【嘉德點評】盡管目前AI在各個領域的研究日趨成熟，但是業內專家指出，AI在醫療領域中的應用可能會率先落地，谷歌就針對于自動診療所開發了一個智能系統。

集微網消息，“人工智能”四個字可以說是近年來的一個代表詞，隨著IBM Waston和AlphaGo人機大戰等事件持續發酵，越來越多的人開始著眼于人工智能。盡管目前AI在各個領域的研究日趨成熟，但是業內專家指出，AI在醫療領域中的應用可能會率先落地。

作為人工智能巨頭的谷歌也開始融入到醫療領域，并且還共享過一個計算機視覺模型。為了增強視覺模型。除此之外，谷歌還開發了一個AI視覺系統，主要用于識別藥物中的蛋白質晶體。

但是醫療用的診療系統，其研發難度還是非一般團隊所能駕馭的，傳統的診療系統包含這些內容：當患者帶著主訴到達時，診斷過程就開始了。在看到患者之前，醫生首先在患者的病歷中搜索患者病史中的相關發現。根據這些發現，他創建鑒別診斷，一個基于每種疾病流行程度排序的廣泛診斷列表。對于為發現而進行試驗(詢問問題、進行檢查規程、訂購診斷試驗等)的決定是基于以下內容的：

1）該發現在鑒別排序最高的診斷方面的有效性(取決于發現對于每種疾病的陽性和陰性似然比(LR))；

2）該發現排除緊急疾病的能力(例如，雖然罕見，但是胸痛患者應當用心電圖排除心肌梗死)；

3）獲得該發現的成本(醫源性風險、資源可用性、及時性等)。

醫生在患者病史的背景下解釋每個新獲取的發現，這改變了每種可能診斷的概率。這個過程發生在每個臨床決定之后。一旦有足夠的發現來支持確定性的診斷(具有低概率替代方案的高概率診斷)，就做出診斷并開始治療。

由于各種原因，上述過程可以是低效的并且不是成本有效的。一方面，醫生可能沒有時間在病歷中搜索患者病史中的所有相關發現，特別是在患者具有廣泛或復雜的病史的情況下。此外，醫生可能難以客觀地解釋每個診斷的發現的相關性。難以快速做出成本有效的、基于證據的決定，尤其是在患者具有復雜的病史或不能輕而易舉地獲得關于不同潛在試驗的成本的信息的情況下。此外，醫生常常沒有時間記錄關于發生的診斷過程的高質量記錄，尤其是在繁忙的臨床實踐或醫院情況下。

為了解決這些問題，谷歌在18年8月23日申請了一項名為“診斷有效工具”的發明專利（申請號：201810965569.X），申請人為谷歌有限責任公司。

根據目前公開的專利資料，讓我們一起來看看這個診斷工具吧。

如圖所示為用于根據關于患者的已知發現的集合評估一個或多個試驗或附加發現的診斷有效性的系統，該系統為包含軟件應用的計算設備12(其可以采用平板電腦、智能電話或臺式計算機或工作站的形式)生成數據，該軟件應用被健康護理提供者用于查看患者的病史并輸入關于患者的病情或癥狀的發現。

該計算機為具有輔助存儲器的計算機，或計算機復合體的系統14存儲經驗證的概率健康模型16，以及從匯集的電子病歷或其它醫療知識源獲知的醫療知識的數據庫18。匯集的電子病歷可以來自一個機構或多個機構，也可以來自借助于20指示的數據流反饋到系統中的電子病歷。

系統還包括基于醫療知識的推理引擎24，其根據患者的病史和發現和經驗證的概率健康模型16進行操作。該引擎被編程以執行若干任務，包括：

1)確定患者的最可能疾病的集合；

2)建議鑒別最可能疾病的集合的一個或多個試驗或附加發現的集合；

3)生成指示一個或多個試驗或附加發現的有效性或相關性的標記，諸如統計數據、文本；

反映這些任務的結果的數據被從引擎發送到電子設備12，以幫助健康護理提供者更高效地管理和規劃患者的護理。此外，該系統還支持基于web的患者界面50，其向患者提供他們可以從他們自己的電子設備訪問的診斷有效性信息。

如下圖為具體的醫生操作界面圖示，可以直觀的看到系統的功能展示。

界面40被設計為通過診斷過程幫助醫生并在過程發生時記錄過程，并提供用于評估所提出的附加發現或試驗的醫療有效性的工具。界面允許醫生通過由醫療知識庫18和推理引擎24提供的幫助來查看患者的病史并輸入新的發現。

界面具有用于顯示醫生可以收集的關于患者的三種類型信息的區域：已知發現、在區域中提出的新發現以及鑒別診斷。

在已知發現部分中，系統根據患者的病史建議醫生用一次輕擊確認或否認的相關事實；在新發現部分202中，系統建議未知的發現，并且可以由醫生(通過詢問、檢查或者下訂單并獲得結果)確認或否認；在鑒別診斷部分中，系統示出具有給定的已知發現和新發現的鑒別診斷，按概率排序。

例如，醫生看到具有主訴“ 乳房腫塊”的患者。他將看到先前已經記錄的相關發現202，諸如“ 乳腺癌家族史”，醫生可以用一次輕擊確認這一發現并將其記錄，這將增加乳腺癌的可能性，因而在鑒別診斷中將其排序更高。

除了醫生操作界面之外，該系統還配備了為患者提供的健康分析結果。

如上圖所示為面向電子設備的界面的健康護理提供者的圖示，包括已知發現500的顯示、最可能診斷502的顯示、用于這些診斷的可能性數據504以及在一列506中建議的新發現或試驗的顯示和對于每個提出的附加試驗或發現的相關聯標記508(諸如例如相關性得分、成本或發現的其它屬性)。

最后，我們再來看看系統中最重要的決策引擎是如何工作的。

上圖推理引擎如何工作的示例的圖示，引擎必須推斷出前兩種診斷(闌尾炎和憩室炎)之間最成本有效的試驗，為了達到這個目的，成本必須與有效性相權衡。

用于每個發現的試驗首先按成本分類，然后按似然比分類，RLQ(右下腹部)可以通過訪談來確定，與確定白細胞增多所需的實驗室試驗相比。因此，引擎推斷RLQ疼痛是用來具體診斷的最佳方式。

以上就是谷歌針對于自動診療所開發的系統，醫療領域除了較高的入門門檻以外，還存在著巨大的商業價值，不可否認，這是國內外巨頭紛紛入局醫療領域的重要原因。從醫療產業發展現狀來看，巨頭們跨界醫療，并非壞事。有著強大的資金和科研實力的科技巨頭們在攪亂醫療這一池春水的同時，也為醫療行業發展帶來了新思路！