AI和医疗的融合何去何从

医学是一门靠归纳逻辑、经验学习、循证运用的学科，人工智能在这个行业可以发挥重要作用，例如仅凭观察无法了解病人的情况，通过医学影像有助于病灶的检出和诊断。随着AI+医疗的进一步融合、深入，政策和资金层面的大规模投入，AI辅助技术也在多个医疗细分领域提供了帮助。

医学影像识别：一秒万片的速度

影像是辅助医生诊断的工具，有数据显示，70%的临床诊断需要借助专业的医学影像。影像医生在人手紧张，同时又要面对大量复杂的影像情况下，难免漏诊误诊。而人工智能可以把影像诊断结果量化、标准化，提高医生的效率，降低误诊、漏诊率，并为临床提供指导。

近期，英国伦敦大学学院研究人员发布了一个基于云计算的人工智能系统，可快速分析实时传输的肠镜图像，识别其中哪些肠息肉有可能癌变，帮助医生更好地制定治疗方案，提升疗效。引入卫星技术后不同地方的医院和诊所都可以接入云计算平台，这意味着新开发的人工智能系统即便在偏远的乡村等地区也可高效部署。

目前这个项目已获得英国政府的资助。英国政府一个重要目标是到2033年，通过该技术创新每年避免超过2万例癌症相关死亡病例的发生。

目前我国医学影像数据的年增长率约为30%，而放射科医师数量的年增长率为4.1%，其间的差距是25.9%，放射科医师的数量增长远不及影像数据的增长。通过AI的方式辅助影像科医师进行诊断将满足市场刚需。

智能诊疗：拒绝误诊

人工智能具有模拟医生的诊治思维和推理过程的能力，并且在记忆力、运算速度和精度上都可以优于人类。人类大概有七八万种疾病，一个医生擅长的领域可能只有几十种，而机器能够不断地阅读文献，在里面找规律。基于人工智能开发的智能诊疗系统能为医生提供实效、实时的决策支持，可以提高广大经验不足的医疗工作者的工作能力。

以往，紧缺优质医疗资源与疑难杂症如何匹配，这一问题很难求解。将顶尖医学专家的知识和诊治经验进行快速复制，设计创造岀模拟专家诊治思维的“智能诊疗系统”对于基层医生来说帮助巨大，辅助基层医生进行临床的诊断和治疗，起到“医生助手”的作用。

药物研发：AI药神降临

传统的新药研发方式，通常需要起码十年时间，平均花费26.3亿美元，在多年的投入之后，失败率却高达92%。而AI技术的加入，可以使药物研发更快速、更低价、更有效。虽然一些药剂师对此仍持怀疑态度，但大多数专家预测人工智能+医药这一赛道变得日益激烈。随着人工智能浪潮的兴起，药物研发人员们将很快用上这些最新工具来武装自己，提高药物研发效率和时间。

AI有可能改变药物发现的整个过程，从药物结构、疾病病理生理机制、现有药物的功效、显微镜下的样本观察等等方面进行快速分析，大大提升新药发现的效率。在研发阶段，AI可以帮助科学家从巨大体量的化合物数据库中完成文献搜索，理解数据。其他研发场景包括：化合物筛选、预测ADMET性质、药物晶型预测、辅助病理生物学研究，以及发掘药物新适应症等。测试阶段，借助机器学习技术，研究人员可以对大量患者进行试验，获得不同的结果，并将其映射到患者的分子标记遗传上，从而在更稳固的基础上定义疾病。

医疗机器人：未来医疗的“标配”

医疗机器人也正在慢慢渗透我们的生活，并逐渐成为新的创业和投资热点。据不完全统计，2014-2017年间，国内已集中出现至少100家医疗机器人创业公司，公开披露融资的超过40家；另外也有不少上市公司也在近年拓展了医疗机器人业务。

医疗机器人在医疗行业中应用已十分广泛，例如主要协助医生进行外科手术的手术机器人，它一般由控制台、操作臂、三维成像平台组成。医生不触碰患者，而是坐在电脑显示屏前，操纵机器做手术。手术机器人能满足对减小创口、提高手术精确度、缩短手术时长的需求。它与二维视觉相比，视野可放大10-15倍，克服了传统手术精确度差、医生缺乏3D精度视野、手术时间过长等问题。

还有很多其他应用场景，在配药室，机器人自动完成药液体配置，让医护人员免于与药剂发生接触，避免药液污染和人员受伤。康复机器人应用于康复治疗过程中，主要服务于残疾人士、中风病患者和因运动受伤的人士，让行动障碍者重新“站”起来。还有辅助、服务类机器人，能帮助监控病人出院后的身体状况，防治老年痴呆症的治疗机器人，与自闭症儿童沟通的交流机器人等等。医疗机器人会成为未来医疗的“标配”。

小结：

随着科技的发展和社会的进步，人工智能技术必然会渗透到各行各业，国内不少人工智能初创企业也呈现着欣欣向荣的态势，如科大讯飞、旷视科技Face++、极链科技Video++、依图科技等等，带动整个社会生产、生活方式的变革。

作为人工智能的一个很热门的应用领域，AI 医疗有着无限的想象空间，但目前面临的问题也很复杂。例如目前很难评估AI对医疗决策的影响，AI能在多大程度上影响医生的判断，医院又该如何应对误诊及其后果？出了医疗事故后，谁来承担责任？这些问题都很难回答。其次，借助智能诊断能够提高诊疗的准确度，但该技术的底层核心是数据。目前国内尚未形成完整的数据归属权、使用权、隐私权等法规文件，也影响着行业的标准化、正规化、商业化，影响人工智能的应用程度。

在现阶段的医疗活动当中，人工智能技术和产品的融入，需要人们很长一段时间改变观念。在政策法规方面，政府和行业内的合力破冰，是日后 AI 医疗大有可为的主力推手。AI+医疗之路，要解决的问题还很多。