如今，人工智能早已不再是科幻小說中的專有名詞，它已經突破了從“不能用、不好用”到“可以用”的技術拐點，進入了爆發式增長的時期。在醫療領域，人工智能已可以快速診斷疾病、做手術、開展健康監測等。

2018年4月，國務院辦公廳發布《關于促進“互聯網+醫療健康”發展的意見》，明確提出推進“互聯網+”人工智能應用服務。這意味著“人工智能+醫療”將實質性地改變人們的就醫模式，助力健康中國建設。

“醫術”超過年輕醫生

經過不斷訓練的“人工智能醫生”，“眼睛”“耳朵”“大腦”日益發達，涉及病種越來越多、領域越來越寬

會“看”影像，會“讀”病歷，會“動”手術，會“做”檢查，還會給出臨床診斷建議；“醫術”超過年輕醫生，一些領域能與資深醫生比肩。它，就是“人工智能醫生”。

跟人類醫生一樣，“人工智能醫生”也是通過望、聞、聽等手段看病。

以肺部結節為例，小到1毫米的病灶，閱片醫生需要一張張看CT影像圖片來找，并推斷出大小、密度。資深閱片醫生平均10分鐘讀1張，大型醫院每天片子超過10萬張，閱片醫生的工作緊張而繁重。如今，一些醫院開始引入人工智能系統篩查，閱片時間降至1分半。

“人工智能醫生”不僅效率很高，在診病方面更加精細、全面。在華中科技大學同濟醫學院附屬協和醫院，由依圖醫療開發的人工智能系統不僅可以檢測肺結節病灶，還能對病灶性狀進行多維度描述，包括大小、體積、密度、CT值，結節表征可涵蓋6種常見的良惡性征象——分葉、毛刺、胸膜凹陷、空洞、空泡、鈣化。阿里健康開發的系統則將周邊病癥一起篩查，包括肺道泡、動脈硬化、淋巴帶化、肺密度增高、索條等。

人工智能裝上“眼睛”，可以閱讀標準化的圖像，篩查出病灶。華中科技大學同濟醫學院附屬協和醫院臨床考驗了這名“人工智能醫生”，發現其檢出率達95.78%，誤報率卻僅有2.63%。2018年，該院60名影像科醫生通過AI系統判讀影像病例超過了15萬份。

除此之外，“人工智能醫生”還能查食管癌、糖尿病視網膜病變、結直腸腫瘤、乳腺癌等疾病，甚至還可以查兒童骨齡，技術水平不亞于資深醫生。

人工智能還有靈敏的“耳朵”。在安徽省合肥市廬陽區，科大訊飛智醫助理已于2018年在社區衛生服務機構上崗，在醫患交流過程中，智醫助理通過大數據和智能語音技術，生成并自動提取病歷，醫生還可查詢相似病例、臨床指南以及對癥藥品。目前，該系統已完成7000余人次的輔助診斷建議。

最近，“人工智能醫生”還裝上了“大腦”。在廣州婦兒中心，人工智能系統學會“讀懂”病歷，然后像人類醫生一樣，給出診斷。醫生將患者主訴、癥狀、個人疾病史、檢查檢驗結果、影像學檢查結果、用藥情況等信息輸入病歷文本，系統自動將自由病歷文本轉換成規范化、標準化和結構化的數據。人工智能系統“讀懂”病歷后，再給出診斷結果。

“人工智能醫生”診斷準確率高嗎？以呼吸系統疾病為例，該人工智能對上呼吸道疾病和下呼吸道疾病的診斷準確率分別為89%和87%，對不同類型哮喘的診斷準確率在83%到97%之間。

經過不斷訓練的“人工智能醫生”，“眼睛”“耳朵”“大腦”日益發達，涉及病種越來越多、領域越來越寬，包括臨床助理、輔助診療、醫學影像、基因檢測、健康管理等。

人工智能靠海量數據

各個學科數據的標準化程度，影響著人工智能的應用程度。各個醫院設備不一樣，數據維度也不一樣

醫生長本事，一靠醫學專業院校學習，二靠臨床經驗積累。“人工智能醫生”靠什么？靠海量數據、云計算能力。“吃”完數據之后，經過不斷訓練臨床思維，系統就可以像人類醫生一樣看病了。

“吃”了海量數據后，機器不僅可以當醫生，而且可以做科研、教學、管理等，幫助醫生和醫院提升科研水平，提高診療能力。

在四川大學華西醫院，依圖醫療納入該院2009年至今收治的肺癌患者的全維度脫敏臨床數據，打通臨床門診、住院、病歷、病理等多個系統數據，建立了國內首個肺癌臨床科研智能病種庫。有了這個病種庫，醫院多個與肺癌診療相關的科室研究能力大大提升，其他醫聯體機構也受益匪淺。

阿里健康人工智能醫療升級到了2.0版本，除了臨床，還有文本科研、影像科研平臺功能，提供虛擬病人、VR模擬手術用于教學。

在河南郟縣任莊村衛生室，記者看到了微醫人工智能輔診系統——全科輔助診療系統、懸壺臺中醫智能診療系統。村醫張巧芬簡單輸入患者的基本癥狀、病史等，馬上就能看到相關危重病、常見病可能提示。“我們平時很少接觸到危重病，但心里還是擔心萬一誤診了，會耽誤村民治療。”

據介紹，這一全科輔助診療系統通過學習超過500萬份文獻、千萬份病歷和健康檔案，目前已覆蓋2000多個病種、5000多個癥狀，命中率達到90%。懸壺臺中醫智能診療系統累計輔助開方量已超過200萬張。

“基層醫生服務能力不強，人工智能輔助診療能彌補資源不足的問題，提升醫生服務水平。”中國社科院人口與勞動經濟研究所社會保障研究室主任陳秋霖認為，醫療人工智能可以提高醫療診斷的精準程度，也可以替代一些高精尖手術中的操作，還可以在一些醫療服務中替代部分人力資源，從而降低醫療費用。

人工智能學習的數據從臨床來，還得轉換成結構化格式，然后做出模型，按照臨床診療思維訓練、學習，算出結果。數據是關鍵，各個學科數據的標準化程度，影響著人工智能的應用程度。

依圖醫療總裁倪浩告訴記者，醫療數據不標準是一個普遍性的問題。雖然影像是標準化較好的一批數據，但不同醫院還是差別很大。各個醫院設備不一樣，數據維度也不一樣。高質量的數據非常少見，需要花費更多的算法，先將數據結構化才能使用。

2018年，中國工程院院士、上海交通大學醫學院附屬瑞金醫院副院長寧光帶領團隊與阿里健康人工智能實驗室共同研發“瑞寧助糖”人工智能醫生。在推進過程中，寧光也發現了數據的問題，如標準數據缺乏，疾病診斷標準不統一，隨訪數據散落在各個醫院，數據普適性較差等。

數據標準化程度與學科成熟程度、診斷所需外部條件有關。比如影像領域從起步就是統一標準，數字化發展程度也比較高；皮膚科診斷比較依賴于圖片和視頻識別病灶等等，這些學科人工智能發展較快。

機器與醫生協同看病

醫療并不只是診斷和治療，還涉及醫生和患者之間的互動，尤其是醫生對患者的安慰具有不可替代的作用

人工智能醫用，是否會代替醫生？可以肯定，目前還不會。

2017年，國務院新一代人工智能規劃提出，“開發人機協同的手術機器人、智能診療助手”“研發人機協同臨床智能診療方案”。這意味著，人工智能只是醫生的助手。

一些人工智能研發人員提出，只有了解醫生的心理和臨床思維，讓人工智能學會這種思維，才是真正的醫療人工智能。然而，這個難點似乎不好突破。

“我對完全由機器來進行診斷，持一定的懷疑態度，未來還需要進一步檢驗。因為醫療并不只是診斷和治療，還涉及醫生和患者之間的互動，尤其是醫生對患者的安慰具有不可替代的作用。”陳秋霖說。

未來，“人工智能醫生”也許與人類醫生一起上崗工作。記者體驗了這種服務模式。在北京影像云平臺上，人工智能系統對基層醫院上傳的30名患者近9000張肺結節CT影像進行智能檢測和識別，將第一輪篩查出的疑似結節標記出來，作為輔助診斷結果，提供給4名放射科醫生進行審查。醫生審查后認為可以采納，即對報告簽字。

在這種新的服務模式中，仍由醫生來做最終決策。一些臨床醫生表示：首先必須確保人工智能產品技術過硬，給出合理的診斷建議；其次還要進行培訓，轉變觀念，適應新的服務模式。醫生的認可和引導，將提高患者對人工智能系統的信任度。

目前，醫療人工智能行業的發展還面臨問題。“醫療各個領域數據沒有互聯互通，最后形成的只是數據大，而不是大數據。醫療人工智能既需要醫療人才，也需要人工智能人才。目前，發展比較好的企業或者非常好的一些項目，都由這兩方面的人才來推進。”陳秋霖說，因涉及個人隱私的保護，有必要界定醫療數據的產權，產權清晰有利于實現互聯互通。

可以預見，未來人類將離不開“人工智能醫生”。那時的醫療不再是“排隊醫療”，而是“秒醫療”“精準醫療”“個性醫療”。