三甲眼科醫生水平相當，並且在診斷速度上有了很大的提升。

人類醫生決策診斷

簡單說來，放射科的工作主要有兩個部分組成，第一部分是患者在放射科拍攝影像片（X線片、CT、MRI等），這一過程是由放射科技師操作各類機器完成，包括參數設定、掃描、圖像處理等，有點類似攝影師拍照，只不過操作的機器更巨大。第二部分是影像判讀，診斷醫生在醫用豎屏顯示器上調閱影像圖片，逐幅觀察圖片（一般普通、常規情況，一名患者的圖片在80幅-320幅之間，如果是本院多次就診患者，還需要調閱既往影像圖片，作出對比，圖片量倍增），尋找發現問題；

雖然的大學一直處於快速擴張期，但是醫學影像專業人才的供應卻一直不能滿足需求。由於更多的人認為臨床醫學專業比其它醫學專業（如醫學影像學、醫學檢驗學、護理學等等）更有前途，所以選擇醫學影像專業的學生常常被歸入「二流」的行列，目前招收醫學影像專業大學部生的高校超過80所，但排名靠前的頂級醫學院校卻多不開設醫學影像學專業。另一方面，部分醫學影像學專業的學生（包括碩士生和博士生）畢業后並不進入醫院工作，而是去醫療設備或醫療器械企業工作。再加上放射科醫生的流逝，放射科醫生的增長速度遠遠不能滿足市場的需求。

世界衛生組織網站上ICD-10編碼的疾病有7.8萬多種，癥狀也有幾萬種。如此龐大的信息量，並不適合人類去記憶，並在5分鐘～10分鐘內準確判斷。人類醫生在長時間高強度的工作環境下也容易產生誤診，對比中美的醫學影像現狀，從影像方面的誤診人數來看，美國每年的誤診人數達到了1200萬，而因為人口基數龐大，達到5700萬/年，這些誤診主要發生在基層醫療機構。

人工智慧可以快速精準的識別海量的圖像，可以很好的解決目前醫療領域的困境，此外，應用在基層，人工智慧還能夠輔助基層醫生，讓基層醫療機構能夠正常的運轉起來。

那麼人工智慧能夠取代醫生么？智能醫療領軍企業Airdoc創始人張大磊表示人工智慧會取代醫生的重複性體力勞動工作，提升醫生的職業專業程度，但醫生需要在診療過程中觀察病人的表情、神態，給予患者心理安慰和人文關懷，這些都不是計算機演算法能夠取代的，機器就是輔助診斷，診斷決定應該由醫生來作出，而不是由軟體來作出。

人工智慧在醫療領域的應用

人工智慧+人類醫生可以為醫療帶來更好的服務，在目前的醫療基礎上大大提高工作效率，這種未來醫療模式可以在體檢機構和醫療機構為廣大人群服務。

人工智慧可以通過對文本、影像等多模態海量數據的綜合挖掘，發掘病人檢查信息、既往病歷和社會（自然）環境之間的聯繫，發現群體中的疾病模型及隱藏信息模型，建立預測分析模型，進一步探索疾病分佈演化規律，確定危險因素，並對疾病流行趨勢進行預測和預警。

2016年10月25日，中共中央、國務院發布了《「健康2030」規劃綱要》，這是今後15年推進健康建設的行動綱領，健康戰略已經成為全民奮鬥的目標，大部分的慢性病和癌症在早期都是很容易被治癒的，根據世界衛生組織的數據，80%的心腦血管疾病、80%的二型糖尿病、絕大部分的原發性高血壓，甚至40%的腫瘤都是可以預防和治癒的，疾病早期檢查的重要性不言而喻，如果人工智慧能夠應用在體檢機構，建立起健康生活第一道關卡。

目前大部門居民沒有體檢的習慣，大部分疾病往往是在醫療機構被檢查出來，但是因為很多癌症和重大疾病在早期都沒有明顯癥狀，經常被忽略或者與其他疾病混淆，等到癥狀明顯后往往已經到癌症的中期或者後期了，機器的特點是精準，通過海量醫學影像和醫學知識的學習，可以準確識別癌症，比如斯坦福大學通過2000例不同皮膚癌病例的12.9萬張圖像，訓練出了皮膚癌識別模型，該人工智慧系統與21位專業臨床醫生的表現相當。如今的人工智慧已經可以在肺癌，肝癌，乳腺癌等常見癌症上為人類醫生提供診斷建議。