人工智能医生来了(人工智能医生来了阅读答案）

来源：人民日报

会“看”影像，会“读”病历，会“动”手术，会“做”检查

“人工智能医生”来了(健康焦点)

如今，人工智能已不再是科幻小说中的专有名词。突破了从“不能用，不好用”到“能用”的技术拐点，进入爆发增长期。在医疗领域，人工智能可以快速诊断疾病，进行手术，进行健康监测。2018年4月，国务院办公厅发布《关于促进“互联网 医疗健康”发展的意见》，明确提出推进“互联网”人工智能应用服务。这意味着“人工智能医疗”将实质性改变人们的就医模式，助力健康中国建设。

3354编辑器

“医术”超过年轻医生

培养出来的“人工智能医生”“眼睛”“耳朵”“大脑”日益发达，涉及的疾病越来越多，领域也越来越广。

能“看”影像，“看”病历，“做”手术，“做”检查，给出临床诊断建议；“医术”超越年轻医生，有些领域可以和资深医生比肩。是“人工智能医生”。

和人类医生一样，“人工智能医生”通过看、闻、听来看医生。

以肺结节为例。对于小至1毫米的病灶，读片人需要逐个查看CT图像，并推断其大小和密度。资深电影读者平均每10分钟看一部电影，大医院每天超过10万部。电影读者的工作是紧张而艰巨的。现在一些医院已经开始引入人工智能系统筛查，阅片时间降到了一分半钟。

“人工智能医生”不仅效率高，而且诊断更加精细全面。在华中科技大学同济医学院附属协和医院，依图医疗研发的人工智能系统不仅可以检测肺结节，还可以在多个维度上描述其特征，包括大小、体积、密度和ct值。结节表现可涵盖6种常见的良性和恶性征象，3354分叶、毛刺、胸膜凹陷、空洞、空泡和钙化。阿里健康研发的系统会一起筛查外周疾病，包括肺大疱、动脉硬化、淋巴环扎、肺密度增高、条索等。

人造“眼睛”可以读取标准化图像，筛选出病变。华中科技大学同济医学院附属协和医院对这款“人工智能医生”进行了临床测试，发现检出率为95.78%，但误报率仅为2.63%。2018年，该院60名影像医生通过AI系统解读影像病例超过15万例。

除此之外，“人工智能医生”还可以检查食管癌、糖尿病视网膜病变、大肠癌、乳腺癌等疾病，甚至可以检查儿童的骨龄。他们的技术水平不亚于资深医生。

人工智能也有灵敏的耳朵。在安徽省合肥市庐阳区，2018年科大讯飞智医助理员已入职社区卫生服务机构。在医患沟通过程中，智医助手通过大数据和智能语音技术生成并自动提取病历，医生还可以查询相似病例、临床指南和对症药物。目前，该系统已经完成了7000多条辅助诊断建议。

最近“人工智能医生”也装了“大脑”。在广州市妇女儿童中心，人工智能系统学习“阅读”病历，然后像人类医生一样给出诊断。患者主诉、症状、个人病史、检查结果、影像学检查结果、用药情况等信息。被输入到病历文本中，系统自动将免费的病历文本转换成标准化、规范化和结构化的数据。人工智能系统“读取”病历，然后给出诊断结果。

“人工智能医生”的诊断准确率高吗？以呼吸系统疾病为例，这种人工智能对上呼吸道疾病和下呼吸道疾病的诊断准确率分别为89%和87%，对不同类型哮喘的诊断准确率在83%-97%之间。

不断培养的“人工智能医生”，“眼睛”，“耳朵”，“大脑”日益发达，涉及的疾病越来越多，领域越来越广，包括临床辅助，辅助诊断和t

医生的长项技能取决于在医学专业院校的学习和临床经验的积累。“人工智能医生”靠的是什么？依托海量数据和云计算能力。“吃”完数据后，经过不断的临床思维训练，系统可以像人类医生一样看病。

机器“吃”下海量数据后，不仅可以当医生，还可以做科研、教学、管理等。帮助医生和医院提高科研水平和诊疗能力。

在华西医院，依图医疗从2009年开始纳入我院收治的肺癌患者全量脱敏临床数据，通过打通临床门诊、住院、病历、病理等多系统数据，建立了全国首个肺癌临床研究智能疾病数据库。有了这个疾病数据库，医院很多与肺癌诊疗相关的科室的研究能力都得到了很大的提升，其他医联体也受益匪浅。

阿里健康人工智能医疗已经升级到2.0版本。除了临床，还具备文字研究和影像研究平台功能，提供虚拟患者和VR模拟手术进行教学。

在河南省郏县任庄村诊所，记者看到了微医人工智能辅助诊断系统——全科辅助诊疗系统、杭虎台中医智能诊疗系统。村医张巧芬简单输入基本症状、病史等。并能立即看到相关危重疾病和常见疾病的可能提示。“我们很少接触危重病，但还是担心如果误诊，会耽误村民的治疗。"

据介绍，这套全科辅助诊疗系统通过对500多万份文档、上千万份病历和健康档案的学习，已经覆盖了2000多种疾病、5000多种症状，命中率高达90%。沪太中医智能诊疗系统辅助处方累计量已超过200万张。

“基层医生服务能力不强，人工智能辅助诊疗可以弥补资源不足的问题，提高医生服务水平。”中国社科院人口与劳动经济研究所社会保障研究室主任陈秋林认为，医疗人工智能可以提高医疗诊断的准确性，替代一些复杂的操作，替代一些医疗服务中的部分人力资源，从而降低医疗费用。

人工智能学习的数据来自临床，要转换成结构化的格式，然后做模型，按照临床诊疗思维训练学习计算出结果。数据是关键，各个学科数据的标准化程度影响着人工智能的应用程度。

易图医疗总裁倪好告诉记者，医疗数据不规范是一个普遍问题。虽然影像是一批标准化的数据，但是不同医院之间还是有很大的差异。不同的医院有不同的设备，不同的数据维度。高质量的数据非常稀少，因此需要更多的算法来结构化数据，然后才能使用。

2018年，中国工程院院士、上海交通大学医学院附属瑞金医院副院长宁光带领团队，与阿里健康人工智能实验室共同研发“睿宁助糖”人工智能医生。在推进过程中，宁光也发现了数据问题，如缺乏标准数据、疾病诊断标准不统一、各医院随访数据分散、数据普适性差等。

数据标准化的程度与学科的成熟度和诊断所需的外部条件有关。比如图像领域从一开始就是统一标准，数字化发展程度比较高；皮肤病学的诊断依赖于图片和视频来识别病变等。这些学科的人工智能发展很快。

人工智能靠海量数据

医疗不仅仅是诊断和治疗，更是医生和患者之间的互动，尤其是医生在安慰方面不可替代的作用

“我对完全由机器做出的诊断持怀疑态度，未来还需要进一步的测试。因为医疗不仅仅是诊断和治疗，更是医患之间的互动，尤其是医生对患者的安慰起着不可替代的作用。”陈秋林说。

未来，“人工智能医生”可能会和人类医生一起工作。记者体验过这种服务模式。在北京影像云平台上，人工智能系统对基层医院30位患者上传的近9000张肺结节CT图像进行智能检测和识别，并将首轮筛查的疑似结节标记为辅助诊断结果，提供给4位放射科医生审核。医生检查后认为可以采纳，即在报告上签字。

在这种新的服务模式下，医生仍然拥有最终决定权。有临床医生表示：首先要保证人工智能产品技术过硬，给出合理的诊断建议；其次，需要培训，转变观念，适应新的服务模式。医生的认可和指导会提高患者对人工智能系统的信任度。

目前，医学人工智能产业发展仍面临问题。“医疗各个领域的数据没有互联互通，最后的结果只有大数据，没有大数据。医学人工智能既需要医学人才，也需要人工智能人才。目前发展比较好的企业或者一些非常好的项目，都是人才从这两方面推动的。”陈秋林表示，因为涉及到个人隐私的保护，所以需要对医疗数据的产权进行界定。产权清晰有利于互联互通。

可以预见，未来人类将离不开“人工智能医生”。那时的医疗已经不是“排队医疗”，而是“二次医疗”、“精准医疗”、“个性化医疗”。(李红梅)