在未來世界，建立雲端疾病庫而大量削減普通基層醫生是否可行？

12-02

這個是我在看雲計算的時候突然冒出來的想法，也就是說將所有的疾病建立成一個類似於病毒庫的的疾病中心，並不斷更新最新的病例，在每個疾病之下列出所有可能的癥狀和治療方法。

在這個「雲端」的基礎之上，只需要重點培養頂尖的醫務人員，負責更新和診斷新出現的疾病，或者飛往病人所在地進行救助。其他的醫務人員只需要具備基本的醫學知識即可，按照疾病庫的指示一步一步follow，如果出現不能診斷就及時上報疾病庫由專家會診。至於手術，全部由機器人來完成。

我知道這想法似乎有點扯淡。。於是我想知道它是否可行（當然要在很久以後的未來），如果不可行，為什麼？或者最大的挑戰在哪裡？謝謝~
-----------------------------------------------------------------------------------------------------------------------------------------------
基於下面的回答，我增補幾個說明。

詳細說明一下診斷過程：患者到醫院就診，向醫生描述癥狀，「我肚子疼死了，像內臟都攪在一起」，「拉肚子，基本每天都拉」，「高燒不退」。醫生輸入「XX部位絞痛」，「頻繁腹瀉」，「發燒」。雲端反饋數個診斷（包括需要進一步做的檢查）。於是」操作員「給病人測量體溫，抽血驗血等等，進一步把癥狀量化，最後確診、開藥、治療、住院甚至手術。

請注意，並不是全部過程都由機器人來操作，病人如做選擇題一樣選擇自己的癥狀。另外在此過程中醫生做的只是根據病人描述輸入，得出診斷可能性之後的步驟由」操作員「執行。

削減醫務人員數量這個問題，我少描述了一部分，即醫務人員的質量。

處於雲端的醫生應該是什麼樣的：比如發現」卡普格拉綜合症「的卡普格拉、妥瑞氏症的妥瑞等以從事醫學研究為終身職業的人員，以及有著大量臨床經驗的醫生。而非雲端的醫生，主要以培養基本醫療知識為主，比如至少知道每個癥狀的正確描述方法，根據心電圖轉化成言語的描述等等。從而避免所有醫學生都讀博從住院醫師做起慢慢積累經驗。

-----------------------------------------------------------------------------------------------------------------------------------------------
這問題有點偏離了我的本意，我最想得到解答的，也沒有任何人提到。我已經取消關注這個問題，大家自由討論吧。

這個要看行業的情況。

先要問問：是不是絕大部分人都已經能得到很好的醫療？這個行業的發展前景如何？

比如，Mayo clinic 用了一套系統，可以遠程把 CT 圖以很方便的方式發過來，在 iphone/ipad 上使用，圖像質量比照片要好。

結果呢，地方小醫院的中風病人，就不用直升飛機送到 Mayo 這樣的大醫院了。他們可以在自己的機器上掃描，然後和簽約大醫院的醫生會診，讓病人在自己的病床上得到治療，效果還更好。

這樣，地方小醫院留住了病人，還能收更多以前治不了的，反而可以加大投資，招更多的醫生護士。

同樣，各種所謂的指南，也可以和病歷什麼的聯網，並根據當地人群的具體情況，提出具體的輔助意見。這樣，就讓專料醫生在那些偏遠地區可以治療的病人變多，更有利可圖，結果應該能看到更多在這些地方的投資，讓更多以前得不到及時有效治療的病人也能有機會得到高質量醫療。整個行業就發展了，不僅做數據存儲分析的，做網路的，都有了機會，醫生護士隊伍要擴展到以前達不到的地區。

技術進步，很多時候只會對產業內部進行人員調整，但這並不意味著一定要走掉很多人。

以現在人口老齡化的速度來看，這個行業上升的空間很大，技術進步應該能推動它，反而帶動就業。

－－－－
補充說點資料庫方面。

診療資料庫很有意義的。事實上，現在沒有一個特別好的給醫生用的資料庫。最全的或許是 pubmed，但這個太傾向於學術研究了。一個東西查起來，可能幾頁都找不到跟具體診療相關的，因為醫生是不會去看什麼小鼠研究這樣的結果的，但 pubmed 是不分的。而醫生是要在短時間內對病人做出決定的，這個最多不過 10 分鐘吧。事實上，有個醫生跟我說在 google 上搜比 pubmed 快。

還有一個是，大部分時候，一個醫生不需要查。99％的病都是幾下就確診的，在這方面對資料庫的需要不大。只有極少數病人是要再查的。

所謂數字化醫療，應該是為醫生提高效率，而不是去取代他們。比如一個數字病例，應該能幫助醫生快速的掌握與病人最相關的信息，關鍵上有針對性的信息程現。還是那位醫生，她試用電子病例，上來就寫著這個病人沒做過 lasik，沒做過心臟手術。把她嚇壞了，對她來說，不做什麼，只是把東西寫上去，後面也是有原因的，沒事你不會把這種東西寫上去，而她是兒醫，她的病人都是3－5歲的孩子。結果當然是電子病例用一個模子把所有人所有科室都覆蓋了，效果可想而知。

最終，這是一個技術如何更好的為醫生服務的過程，而不是誰取代誰的過程。

大家回答的都挺客氣的，我來不客氣的說一句吧：不可行。
雖然現在的很多發明，二百年前被嘲笑為異想天開，我還是要頂著目光短淺的帽子武斷的回答一句：不可行。

人不是機器人，你可以儘可能的去標準化，但是也沒法做到像機器那樣的標準化。舉個最簡單的例子，既然要建立疾病庫，根據現在的診療模式，要通過患者的癥狀、體征來判斷，就一個癥狀問題就很難解決。病人說他肚子疼，疼到什麼程度？目前臨床文獻里涉及疼痛的標準化方法是VAS評分，你分成10檔讓病人去選擇，要是我我就不敢選啊，疼痛太主觀了，我怎麼知道是不是符合這個資料庫的標準？要是選擇錯了給我治錯了找誰去？所以，想依靠資料庫來決策診治是不靠譜的。很多回答里也表達了這種觀點。
那麼就利用資料庫來幫助決策，最終決策的還是醫生。如此一來，那資料庫其實就成了一種輔助檢查的方法，最多再加上手術器械的作用。如果是這樣的話，那是肯定不會削減醫務人員，恰恰相反，醫務人員的需求量會增加。現代醫學一直就是新興手段不斷湧現的，有了放射科之後，就相應的增加了放射科醫生這一分科；各種實驗室檢查發展之後，就相應增加了檢驗科醫生這一分科；病理檢查不斷深入之後，就相應增加了病理科醫生這一分科；B超檢查發展之後相應增加了B超醫生這一分科；腹腔鏡技術發展以後，就有相應的醫生開始專攻微創……如果要把新的技術發展起來，就需要投入更加專業的人士，那麼總的醫務人員不是減少而是增加了。就好像100年前，各種檢查治療手段都沒有，醫生門檻不高，醫療費用當然也不高，醫生可以去患者家裡看病，不用太多醫生就能搞定一個社區。現在各種診療手段發展起來了，各專科不斷細化，你不能扛著CT機去病人家裡啊，醫生就待在醫院裡等病人來了，而且看一個病人一個醫生是不夠了，要放射、檢驗、病理等等好多醫生參與診斷治療。
所以，你可以說利用資料庫的手段，可以輔助醫生的醫療活動，提高醫療質量，但是想大量削減醫務人員，想靠機器代替人來看病，我覺得不可行。

其實，lz想像的這種東西，現在不是沒有，比方說產前篩查就有點這種意思。我們根據大量病例的數據，設定好一個可以接受的假陽性率和假陰性率，比方說5%，然後把孕婦一般情況比方年齡身高體重，還有產前篩查抽的血的報告輸進去，就會出來一個染色體畸形的風險比，當風險比低於一定數值後，我們就認為沒有風險，高於一定數值的話，就是高風險，就建議進一步的產前診斷。這種篩查手段，提高了染色體畸形的檢出率，又不增加孕婦痛苦，大大提高了醫療質量。但是，關於產前篩查漏檢的病例並不罕見，知乎上就有類似問題出現過。所以你看，這個資料庫的建立，雖然是建立在標準化數據的基礎上，但是人不能簡單的被劃歸某種標準化的流程，再標準，也是基於統計學的數據，也有假陽性和假陰性，它最終都需要有另外的方法來糾偏，需要醫生最終的決策，比方說再進一步的產前診斷。就是說，這種手段只能是輔助醫生的決策，而不能做最後的決定。同時，又有相應的醫生來從事這種篩查的工作，研究相關數據，這些醫生可能是另一批檢驗科的人，而不是產科醫生了，相比起以前沒有這種手段的時候，醫生的數量是增多了而不是削減。
另外，現在不是沒有機器人手術啊，但還是要醫生操作，我很難想像脫離醫生完全讓機器人來給病人做手術，人體不是機器，器官也不是螺絲釘，臟器解剖部位可能出現變異，可能因為病變誘發新生血管，不能像標準化大生產一樣的讓機器人去做手術，真正操作的還是醫生。

-----------------------------------------------------------------炎熱的分割線------------------------------------------------------------
lz進一步修改了問題說明，那我也進一步說明一下。

經過lz的說明，應該能看得出，這種所謂資料庫，其實只能作為幫助醫生決策醫療的方法，那麼在醫生這裡，就只是一種輔助檢查的手段。醫生看病的思路，是根據病人癥狀、體征和輔助檢查結果，綜合判斷，得出結論，然後根據診斷制定治療方案。這種資料庫，能夠接收的只是癥狀，體征是不行，機器不能代替醫生的手去完成體格檢查，很多情況下，體格檢查也是存在一定的主觀性，體現醫生水平的。然後，數據分析給出的結論，不能作為最終結論，其實只是給醫生的一個參考，就像其他的輔助檢查結果一樣。其實，在綜合判斷的過程中，對於獲取的各種信息——癥狀、體征、輔助檢查的各種結果，醫生一直要保持懷疑的態度，如果出現矛盾，需要重新問診、重新體檢、重新做檢查。對於輔助檢查的結果，醫生不能過於依賴，輔助檢查，只是提供參考。
我覺得，lz對問題說明的過程，體現了兩個問題，也是很多醫生以外的群體常見的誤解：

把人體簡單的物化、程序化，像對待自然界客觀物一樣，或者像對待程序一樣的理解了人體。很多以為醫學應該屬於自然科學的人也是這種誤解，人體很複雜，人是有思想的，沒辦法像機器零件一樣的標準化，所以標準化的資料庫來決策醫療不現實。很多檢驗指標，也都是通過大樣本的統計學得出的，可以看看這個回答：http://www.zhihu.com/question/19881423/answer/13239377 一個指標數值的高低，也不能絕對的說明什麼問題。有些時候，數字是靠不住的，不單單是在醫學上，關鍵應該把握數字背後的信息，這些數字是怎麼來的。
把醫生的醫療活動簡單化，認為醫生就是在通過一些檢查來進行醫療決策。不能否認，現代醫學的發展，很大程度上依賴於一些輔助手段的發展，有了X線以後，你可以清楚的了解是不是有了骨折；有了B超以後，你可以清楚的看到是不是雙胞胎；有了血液檢驗以後，你可以清楚的了解肝臟功能是不是受到了損害。但是，像前面說的，醫生的工作是一個綜合判斷的過程，手裡拿到的報告單，只是輔助決策的一部分，而不是全部。經常會有病人拿著一張B超單跑過來讓醫生看看是出了什麼問題，我都要重新簡單了解一下病史，有時候還要重新體檢，才能有個判斷，你不能把B超當成聖旨。同樣的，如果把資料庫作為輔助檢查的手段，它也只是一個參考。就像前面提到的產前篩查的方法，就是利用了資料庫分析，但是對結果的解讀，要告知孕婦存在漏檢可能，這種篩查不是最終確診的報告，這只是一個概率。醫生不能只當「操作員」，把各種決策醫療都交給機器，至少我是不放心的。醫生需要有自己的專業判斷，即使一個簡單的問診，你也不能病人說什麼就記什麼，變成一個「書記員」，也要經過自己的專業判斷過濾。我看到一張報告單有問題，也只是給我一個提醒讓我警惕會有問題，但是問題怎麼樣，不會完全依賴一個檢查報告。道理很簡單，萬一億萬分之一的概率機器出錯了，誤差太大，這個報告就不能信了。在這種情況下，對醫生的要求不是降低了，而是提高了。過去醫生只要會視觸扣聽體格檢查就夠了，門檻很低，當然不用很嚴格的培養，醫療質量當然也不高。現在醫生還要會分析各種輔助檢查的結果，要求當然提高了，門檻更高了，就需要更嚴格的培訓了，所以就更應該讓醫生都從住院醫師開始嚴格培訓起來。

雖然現在都在提循證醫學，但是不可否認的是，醫學確實是一種經驗學科，在很多臨床文獻中，會提到「有經驗的專科醫生」如何如何，比方說某些手術「有經驗的專科醫生」做可能會風險降低之類的，這種提法其實是沒法循證，你寫文章的地方評價有經驗，我看文章的地方是不是算有經驗呢？這都沒法標準化。所以，即使是在醫學發展的今天，出現了標準化流程，有了各種精密的檢查手段，醫生經驗也依然是重要的一環。而如果摻雜了人的經驗在裡頭，機器的作用就只能是輔助，而對人的培訓也只能是越來越嚴格。

貝葉斯網路 (Beyesian Network) 最早的一個應用就是醫學診斷。上個世紀八十年代，構建專家系統 (利用計算機幫助或取代專家完成複雜的任務) 是一個很熱門的研究領域。人們嘗試了許多辦法試圖實現醫學診斷。相比其他應用，醫學診斷需要處理更多的，也更複雜的不確定性。

1992年，Heckerman 和他的同事設計了 Pathfinder, 來幫助病理學家診斷淋巴結相關的疾病。最終，這個模型包含了超過60種疾病和100多種特徵。這個系統的發展經歷了很多個版本，包括確定性的形式推理，和貝葉斯網路的很多變種。這個系統被用於真實的病例，並且會與病理學專家的診斷結果做比較。

Pathfinder I 是基於規則推理的系統，效果差強人意。Pathfinder II 改用 Naive Bayes [1]，取得了比 I 好許多的結果。Pathfinder III 做了稍許改進，不再會出現零概率的診斷。 Pathfinder IV 實現了完整的貝葉斯網路，50 / 53 的結果與專家會診一致 (Pathfinder II 也達到了 47/53)。準確率幾乎與設計系統地專家相同。

隨後有一些類似的系統取得了很大的成功。比如 M. Pradhan , G. Provan , B. Middleton , M.Henrion, UAI 94 的 CPCS 和 Eric Horvitz, Microsoft Research 的 Medical Diagnosis。

現在的系統不僅能計算出得各種病的概率，加上 Decision Node 和 Utility Node 之後還可以評估各種治療方式的優劣，是否需要更多的檢查。利用歷史數據學習模型的結構還可以學習到新的知識，下圖利用歷史的數據，幾乎自動重建了我們對這些基因幾十年的研究成果。

但這種診斷系統暫時沒有得到廣泛應用。從技術方面講，有以下幾個原因：

模型的參數數量是節點 (疾病加特徵) 的指數倍，需要很大的努力把參數數目減至可控。
模型推斷的運算量也是節點的指數倍，雖然有一些效率更高的的演算法，但這些演算法對模型的結構有特殊的要求，限制了應用範圍。
模型參數的學習需要大量的數據。
模型結構的學習也需要大量的數據。

不過基於貝葉斯網路的診斷系統在短短20年的時間裡已經有了這麼大的進步，我不會懷疑幾十年後計算機能夠取代基層醫生的位置。
------------------------
之前有看過微軟研究院用 Kinect，語音識別，圖像識別和概率圖模型做的兒科疾病診斷系統的演示，一時找不到了，等找到了在不上。

存儲的應該不是疾病，而是人的狀況。對於醫療更有好處。
比如我國很多藥物指南診斷指南都跟從歐美，但是實際上我國的疾病譜，正常標準，對藥物的反應等等都有和歐美人不一樣。如果能夠通過信息化把這些資料收集起來，對於疾病的診斷和治療會有很大的幫助。
但是僅通過機器來進行診斷，也許要等到基因完全被人類所了解的時候，到那個時候，受精卵階段就接受各種檢測，有疾病基因的直接處理掉。
既然是未來世界，這樣的事情可能可以發生吧。不過我國的現狀是醫療人員還遠遠不夠，在那樣的未來世界來臨之前還是增大對醫療行業的投入對普通人比較好吧。

我的立場是可行！但是要經歷漫長的積累和摸索。
首先，循證醫學的地位在現代醫學的發展過程中逐漸取代了經驗醫學，在今後將成為主流趨勢。而且對於疑難雜症的個體化治療也成為今後發展的方向，在廣泛的國際交流中，疾病的診斷治療方案也日益規範化。我們可以大膽的暢想，在未來幾百年，人們手持個人健康信息晶元，來到任一家醫院，經過雲端疾病庫查詢，得到及時正規的診治。
誠然，完善建立晶元需要數以萬計的基礎醫學研究，例如建立個人的基因信息庫，包含本人可能易患的疾病；家族病史、既往史、用藥使等等一系列個人信息，為醫生及時準確診斷提供便利，從而實現個體化治療。
雲端疾病庫應該是循證醫學的級終產物，它囊括了各種疾病的診治規範，是長久以來個研究學者通過臨床研究和meta分析總結而成的結晶。每一個患者來到醫生面前，提供所有個人信息，雲端資料庫將為其選擇最佳診治方案。不過，這個資料庫應該是和病毒庫一樣，定期更新完善，糾正誤區的。
希望醫學的飛速進步使得這一目標儘早實現。

作為業內人，似乎應該用某種不經意的方式來做個否定回答。但是我還是認真一點好了。

這個願景某些方面是符合發展方向的，同時帶有致命錯誤，不可能完全實現。

循證醫學是因應信息爆炸現實，解決及時應用醫學成果，加強技術溝通而形成的一套方法。因此自然而然便於電子化。但是，這並不能代替人的作用。尤其是看病分析的部分。你設想的這一類系統準確的名稱是「醫療決策支持系統」。它可以解決標準化治療和技術及時推廣的問題。

匿名提到的責任問題，還有人文關懷問題，是醫生另一個不可替代的方面。這種系統的價值，還是在於減輕勞動強度，讓合格的醫生能夠可以看更多病人。

這樣的系統成功了，也只可能稍微減少醫生的需求，但是其他輔助人員會增加。大幅度減少是不用指望的。

================================
以上是不太過於將問題複雜化的部分答案。要按前幾位的討論方向，必然會往哲學去的。

我覺得對這個問題樂觀的幾位，根本出發點都是認為電腦可以代替人的作用，至少在醫學這個學術範圍內是，畢竟醫學不過是人類智力活動的一小部分，不是嗎？

我同意電腦在很多方面勝過人腦，尤其是在精確性、信息量、運算速度等等方面。但是，到目前為止，電腦還沒有任何能夠進行創造思考的跡象。而我認為在現有的這類運算裝置基礎上是不可能完成創造性運算的。這是我能夠理解的哥德爾定理的涵義－任何形式系統中必然存在其不能證真亦不能證偽的命題－因此需要人來介入。

從上一個論點出發，可以自然得到「醫療決策支持」是這類系統所能達到的最高目標這個結論。

那麼如果大家都認同這個結論，是不是就可以認為「醫療決策支持系統」「能夠大量削減醫務人員」呢？

這一部分問題要從兩方面分析：
1. 你指的醫務人員是哪些？
如果你指的是醫生，那麼合格的醫生從來都是稀缺資源（我認為自己也只是在很小的範圍內合格）。本來就不多，能削減多少呢？如果是指醫療系統當中的其他人員，你覺得病人在醫院裡會願意大部分時間對著機器嗎？人文一點，搞個人來按機器指點辦事？那麼人又少的了多少？

2. 醫療決策過程中需要人的部分有多少？創造性的部分有多少？
你可能會認為這部分很少，醫療過程不是創造過程，大多數時間不需要創造性思考。臨床指南能夠解決很多問題，但是病人會按指南生病嗎？指南規定的部分是不是不需要分析就可以套用呢？即使是，還有很多要人來輸入電腦的部分。還會有很多需要大量訓練才可能勝任的工作，比方讀片診斷，比方治療操作。這樣一來，人又能少多少？

我不否認「醫療決策支持系統」的價值，相反，它的價值非常大，但有些目標是必然實現不了的。「大量削減醫務人員」是最不可能的一部分。

我認為有實現的可能性，雖然聽起來有點異想天開，理由如下：
如果資料庫足夠大，那麼對於一個或者一組臨床癥狀，從資料庫分析就可以得出類似這樣的結論：1、A病可能性70%，2、B病可能性16%，3、C病可能性10% 諸如此類的，那麼電腦程序會挑出最可能的一個疾病來做診斷。實際上，這個決策過程和醫生診治的思維過程是類似的，醫生對於疾病的判斷，當可能為某幾種疾病的時候，會先考慮可能性最大的那個。如若不是，依次考慮可能性小的。只是一個人的思維沒有這樣量化而已。
當然也存在一些問題，最關鍵的問題在於病史和癥狀的採集，首先，患者並不能很準確地描述自己的癥狀，而機器要採集癥狀和體征是比較困難的。其次，病史的信息具有較大的模糊性，對於模糊數據的準確提取和把握也是一個難點。
而收集了足夠的信息以後，做出診斷決策的任務，我認為電腦還是可以勝任的。
對於前面有人提出來的醫療人員安置問題，其實如果有這樣的電腦了，那麼已有醫療工作者可以參與到系統的製作和完善中去，之後醫療培育系統作出調整，減少這種可替代醫生的培養，留下一些難以替代的比如外科醫生的培養就可以了。

我覺得非常好。但是問題同樣存在。
1.海量的醫務人員的就業怎麼辦？
2.人對於自身的病症的感知、自檢存在主觀性，所以可能導致誤診和漏診，責任誰來承擔
3.該完成那些檢查，怎麼選擇，怎麼執行？

500年我說估計病都不用看了，絕症？我給你換個身體。那個時候不說全部，但是幹細胞修復和克隆器官（我還沒說逆天的納米機器人）就足以搶掉現在醫學大半生意了，對於有些病估計連成因都不用知道就能治癒了，直接釜底抽薪。那時候醫學都未必是現在的樣子了，更不用說診療了。

但是如果建立在現在的醫學體系（我覺得用不了100年就會翻天覆地）和診療來推斷的話，我怎麼覺得都沒說到重點……「只需要重點培養頂尖的醫務人員，負責更新和診斷新出現的疾病，或者飛往病人所在地進行救助。」……這點是這個想法的死穴啊，頂尖的醫務人員即使在現在醫生比樓主設想的情況多，而且不用飛來飛去的情況下都是一個個忙不過來了，到了樓主設想的情況中必然需要更多更多頂尖的醫務人員，而頂尖的醫務人員並不是光物質投進去就夠的，還有時間和一些其他因素（比如天賦，比如時間），結果必然是頂尖的醫務人員大量緊缺啊。各位看看身邊的醫生，或者如果有朋友學醫，學會準確分辨描述各種癥狀就不是」僅僅「兩個字可以描述的，而好醫生出色的也不僅僅是診斷，用藥，預後什麼的也都要靠他們的。其實無論是所謂」基礎醫生「需要的學習程度和」頂尖醫務人員「的重要性都被低估了，遠程醫療其實只有在診斷不會馬上死的病的時候才說得上（無論是現在還是將來），但是一個病會不會馬上死不是一個普通醫生看得出來的（另外我還沒說重傷，事故，急救呢），為何現在都要擠著去好醫院，因為在第一時間被好醫生看到的可能性更高，而一個好醫生在第一時間的快速反應和決斷也是資料庫比不上的。

毫無疑問是可行的。而且根本用不了500年：關於雲病歷，理光還是哪個公司已經有投入商用的解決方案了。

醫生的答案不一定靠譜。是由他們屁股的位置決定的。

遠程醫療是日本一些公司一直大力發展的領域。個人的雲端醫療資料庫僅僅是基礎。

在雲端病歷的基礎上，遠程看診等也在推進當中。甚至，我沒有記錯的話，遠程手術也已經有成功的例子了。

至於用機器代替醫生無疑是樓主想偏了。
目前看機器主要用於遠程傳輸各種信息，從病歷，化驗結果到患者的實時影像。同時，建立資料庫，提供建議輔助醫生決策。最終的重大判斷，應該仍然會依賴於人。

不過，醫務人員的大幅減少是有可能的。
因為遠程醫療體系和雲病歷和醫療決策系統的建立，會大大提高醫護人員的效率。

病人不受地域限制意味著他們能更有效分配給正確的醫生（高水平的醫生不會把時間浪費在治療感冒上面）。
醫生也不會被派到偏遠地區卻無所事事（為了保證偏遠地區的醫療水平，日本現在有類似的機制）。
同時，遠程會診意味著醫生能更高效和準確的做出診斷。
而電子化的診斷數據也讓診斷的評審和監督更加容易（庸醫不再那麼容易混了）。
輔助醫療決策的系統可以調用無數的病歷和診斷，能彌補醫生在細節和廣度上的不足，一定程度上抹平水平的參差不齊，提高診斷的速度和準確程度。

最後，我的答案也可能不太靠鋪。。。這也是由我屁股的位置決定的。

如果都像克里夫蘭心臟中心那樣流水化作業，可以採用大量的手術機器人，但是人做一個獨立的生命體，更需要的心理的關懷，同樣一個手術，如果醫生的態度冰冷，病人康復也會滿，充滿愛心的醫生，給病人的是那種希望感

個人臆測一下：你的這個想法的目的就是降低成本吧
看過羅振宇的一個講座，具體在哪個網頁上找不到了，就憑記憶給你寫下吧
美國的一個公司做的，而且是美國本土企業，但是做到了世界五百強
一每個社區都有診所，診所來給病人采血。
二將病人的血液通過快遞公司郵寄給本公司，本公司用先進的設備，專家團體來檢查出到底是哪裡的病症。
三公司與地方醫院聯盟。每個病人都有一個電子信息記錄卡。當公司的專家團查出病症，就會聯繫地方醫院和病人
四病人去地方醫院做些簡單的望聞問切，和專家團所說額基本符合，然後採用專家團開的葯，或者治療方法。
流程完畢
不一定非得需要網路或者人工智慧才能完成一個問題。

IBM之前不是做了沃森診療機器人了嘛，其實我本來也要參與一個診療機器人項目，後來。。沒有後來了。

醫生手術做砸了，可以吊銷執照追究民事責任，必要時追究刑事責任，只是這個醫生倒霉
題目里描述的疾病庫手術做砸了，怎麼搞？程序bug把一批人治死了，怎麼搞？一個不小心，網路癱瘓了，怎麼搞？沒法搞啊……把計算機環境的穩定和在庫病人的生命聯繫在一起，這聽起來，能讓人放心嗎……

如果不直接參与手術和處方開具，我想這是很可行的，現在中國在搞醫療聯機系統，就是把病歷、病症、診斷和療效都集合起來，就像以前搞財務信息化一樣，由手工處理海量數據轉為計算機處理，可以成指數級的提高信息流通，最大的好處就是醫護信息趨於對稱，避免大中城市過多佔有醫療經驗而無法有效傳播

這個想法並不扯淡，只是太超前。

你可以先看看這幾個關於循證醫學的專業回答：http://www.zhihu.com/question/19966108
根據我的粗淺理解，循證醫學的主要意思就是，把醫生們臨床觀察、實踐的經驗進行一些標準化處理，然後彙集分析，從而發現一些通過個別案例看不出來的規律。最後把這個規律固定下來，回頭指導醫生們的診療活動。

在循證醫學的基礎上，會產生一個叫做臨床路徑的東西：臨床路徑（Clinical pathway）是指針對某一疾病建立一套標準化治療模式與治療程序，以循證醫學證據和指南為指導來促進治療組織和疾病管理的方法，最終起到規範醫療行為，減少變異，降低成本，提高質量的作用。
就是循證醫學發現規律以後，形成一套科學的、固化的操作流程，然後以臨床路徑的形式去指導診療。

如果真的有了臨床路徑，一套發現疾病、總結探索、標準化治療的體系就基本成型了，通過IT系統來慢慢實現它只是遲早的事情。
這個遲早是什麼時候？我記得基於電子病歷的臨床路徑研究已經列入了衛生系統十二五規劃。算是已經在探索雛形了。

當然，即便這一切真的實現，也離完備的疾病庫、機器人做手術還有非常非常大的距離。但是很明顯，就是這個方向。

如果大家能意識到一片強大的雲後台會對我們的醫療服務有多麼巨大的幫助，想必就不會太介意其他一些細節困難了。

未來一定是可行的
因為基層醫生大多也沒有高超的技術和豐富的經驗他們也不過是把你的病狀拿到大腦里的資料庫里進行比對而已就像肚子疼難道醫生替你感覺一下有多疼然後用vas分級一下?

尤其是中國,看過病的都知道,要是小毛小病排了半天隊過去就是被醫生糊弄糊弄,皮膚病這種一眼就看得出來的就不去說了.你要是頭疼肚子疼腿疼感冒發燒,醫生都懶得理你,要麼叫你去化驗,要麼就是根據可能的情況開點葯.

田醫生說數字是不可靠的,不能信賴資料庫的判斷. 但我覺得數字才是最可信的,就算是醫生也不具備什麼超能力,也是根據病人的癥狀和檢驗結果才能做判斷,問題在於怎麼把病人的癥狀量化再輸入到機器進行判斷.

問題在於倫理上:如果出現誤診有誰負責以及技術問題.
現在的技術還做不出這樣的產品.

至於臨床手術,更加可行了,現在已經有不少機械臂式的手術機器人. 醫學上所有的東西都是理性的, 終有一天機器可以代替人類來做判斷. 現行的醫療模式完全仰仗醫生的經驗,要是出了情況醫生沒有處理的經驗不就完了?

人終究有局限性,機器的未來的可能性是無限的

1、500年實在太過遙遠，神仙也難料定500年後會發生什麼。或者那會兒我們都搬出太陽系了呢？所以討論還是限定在「可以預見的將來」比較合適。

2、在我看來，各種醫學會組織編定的疾病診療指南在某種意義上實現了雲端疾病庫的功能。但是標準化診療指南的推出，並沒有削弱一絲醫生在疾病診療過程中的地位和重要性。這就像哪怕再詳盡、科學的藥品說明書，一定會告訴你遵醫囑永遠是第一位的。所以我覺得，在可以預見的將來，看不到AI取代醫生的可能性。

基本是不可行的。人的個體差異很大，疾病的變化也大。僅僅作為雲端資料庫所採集的數據和臨床上千變萬化的數據相比，是在太不對稱了。在基因醫學研究未取得臨床上的全面突破前，以資料庫的模式來對待臨床問題是誤人誤己！

我認為該問題和＂如今電子書暢銷但紙質書仍不會被淘汰＂＂網路教育、公開課如此發達但仍需要學校教育＂是一個道理。特別是醫學更偏向於一種人文學科，僅靠電腦卻缺少了人與人之間的溝通。在倫理問題上會捉襟見肘！

這類問題同人類能否將來被機器人所取代有"異曲同工"之效，但人類疾病種類之多，病變不同階段變化之多端，病因之多種可能，人體人種體質之差異怎能是這麼容易就能診斷與解決的呢，所以答案是不可能。