人工智能真能减轻国内医生的负担吗

就在几天前，在北京一家医院的肿瘤放射科，吴医生将一位疑似肺癌患者的肺部扫描结果导入到了一个看起来很像Photoshop的软件中。这其实是个基于人工智能算法的软件，可以使用数千张扫描片训练过的神经网络将扫描结果中可疑的结节用红框标注了出来。

吴医生对软件处理的结果仔细检查了一遍，她更正了两处假阳性的错误位点，神经网络误将血管误识别成了肿瘤。但是该神经网络同时也标注出了一个她之前遗漏的结节，这个结节或许是早期疾病的征兆。

目前国内正大力推进人工智能算法在医疗领域的应用。美国及欧洲也存在着这样的趋势，但是国内对于数据以及新技术的限制更少，并且对自动化的需求更加迫切。在中国大约每1000人会覆盖1.5个医生，而在美国这个数字是2.5。

国内该领域的进展非常迅速，根据北京一家咨询公司Yiou Intelligence的数据，国内大约有130多家公司正在开发人工智能算法，并将其应用于医疗领域。

而从下个月起，北京的一家医院也将会使用人工智能算法处理所有肺部扫描数据，从而加速疾病筛查的过程。

去年工信部印发了人工智能三年计划，力争在2020年获得重要突破，而人工智能在医疗领域的应用也是该计划的重要组成部分。上个月IDC发布的一项报告预测到2020年中国的人工智能医疗服务市场将达到59亿元。不仅是初创公司，国内的科技公司巨头也加入了这场争夺战，阿里巴巴以及腾讯均设有研发中心进行人工智能诊断工具的研发。

除了政策导向，国内公众对于人工智能的态度和观念也可能会使中国相比西方国家在人工智能落地方面的障碍更小，更容易凭借人工智能推进医疗行业的健康发展。在西方国家人工智能的崛起对就业岗位的影响一直是医生们所担心的问题，但是大部分国内的医生却非常希望能够利用软件将大部分重复性的劳动自动化。

尽管如此，人工智能在医疗领域仍然存在着很大的障碍，这类神经网络通过复杂的运算过程所得出的结论人类通常很难解释，这就会引发很多问题，比如在使用人工智能进行医疗诊断的过程中出现的事故究竟谁应该负责。

研发能够处理CT，X光等医学影像数据的算法是国内一个比较热门的领域。影像学领域之所以受追捧是因为利用人工智能进行图片识别的技术现阶段相对成熟。吴医生使用的人工智能软件是由北京的一家初创公司研发的，国内已有超过20家医院安装了这一软件，该公司汇总了超过180家医院的数据，形成了一个庞大的网络。

但是人工智能同时也能够应用于医疗行业的其他领域。吕医生是北京的一名口腔修复科医生，他正在与清华大学合作研发能够设计义齿的人工智能算法。他们使用来源于教科书的义齿设计原则，以及医生标注过的三万个真实案例对算法进行训练。吕医生说该算法设计出的义齿已经能够与经验丰富的医生相媲美。因此他也计划在今年下半申请评价该算法的临床试验。

北京的刘医生是一名专注于淋巴瘤的医生，他正在与清华大学的研究人员共同研发机器学习算法，对超声数据进行分析以检测淋巴瘤病人因治疗引起的血栓。如果能使用超声波扫描筛查出仍然处于早期的静脉血栓病人，就能够对病人进行及时的治疗。但这也存在一个比较难解决的问题，医院并没有足够的资源对每一位病人进行筛查，通常只有在病人出现症状的时候才进行检测。

国内的一些研究人员也在研究如何让这些软件自动学习医学知识。去年科大讯飞与清华大学共同研发的晓医顺利通过了国家医师执照考试，而且得分超过了96%的应试者。其实创建该类算法的难度并不在与扩充软件的知识面，而是要教会机器如何理解不同知识点的内在联系，并将其运用于推理和决策过程。

这类算法的核心仍然是自然语言的处理，只是更加专注于医学领域。该类算法在解答多项选择题时与人类选择正确答案的过程完全不同。算法是通过计算文字间的统计学的相似性来寻找解答一个特定问题所需的证据的。

在对考试结果进行详细的分析之后发现了一些机器无法与人类抗衡的地方： 常识以及伦理问题。机器算法回答这些领域问题的得分要低于全国的平均分。

清华大学的吴教授主导了这个研究项目，现在他正在探索该类算法应用于临床的方式。他同时也承认这种方式并不会是在每一个医生的电脑里都装上这款软件这么简单。

但另一方面真正使用过这些软件的医生却认为这些工具对他们的工作帮助很大，比如吴医生所在的医院每天的门诊量大约有一万人次，所以她其实并没有足够的时间非常仔细的查看每一张片子，因此这些软件确实可以帮他们减轻一些负担，她这样说。

来源：医药魔方数据

作者：苏扬

来源：医药魔方数据   作者：苏扬