在席卷全球的大型公共衛生事件中，我們看到了人工智能技術的潛能。阿里巴巴的人工智能診斷工具能在20秒內識別新冠疑似案例，僅為醫生通常所用時間的六十分之一，準確率達90%以上。

人工智能在醫療領域的應用現狀如何？未來人工智能還將如何給醫療領域帶來深刻變革？今天，我們回顧 Airdoc的副總裁 張京雷先生在 JIC講堂的講座，了解人工智能如何在醫療領域輔助診斷，并發揮其獨特作用。

以下內容根據講座速記稿整理概括

醫療，是目前人工智能應用市場上能夠排進前五位的領域，其前景值得展望。在醫療行業中，很多東西都需要靠經驗和時間的積累，而這些又恰恰是容易被人工智能取代的。

今天我們要討論的是 醫學診斷。診斷是醫療中一個非常重要的過程，但在中國，醫生診斷的準確率可能低于30%。因為很多時候病人給予醫生的信息不夠充足，而診斷本身又是一個簡單、重復性很高，卻又非常依靠體力和時間積累的工作。

中國醫療服務市場現狀

首先，我們面臨 醫療資源嚴重不足的狀況。我國人口比較密集的區域占據了全國80%的人口，而醫院則集中在比較大的省市。比如，西安有約30家三甲醫院，但是像甘肅或西藏可能只有兩三家三甲醫院。即便不考慮人口，這在某種程度上也反映出其中的不平衡問題。

據數據調查顯示，每天從全國各地到北京去看病的人口數量高達70萬，給北京的醫院造成了壓力，也加重了北京市民的看病壓力。況且對于西北、東北、華北地區的人來說，去北京要比去上海方便，更容易獲取醫療資源。病人到北京看病基本上都是自費，無法報銷，這對政府造成的壓力并不大，但也就意味著病人自身的壓力會很大。

第二， 中國社會的正快速走向老齡化。中國有大約有2.2億60歲以上的老年人，這個數字在逐年提高，且速度日益加快。到2050年，也就是30多年后，中國會成為世界上老齡化最嚴重的國家——大約有5億老齡人口。這個龐大的數字背后是政府、醫療以及整個社會的巨大壓力。在人口老齡化嚴重的日本，70歲的老年人仍舊在做出租車司機。不遠的將來，中國也可能會出現這種情況。

在此，我們講到一個詞——NCD，即慢性非傳染性疾病，包括高血壓、糖尿病、動脈硬化等等。它們不能被治愈，但也很少有人會因此喪命，然而這些慢性疾病可能會陪你一輩子。我們曾在一個給都市白領做的健康篩查中發現，白領人群中存在青光眼和動脈硬化的數量遠遠超過了政府的流行病調查數據。

第三， 基層醫療服務不健全，專業醫生特別缺乏。以眼科醫生為例，全國專業的眼科醫生約有1000人，意味著一個醫生需要治療一百三十萬人。調查顯示接近一半的病人都在社區中，而好醫生大多集中于大城市、大醫院。很多基層社區沒有專門的科室、專業的醫生，甚至更沒有專業的相關設備。

醫療行業大概有以下一些特點或者挑戰：第一，醫療是低頻行業，大多數人不可能在一年中頻繁地出入于醫院；第二，信息量不平衡，病人與醫生在溝通之中的信息流是非常不平衡的；第三，醫療時間問題，疾病的突發毫無規律，醫療服務的流程卻難以估量；第四，技術專長，每個醫生都有自己特別狹窄的技術專長，比如說神經外科醫生是沒辦法給病人做闌尾炎手術的；第五，醫療需要多科室配合，這也是人工智能現在的難點，例如屬于內分泌科的糖尿病病人必須依托于眼科的醫生和技術，而很有可能這兩個醫生是毫不相識也毫無交流的；第六，中國很少有家庭醫生和全科醫生。

但是，現在很多醫生碰到的問題，將來都可以通過人工智能來解決。而醫學影像的十大方向分別為：醫學影像教育工具、手機拍照結合算法診斷、消費級影像設備、醫學影像3D建模與打印、醫學圖片交流社區、云端PACS、影像3D可視化、便攜醫用影像設備、專業影像自動算法分析和遠程影像診斷平臺。

醫療人工智能輔助醫療診斷

人工智能應用在醫療領域并不是一個神秘的東西。醫學軟件的開發與人工智能相關，計算機只要輸入資料等信息，就可以開發出有370年經驗的醫學軟件，這是人類醫生無法企及的。另外，在一些精密手術中，機器人的操作會更為精準。CT、核磁共振等醫學影像，由于存儲空間和傳輸的限制，醫院無法為每位病人都保存他們的檢測結果，技術的發展可以完善這一點。

1.醫療人工智能綜述

人工智能其實有六個階段、七個重要的領域。Airdoc現在的領域正是醫學影像，這也是人工智能的熱點。因為在醫生的診斷過程中，決策有一半依靠影像或者是化驗結果等數據化的東西。

醫療人工智能，當然不僅僅局限于影像領域或者大數據決策系統，它也可以幫助醫生做一些簡單的、重復性的工作。例如，寫病歷、檢查老年病人的病情等，以及幫助醫生掌握一些難以掌握的東西，如ECG（心電圖）等。在查房和寫病歷時，醫生可以通過錄音和語音轉化來提高效率。在計算機視覺方面，Airdoc目前正在和上海的一家上市公司合作進行研究，試圖通過在診室內安裝攝像頭的方式來獲取病人的步態、臉色和神情，給醫生一些簡單的提示和疾病的預估。在人機交互技術方面，現在的計算機無法模擬人的感情，但在將來也許可以逐步實現。現在很多醫院有導引機器人，它的作用就是幫助你判斷掛什么科室，盡管存在局限，但這些也會慢慢改進。

人工智能還在家庭醫療和藥物研發方面發揮著獨特的作用。很多發達國家有家庭醫療機器人，它們可以提醒老年病人定時服藥，做簡單的數據傳輸和監測，以及根據病癥提醒病人及時就醫等。在藥物研發上，人工智能還可以大大的節約成本。

最后，人工智能可以促成病例結構化。以IBMwatson決策支持系統為例，該系統總結歸納了很多醫學，特別是關于腫瘤和基因方面的信息，以達到數據分享的效果。

2.影像識別的技術原理

影像識別技術，簡單來說是通過深度學習實現的。對于很多難記的東西，人們往往會選擇死記硬背，這也意味著缺乏相應的理解。像很多細微的病灶小到肉眼無法識別，但可以用計算放大并識別疾病的位置，再標注出來。這些智能性的行為跟人類的決策也很類似。

影像識別技術現在有第三方研究中心，也許在未來，人工智能會推出影像醫生，以及全面的AI化，診室里除了電腦、筆、設備之外還會有一個機器人輔助看病。

3.AI影像識別的應用案例

據官方數據顯示，中國當前有1.14億糖尿病病人，而糖前病人（指的是將來有可能會得糖尿病的病人）更是高達5億人，這個數字意味著每10個人中就有一個糖尿病病人。中國成了除印度之外，糖尿病人最多的國家，而糖尿病會增高整個社會的醫療成本。一般來說，一個被確診的糖尿病患者每年的醫療成本是一萬元，當這個數字乘以1.14億，整個社會的醫療成本會變得無法簡單估量。此外，糖尿病的知曉率很低，在一些大型城市也僅是約30%，一些偏遠地區甚至可能更低。

還有一種疾病是黃斑變性。黃斑是眼睛成像的區域，從每天早晨睜開眼睛到晚上入眠，十幾個小時中黃斑一直在不停的工作。身體中20%的血液供應給了大腦，而大腦的體重只占約身體的的1/20。而在供應給大腦的20%的血液之中，至少有二分之一供應給了眼睛，它是最消耗能量，也是工作任務最重的器官。醫學調查還顯示，黃斑本身也是一個細胞，因而人體機能的老化、以及糖尿病等疾病還會導致它變性，不加以治療的病人有80%的概率會失明。

聯系前述的深度學習，一個人工智能醫療有著370年的經驗，甚至可以高達760年，那么它對病人的眼底照片觀察效率就很高。眼底是觀察慢性疾病的良好窗口，心臟可以移植，眼睛卻無法做到。當前醫學能夠通過眼底來識別的疾病包括：視網膜的病變、青光眼、還有動脈硬化以及視網膜阻塞等，但這些問題都是可以通過及時就醫解決。

1970年時，世界衛生組織曾認為糖尿病很容易就能被攻克，但直到現在糖尿病仍舊難以控制。這其中最主要的原因是糖尿病病人早期沒有癥狀，而一旦被發現就需要立刻控制高糖食物的攝入量，以至于干擾生活，造成各種各樣的苦惱。

其實，餐前血糖是動態的，不同時刻測試的血糖和身體真正的血糖變化是有差異的。不同的人吃不同的食物，血糖反應也不同。有人吃一些高糖食物血糖變化很小，但吃一些常見食物反而變化很大。所以對糖尿病病人來說，血糖是非常難以管控制的，而人工智能在這個方面能做得更好。我們公司也在測試雅培的設計，設備連上以后連續14天，每天發一個數據到APP里面。14天是十幾萬的數據，對醫生來看是非常困難的，但卻是人工智能的強項。

人工智能技術對于政府、保險公司、藥廠以及醫院都是利大于弊的。2017年，科技部給了BAT各家的技術，百度做無人駕駛汽車，騰訊做醫療，阿里做智慧城市等等。那么為什么政府會扶持人工智能在醫療方面的這些應用呢？是因為政府發現人工智能技術可以使得很多疾病在早期就被發現，從而可以大幅度地節約社會醫療成本。

醫療人工智能應用前景展望

醫療人工智能方面存在一些有待商榷的問題，首先要考慮的就是醫生和病人對人工智能的接受程度。很多患者在就醫的時候并不在乎是否運用了人工智能的技術，只在乎結果。第二，誰來買單？人工智能是否可以幫助政府降低人工治療的成本？又能否降低費用？ 第三，人工智能由于全球化發展涉及到法律法規方面的問題。醫療必定會涉及到法規和數據，而全世界的任何國家都規定，其所擁有的數據是不能離開自己國家的。

在商業模式方面，在醫療鏈中我們對 人工智能技術進行 逐步引進和擴大應用。當前的醫療系統中有兩個重要角色，一個是患者，一個是醫生， 在調節醫患關系上，人工智能技術也有非常大的應用前景。此外，人工智能也滿足了醫生 的角色訴求，可以提高醫生的工作效率和準確程度。一百年前，上述的一系列眼底疾病都被歸結為一種病——視力喪失，但是今天的技術讓我們看到并非如此簡單。也許百年后的人類回頭看現在，也認為如今人類所掌握的醫療水平遠遠不夠。