醫學是一門靠歸納邏輯、經驗學習、循證運用的學科，人工智能在這個行業可以發揮重要作用，例如僅憑觀察無法了解病人的情況，通過醫學影像有助于病灶的檢出和診斷。隨著AI＋醫療的進一步融合、深入，政策和資金層面的大規模投入，AI輔助技術也在多個醫療細分領域提供了幫助。

醫學影像識別：一秒萬片的速度

影像是輔助醫生診斷的工具，有數據顯示，70％的臨床診斷需要借助專業的醫學影像。影像醫生在人手緊張，同時又要面對大量復雜的影像情況下，難免漏診誤診。而人工智能可以把影像診斷結果量化、標準化，提高醫生的效率，降低誤診、漏診率，并為臨床提供指導。

近期，英國倫敦大學學院研究人員發布了一個基于云計算的人工智能系統，可快速分析實時傳輸的腸鏡圖像，識別其中哪些腸息肉有可能癌變，幫助醫生更好地制定治療方案，提升療效。引入衛星技術后不同地方的醫院和診所都可以接入云計算平臺，這意味著新開發的人工智能系統即便在偏遠的鄉村等地區也可高效部署。

目前這個項目已獲得英國政府的資助。英國政府一個重要目標是到2033年，通過該技術創新每年避免超過2萬例癌癥相關死亡病例的發生。

目前我國醫學影像數據的年增長率約為30％，而放射科醫師數量的年增長率為4．1％，其間的差距是25．9％，放射科醫師的數量增長遠不及影像數據的增長。通過AI的方式輔助影像科醫師進行診斷將滿足市場剛需。

智能診療：拒絕誤診

人工智能具有模擬醫生的診治思維和推理過程的能力，并且在記憶力、運算速度和精度上都可以優于人類。人類大概有七八萬種疾病，一個醫生擅長的領域可能只有幾十種，而機器能夠不斷地閱讀文獻，在里面找規律。基于人工智能開發的智能診療系統能為醫生提供實效、實時的決策支持，可以提高廣大經驗不足的醫療工作者的工作能力。

以往，緊缺優質醫療資源與疑難雜癥如何匹配，這一問題很難求解。將頂尖醫學專家的知識和診治經驗進行快速復制，設計創造岀模擬專家診治思維的“智能診療系統”對于基層醫生來說幫助巨大，輔助基層醫生進行臨床的診斷和治療，起到“醫生助手”的作用。

藥物研發：AI藥神降臨

傳統的新藥研發方式，通常需要起碼十年時間，平均花費26．3億美元，在多年的投入之后，失敗率卻高達92％。而AI技術的加入，可以使藥物研發更快速、更低價、更有效。雖然一些藥劑師對此仍持懷疑態度，但大多數專家預測人工智能＋醫藥這一賽道變得日益激烈。隨著人工智能浪潮的興起，藥物研發人員們將很快用上這些最新工具來武裝自己，提高藥物研發效率和時間。

AI有可能改變藥物發現的整個過程，從藥物結構、疾病病理生理機制、現有藥物的功效、顯微鏡下的樣本觀察等等方面進行快速分析，大大提升新藥發現的效率。在研發階段，AI可以幫助科學家從巨大體量的化合物數據庫中完成文獻搜索，理解數據。其他研發場景包括：化合物篩選、預測ADMET性質、藥物晶型預測、輔助病理生物學研究，以及發掘藥物新適應癥等。測試階段，借助機器學習技術，研究人員可以對大量患者進行試驗，獲得不同的結果，并將其映射到患者的分子標記遺傳上，從而在更穩固的基礎上定義疾病。

醫療機器人：未來醫療的“標配”

醫療機器人也正在慢慢滲透我們的生活，并逐漸成為新的創業和投資熱點。據不完全統計，2014－2017年間，國內已集中出現至少100家醫療機器人創業公司，公開披露融資的超過40家；另外也有不少上市公司也在近年拓展了醫療機器人業務。

醫療機器人在醫療行業中應用已十分廣泛，例如主要協助醫生進行外科手術的手術機器人，它一般由控制臺、操作臂、三維成像平臺組成。醫生不觸碰患者，而是坐在電腦顯示屏前，操縱機器做手術。手術機器人能滿足對減小創口、提高手術精確度、縮短手術時長的需求。它與二維視覺相比，視野可放大10－15倍，克服了傳統手術精確度差、醫生缺乏3D精度視野、手術時間過長等問題。

還有很多其他應用場景，在配藥室，機器人自動完成藥液體配置，讓醫護人員免于與藥劑發生接觸，避免藥液污染和人員受傷。康復機器人應用于康復治療過程中，主要服務于殘疾人士、中風病患者和因運動受傷的人士，讓行動障礙者重新“站”起來。還有輔助、服務類機器人，能幫助監控病人出院后的身體狀況，防治老年癡呆癥的治療機器人，與自閉癥兒童溝通的交流機器人等等。醫療機器人會成為未來醫療的“標配”。

小結：

隨著科技的發展和社會的進步，人工智能技術必然會滲透到各行各業，國內不少人工智能初創企業也呈現著欣欣向榮的態勢，如科大訊飛、曠視科技Face＋＋、極鏈科技Video＋＋、依圖科技等等，帶動整個社會生產、生活方式的變革。

作為人工智能的一個很熱門的應用領域，AI 醫療有著無限的想象空間，但目前面臨的問題也很復雜。例如目前很難評估AI對醫療決策的影響，AI能在多大程度上影響醫生的判斷，醫院又該如何應對誤診及其后果？出了醫療事故后，誰來承擔責任？這些問題都很難回答。其次，借助智能診斷能夠提高診療的準確度，但該技術的底層核心是數據。目前國內尚未形成完整的數據歸屬權、使用權、隱私權等法規文件，也影響著行業的標準化、正規化、商業化，影響人工智能的應用程度。

在現階段的醫療活動當中，人工智能技術和產品的融入，需要人們很長一段時間改變觀念。在政策法規方面，政府和行業內的合力破冰，是日后 AI 醫療大有可為的主力推手。AI＋醫療之路，要解決的問題還很多。