AI+医疗

人工智能落地医疗:重大的现实意义

发布时间:2019-11-21 11:49:54 发布人: 阅读量:

3月28日,北京发生了一件不大起眼的事儿:一个小规模皮肤病肿瘤病理阅片比赛,比赛双方一方是来自北京、云南、内蒙古的医生们,而另一方是国内公司研发的医疗影像人工智能,结果毫无悬念,AI获胜。18世纪开始的大工业化生产替代了手工业,现在机器人也将代替越来越多的替代人类工作。麦肯锡发布的报告认为:到了2030年,受人工智能的影响,将近8亿人会失业。那么医生也会被人工智能取代,因此失业么?

在得到结论之前,必须先了解一下现在很热的人工智能在医疗领域的应用发展到了什么程度。真正能像《生化危机》里的超强人工智能并没有出现,在任何一个领域都没有。一般按照水平高低,人工智能可以分成三大类:弱人工智能、强人工智能和超人工智能。现在所有的人工智能研究都没有突破弱人工智能,包括全球最顶尖的alphaGo,包括深蓝,包括watson。


人工智能落地医疗:重大的现实意义



我国的医疗问题一直停留在“医疗体系效率低下、医疗服务质量欠佳、就医现状看病难且贵”的阶段。公共医疗管理系统的不完善,医疗成本高、渠道少、覆盖面低等问题困扰着大众民生。大医院人满为患,社区医院无人问津,病人就诊手续繁琐造令就医体验极差,这些都是医疗信息不畅,医疗资源分配不均匀造成的。建立一套智能的医疗信息网络平台体系,可以大大缩短就医时间,降低就医费用,享受安全、便利、优质的诊疗服务。从根本上解决“看病难、看病贵”等问题。


人工智能落地医疗:重大的现实意义



医疗影像是人工智能在医疗领域应用热门中的热门,也是相对来说实现条件最成熟。在医疗大数据中,超过 80%的数据来自于医学影像,海量数据是建模的基础。一般做法是:从放射科提取图像;对之进行图像分割、提取图像有意义的特征区域;然后进行预处理、标注,将这些数据交给机器进行训练,训练好的模型就可以帮助医生进行影像辅助决策了。当前流行的机器学习在处理医学影像识别上其实有天然优势,利用数据量以及计算量作为模型驱动力,卷积神经网络(CNN)以及深度神经网络(DNN)等深度学习算法已经超越传统方法的图像识别性能。中国团队在《cells》上发表论文,称其主研发的精确诊断眼病和肺炎两大类疾病的人工智能(AI)工具,它的总体准确度达到了96.6%。


人工智能落地医疗:重大的现实意义



自闭症谱系范畴的神经发育性疾病通常要到孩子几岁时才会被确诊,但那时对患者的干预和治疗已过了最佳时期。近日发表在美国《国家科学院学报》上的一项新研究显示,利用人工智能分析瞳孔变化或心率波动可帮助尽早诊断这类疾病。此前研究发现,自闭症谱系障碍患者的大脑胆碱能神经环路异常,而大脑胆碱能神经环路异常会伴随患者瞳孔自发扩张或收缩以及心率异常。研究人员表示,这种非侵入性且易于评估的方法可成为婴幼儿神经发育问题的筛查工具,用于追踪他们的发育情况。该算法不仅可以为瑞特综合征等自闭症谱系障碍提供早期预警信号,未来也可以用于监测患者对治疗的反应。

综上所述,现阶段人工智能在医疗领域的应用,还只是停留在辅助治疗阶段,距离医生完全被医疗机器人取代,大概还相差几个世纪,但是随着物联网,大数据等人工智能技术的进步,前文提到的老百姓看病难且贵、自闭症的提前诊断等问题都将不再是现代医疗实现的阻碍。


版权所有 © 科智网 京ICP备19044848号-1