你看好AI在医疗行业中的应用吗？

1. 你看好AI在医疗行业中的应用吗？

历史的车轮总是向前的，AI(人工智能)在医疗行业的应用是大势所趋，是必须要重视的。

一个人从出生开始，就注定了要经历生老病死，每个人都会经历大小疾病，这是规律，没有人能改变。而提到医疗，大家能想到什么呢？医院、医生、患者……我想更多的是医生看病排队，然后做各项检查，我想这是很多人会抱怨的问题。
长期如此，医患双方的诉求不能得到很好的满足，不过，未来这一切可能会随着人工智能的发展而得到改善。当然了，现在的人工智能技术已经在医疗行业有了很重要的作用。
比如在医学影像识别方面、在临床医疗智能决策方面、在医疗智能语音方面、在“互联网+”方面等都发挥了重要的作用。

未来，人工智能在医疗行业必将大放光彩。
近年来大家应该也能发现，国家非常重视人工智能在医疗行业上的应用，还出台了《“健康中国”2030规划纲要》、《新一代人工智能发展规划》等一系列文件，推进“健康中国”战略，这足以说明国家是看好人工智能在医疗上的应用。
其实广大患者在看病的时候有个痛点，那就是平等的问题。可是在当下的医疗条件下，人人平等很难。未来医疗怎么做到人人老有所医，是大家最关注的问题之一。但有个问题，疾病发展比医学发展快，不然怎么有那么多绝症，人体结构、细胞真的太复杂，而当下的医学条件，医生无法做到同级水平，这个时候AI或许是一种选择。
大家回想一下每次看病的经历，是不是写了一大推天书一样的文字，这就是病例。可我们第二次到其他医院的时候，又要重新进行诊断。而且不同医院区别很大，误诊、误判的情况时有发生。
如果AI能很好的运用到医疗行业，那么就可以收集、挖掘患者数据，根据不同情况，学习专家掌握的知识，模拟其思维和诊断，利用大数据得出最佳的可执行性方案。同时，AI并且还能做一些简单的外科手术，比如，咱们国家在2006年引进了第一台达芬奇手术机器人系统，并开展了中国首例机器人心脏微创手术。AI对实现医疗平等至关重要。

诊断数据共享也很重要，可以有效减少误诊。上面说了，首次就诊的信息和资料，到第二次就诊的时候无法被其他医院的医生看到，相当于重现检查，这样的话就会造成误判、误诊等情况，这样不仅害了我们自己，还大大降低了就诊效率，浪费时间和金钱。
通过人工智能可以对病人的情况、病因进行保存，等到二次就诊的时候，通过大数据就能识别其过往诊断史，以基础病史进行诊断，给出科学有效的诊疗方案，减少了误诊、误判的情况。

如今的人工智能还是弱人工智能时代，更多的是用在不需要沟通太多的医疗领域。我相信在未来，人工智能肯定会改变医疗手段和疗模式，重塑医疗行业。这也是未来医学创新和改革的动力。
随着人工智能技术的加速发展，医疗的高效和便捷将会让每个个体都受益。
（本文仅代表个人观点）

2. 医疗可能会是被AI最大程度颠覆的行业，AI的出现只有好处吗？

科学技术的稳步提升，越来越多的人开始追求节省劳动力的生活方式，他们会把家弄成智能家居的结合体，并且他们通过手机控制家中的每一个工具。信息技术的发展会给每一个人带来极大地变化，AI的发展会引起每一个行业的动荡不安，我觉得医疗行业会是被AI技术颠覆的一个行业。我并不认为AI技术出现之后，只会给人类带来巨大的好处，AI技术出现之后也会给人类带来许多坏处。比如人类会变得越来越自责和空虚，当AI的虚拟人物消失时，人们会觉得自己的人生很短暂。

第一个坏处：AI会引来人们的烦躁大部分人只看到了AI技术给生活带来的好处，却从来没有考虑过AI技术给人类生活带来巨大坏处。事实上，设计师设计出来的虚拟人物会给人类带来快乐和自信，但是这种人消失之后也会给人类带来些许烦躁。他们会认为虚拟人物比自己更为优秀，而自己永远达不到AI虚拟人物的思维能力，他们自然会受到打击。

第二个坏处：AI会使人变得更沉默虽然AI虚拟人物会给人类带来交流和沟通，但是AI虚拟人物也会使人类与他人的沟通变得更加稀少。久而久之，人们只会和AI虚拟人物进行交流，并不会主动和现实生活中的朋友交流感情。人们见面之后， 他们也只会沉浸在AI技术带来的快乐中，两人面对面的交流更加沉默。

第三个坏处：医疗行业的巨大改变虽然我们都不阻碍AI技术给生活带来的巨大改变，但是我们仍然要警惕AI技术在医疗行业中的发展。假如AI技术因为某个程序设定问题导致整个手术发生巨大失误，那么受到伤害的将会是人类呀。

3. 医疗AI有什么作用？

医疗AI简单理解就是人工智能在医疗场景下的应用，比如AI机器人可以执行精密操作，参与到手术当中；或者像AI诊疗可以通过患者描述的病症的关键信息，结合当地环境、病史等其他数据快速辅助医生分析病症，为患者提供诊疗咨询和初步治疗方案等。
目前大多的医疗AI在研究过程中还以理论为基础，难以获得标准化的数据。现在也有很多公司做数据处理方面的工作，帮忙把系统中收集的数据进行标准化、脱敏化的处理。
这方面英国的数据采集值得借鉴。NHS中的大部分全科医生机构都使用同一个系统，系统本身也互联互通，可以机构间共享患者病历。这个系统SystmOne本身收集的数据也是标准化的，有编码的，可以直接导出脱敏版本给研究机构使用，进行医疗AI的研究。

4. 为什么说AI行业的下一个风口是医疗？

隔行如隔山。
对于从事AI技术的人进入医疗行业来说，进入便是一个艰难的过程。

作为在2012年进入医疗AI领域的健培科技来说，公司走过了AI行业从冷到热。创业契机源自程国华在其他项目的时候，发现大多数医院的服务器里，80%以上的空间都是影像数据，程国华最早萌生了用互联网的方式去做医疗大数据分析的想法。“2012、2013、2014三年非常孤独，几乎都是碰壁，吃的都是闭门羹，我们去医院里都是被他们劝，”程国华回忆说，我一位医院主任朋友当时跟我讲，计算机辅助诊断老早就有，说这个（医疗数据分析）没有未来。

直到2015年，健培科技联合华为、IBM举办了一场医疗人工智能国际高峰论坛，才将医疗AI推向了医疗行业人士的视野中，2016年AlphaGo的出现让人工智能概念大火，医疗AI当然也得到了资本的青睐。
图玛深维（12Sigma）在2017年12月宣布完成2亿元人民币B轮融资，成为2017年医疗影像AI领域最大的一笔融资，这轮融资由软银中国领投，辰德资本、德联资本参投，此前投资方真格基金、经纬中国继续跟投。

图玛深维CEO钟昕认为，因为资本的助推，公司的发展已经远远超过了预期速度，但是医疗AI的产业化落地、商业化过程仍然还在摸索阶段。

5. AI医疗技术有哪些重要应用？

医疗领域是人工智能一个重要的应用方向，与互联网不同，人工智能对医疗领域的改造是颠覆性的，过去五年是人工智能医疗发展的加速期，人工智能对于医疗健康领域中的应用已经非常广泛。人工智能在医疗方面的应用场景主要有哪些呢？
 1、智能药物研发

 智能药物研发是指将人工智能中的深度学习技术应用于药物研究，通过大数据分析等技术手段快速、准确地挖掘和筛选出合适的化合物或生物，达到缩短新药研发周期、降低新药研发成本、提高新药研发成功率的目的。
 新药研发是一个时间长、耗费大、风险大的漫长过程。塔夫茨大学药品研发研究中心通过既往获批的药物数据发现，研发一个新药至少需要10年、26亿美元的巨大投入。而人工智能技术在新药研发中可以发挥非常重要的作用。
2、智能诊疗

 
智能诊疗就是将人工智能应用到医学诊疗中，让机器“学习”专家级医师的医疗经验和医学文献知识，模拟诊疗时的思维逻辑，并在实际应用时给出方案。现在，智能诊疗的概念进一步扩大，一些诊疗时的准备工作也可由机器承担，进一步减轻医生的压力。
 智能诊疗贯穿医生面诊的前中后整个流程，目前主流的开发方向包括：语音病历、辅助决策、风险预警等领域。比如智能语音病历，就是通过语音识别技术，帮助医生快速录入病历，德信数据显示，中国50%以上的住院医生平均每天有4小时以上在写病历，而应用语音病历后，医生的主诉内容可以实时地转换成文字，效率大大提升。
 再比如辅助治疗决策，辅助治疗决策是很多科技公司目前重点研究的方向，通过先进算法，以临床指南知识库为基础，结合医生经验，对海量真实的临床诊疗数据和离院随访数据进行训练，能够挖掘治疗方案和结局的关联，对比不同治疗方案的效果。从而协助医生为患者提供更精准优质的诊疗方案。
 3、医学影像智能识别

 AI医学影像是指利用AI在感觉认知和深度学习的技术优势，将其应用在医学影像领域，实现机器对医学影像的分析判断，是协助医生完成诊断、治疗工作的一种辅助工具，帮助医生更快获取影像信息，进行定量分析，提升医生看图、读图的效率，协助发现隐藏病灶，从而达到提高诊断效率和准确率的目的。
 人工智能在医学影像应用主要分为两部分：一是图像识别，应用于感知环节，其主要目的是将影像进行分析，获取一些有意义的信息；二是深度学习，应用于学习和分析环节，通过大量的影像数据和诊断数据，不断对神经元网络进行深度学习训练，促使其掌握诊断能力。
 4、医疗机器人

 医疗机器人是一种智能型服务机器人，它具有广泛的感觉系统、智能和精密执行机构，从事医疗或辅助医疗工作。医疗机器人的目的并不是代替手术医生，而是作为一种辅助工具来拓展医生的手术能力、提高手术质量、减轻医生的工作强度。
 医疗机器人具有较为广泛的概念，包括外科手术机器人、康复机器人、医疗服务机器人和微型检测与治疗机器人等。外科手术机器人根据手术类型不同可分为显微外科手术机器人、神经外科手术机器人、耳鼻喉外壳手术机器人、整形外科与骨科手术机器人等。
 5、智能健康管理

 根据人工智能而建造的智能设备可以监测到人们的一些基本身体特征，如饮食、身体健康指数、睡眠等，对身体素质进行评估，提供个性的健康管理方案，及时识别疾病发生的风险，提醒用户注意自己的身体健康安全。目前人工智能在健康管理方面的应用主要在风险识别、虚拟护士、精神健康、在线问诊、健康干预以及基于精准医学的健康管理。
 健康管理行业因其预防、调养的基调和个体化管理的特性，正在成为预防医学的主流。“十四五”期间我国进入高质量发展的新阶段，我国健康管理也将进入一个新的发展阶段。面临机遇和挑战，健康管理服务将向着更加广泛、深入和个性化转变，利用AI技术对健康管理进行智能升级的智能健康管理是目前适合我国国情的一种健康管理方式。

6. 医疗界的人工智能已开启，以后救命也许就靠AI

要说2016年什么最火？

非人工智能（Artificial Intelligence），AI莫属，大家都在说人工智能，当人工智能遇上精准医疗、健康管理又会碰撞出怎样的火花呢？
2015年8月，IBM Watson分析了数千个基因突变，最终确诊一位60岁的日本女性，患有一种非常罕见的白血病，并提供了适当的治疗方案，而几个月前她曾被医院误诊。Watson的整个诊断过程不到10分钟，如果换做人类医生，这个诊断需要耗时数周才能做到。可以说AI拯救了她的生命，现在Watson的肿瘤解决方案已经进入了21家中国医院。

罕见病筛查
说到用于疾病筛查和辅助决策的医疗机器人，比如说IBM的Watson，Deepmind的AIphaGo，大家已经都不陌生了，二者均建立在大数据上。
而罕见病的筛查和诊断是否也可以借助人工智能呢？
中国中山大学中山眼科中心联合西安电子科技大学建立了识别先天性白内障的深度学习模型，取名为CC-Cruiser。一个人工智能平台可以挖掘医生在先天性白内障的临床数据，进而达到筛查和辅助诊断的目的。白内障作为一种典型的罕见病，集合慢性和急性疾病的特点，在我国发病率为0.05%。在计算机模拟测试中，CC-Cruiser筛查先天性白内障患者的准确率为98.87%。

手术治疗
自从达芬奇用于手术治疗后，人工智能在这一领域迅速发展。人工智能在术前评估、方法选择以及术中管理等等方面都已经有了应用。
2015年Google 母公司Alphabet，和强生公司合作成立Verb Surgical，致力于研究更加智能和廉价的手术机器人以减少现有手术机器人的一些缺点，比如体积大。未来会有更多企业进入该市场，并探索不同的细分空间，打造出一个感知、数据分析和自动化生态系统。

此外，机器人还被用于在医院内进行送餐送货等服务。Aethon公司推出的TUG机器人，能够包揽医院里各种事务杂活等后勤工作，比如处理递送药品、医疗用品、实验室标本，处理医疗垃圾等任务。还能让医护人员与病人远程聊天和互动。
健康管理
IBM的人工智能系统Watson与美国药店CVS合作，CVS向Watson开放海量患者行为信息，包括临床数据、购药数据和保险数据等，Watson对用户行为和相关指标进行分析，可以提前预知患者的病情。
此外，Lumiata推出的Risk Matrix能够基于唾液分析等数据，预测食管癌发病的风险。Next IT推出的Alme Health Coach通过人工智能技术评估慢性病人的整体状态，并给出个性化的健康管理方案。
以前很多认为不可能的人工智能现在都已经融入到了我们生活的方方面面，相信未来医疗体系里人工智能会占据重要作用，到那时我们真的要靠机器人来救命了。

7. 人工智能何时能颠覆医疗界？

人工智能和机器学习被预言为下一代工业革命的一部分，在接下来的十年中，它们能为商业和工业节省亿万美元。
科技巨头谷歌（Google）、脸书网（Facebook）、苹果（Apple）、IBM以及其他公司正在把人工智能应用到各种各样的数据中。
机器学习技术被应用于语言实时翻译等领域，甚至被用来在线识别猫的图像。
那么，为什么工智能还没有被如此广泛地应用于医疗领域呢？
放射科医生仍然依靠观察核磁共振（MRI）影像或X光片来诊断疾病，尽管IBM和其他公司致力于解决这个问题，但医生仍然不能通过AI（人工智能）来引导或帮助他们诊断疾病。
机器学习技术面临的挑战
机器学习技术已经存在了几十年，最近出现的“深度学习”技术也在不断推动人工智能前进。深度学习网络是由类神经元单元组成的层状结构，它可以识别出数据中的模型。
这个过程通过以下方式完成：反复将数据和正确答案输入网络，直到其内部参数——连接到人工神经元的权重——被优化。如果训练数据来自于现实生活，网络可以很好地归纳总结，当输入新数据的时候，它也能给出正确答案。
因此，学习阶段需要大量多种情况下的数据库以及相应的答案。要升级网络的参数需要数百万的记录和数十亿的计算，这些通常要在超级计算机上完成，耗时几天或几周。
这就是其尚不能在医疗上应用的原因：数据库样本还不够庞大以及用于学习的正确答案是不明确的甚至是未知的。
我们需要更好、更大的数据库
人类身体的功能——解剖学特性和变异性是非常复杂的。同时，由基因调节或引起的疾病会提高其复杂性，这对每个人来说都是独一无二的且难以通过训练而改善。
另外，医疗数据方面也存在着问题，因为要精准地测量生物过程而不引入多余的变化是非常困难的。
其他困难还有在一个病人身上存在着多种疾病（即共病）会混淆预测。生活方式和环境因素也起了重要作用，但这些数据却很难获得。结果就是我们需要非常庞大的医疗数据库。
随着全世界的研究越来越多，这一问题逐步得以解决。例如英国的“生物银行”准备扫描100,000名参与者。
其它的还有美国的“阿兹海默病神经影像学计划”（ADNI）和 “澳大利亚老年人影像学、生物标记和生活方式研究组织”（AIBL），十几年来他们已跟踪一千多名受试者。
政府也开始成立一些项目，例如“美国癌症登月计划”（American Cancer Moonshot）。其目标是建立国家癌症数据生态系统，因此研究人员、医生和病人可以在“促进有效的数据分析”原则的指导下提供数据。同样，“澳大利亚基因组健康联盟”（Australian Genomics Health Alliance）致力于汇集并分享基因组信息。
最终，部署在全世界的电子病例系统可以提供广泛的高质量数据库。除了实现预期的效率提高，使用机器学习技术挖掘大量人口的临床数据的潜力是也巨大的。一些公司（如谷歌）迫切希望获取这些数据。
机器需要学习什么还不明确
复杂的医疗决策通常是由专家团队达成一致意见后给出的，而不是一件确定的事。
当扫描结果含有模糊区域或只能观察到非常细微的特征的时候，在解释疾病方面放射科医生之间可能会有不同意见。从含有误差的检验结果中得出诊断，或者疾病由未知的基因调控时，往往依赖于隐性知识和经验而不是明确的事实。
甚至有时，正确的答案根本无法获得。例如，无法通过脑部核磁共振测量某个结构的尺寸，甚至通过解剖尸体也不行，因为尸体组织的结构和尺寸在死后会发生改变。
因此机器可以知道照片中包含一只猫是因为用户通过社交平台已经确定地标记过成千上万张图片，或者告诉了谷歌如何识别涂鸦。
通过核磁共振的方式测量大脑结构的尺寸是一项更加困难的任务，因为没有人知道答案，只有几位专家的共同意见组合在一起才是最佳结果，而且花费巨大。
为了解决这个难题出现了一些新技术。包含概率论（如贝叶斯定理）的数学模型可以根据不确定性学习。
无监督方法可以在不需要知道真实答案的条件下识别数据中的模型，但解释结果却不一定正确。
另一种方法是迁移学习，也就是说，机器可以学习大量的、不同的但是具有相关性的数据库，但训练的答案是已知的。
深度学习在医学上的应用已经非常成功。在一些科学会议上，利用各项技术对公布的数据库进行处理，并在会议期间发布对提交结果的评估报告，深度学习技术总是能获得第一名。
在澳大利亚联邦科学与工业研究组织（CSIRO）我们已经研发了CapAIBL（来自AIBL的PET结果计算分析技术）来分析脑部正电子发射型计算机断层显像（PET）获得的3D图像。
利用包含许多正常人和阿兹海默病人的扫描结果的数据库，这种方法可以学习该病的特征。之后，它就可以在新的病人扫描结果中识别出该特征。生成的临床报告可以帮助医生更加快速、可靠地诊断疾病。
使用机器学习技术的自动图像分析功能可以把一个通过正电子发射型计算机断层显像（PET）得到的3D图像

自动量化成定量的报告显示。当医生诊断病人时可以当作参考。（图片来源：CSIRO，作者提供）
在上例中，CapAIBL技术被应用于识别阿兹海默病人扫描图像中的淀粉样蛋白斑。红色表示大脑中淀粉样蛋白沉积增多——这是阿兹海默病的征兆。
因果关系的问题
也许最困难的地方是理解因果关系。分析以前的数据容易导致学习到伪相关性而漏掉了疾病或治疗效果的根本原因。传统上，随机临床试验提供的证据在不同个体的选择上具有优势，但它们还没有受益于人工智能的潜力。
在未来，新的设计（如临床试验平台）可能会解决这个问题，并且可以为机器学习技术学习证据而不只是联系做好准备。人们正在构建庞大的医学数据库，发展能够克服缺乏确定性结果的技术，寻找建立因果联系的新方法。
该领域发展很快，而且在提升效率和医疗卫生水平方面存在巨大的潜力。事实上很多企业正在试图将这一领域商业化。创业公司（如Enlitic）、大型公司（如IBM）甚至小型企业（如Resonance Health）都许诺要变革医疗卫生领域。我们已经取得了显著的成果，但前方依然充满挑战。
翻译：么宇辉；审校：杨玉洁
注：所有文章均由中国数字科技馆合作单位或个人授权发布，转载请注明出处。

8. AI的出现给医疗行业带来了哪些利弊？

AI的出现对于医疗行业最大的好处就是节省医疗资源减少医疗事故，但是弊端就是会进一步加深医患矛盾。
首先，对于医疗行业来说，AI的发展能够减少医疗资源，随着相关技术的发展，现在进入到大众视野的就是微创机器人，也就是说能够通过一种特别微小的机器人进入到人体进行一些精密化的手术，同时，还能够用这样的方式来减少相关的医疗失误，也就会减少很大程度的医疗事故。就目前的新闻报道来看，绝大多数的医疗事故都是因为一些医生或者是护士的失误造成的，而通过AI技术就会避免这样的情况。
而且，随着技术的进步，远程医疗服务也提上了日程，也就是说很多病人生病之后，并不需要再跑到医院，在自己的家中就能够通过相关的技术来实现医疗诊断，同时在诊断过程中还能够及时和医生进行交流。对于一些患有急症、或者是不方便行动的病人来说，这样的技术进步就是最好的医疗关怀，在这样的方式之下，不仅能够减少不必要的出行耗费还能够节省时间。
最后，随着AI技术的发展也会出现一定的问题，其中最为突出的就是医患关系势必会随着技术的发展而更加紧张，对于一些人来说医生不仅仅是治疗疾病，同时在治疗过程中和患者的沟通和交流也能够缓解缓解的紧张情绪。对于，相关的症状的缓解也会起到一定的作用。而且，人与人之间肯定会和人和机器之间有着很大的不同，冷冰冰的机器也肯定会造成医患关系进一步紧张。而且对于一些为碰到的疑难杂症，AI也很难用自己的算法进行合理处理，甚至是会造成一些误诊。