未來AI（人工智慧）可能會替代醫療行業的哪些工作？

01-07

比如說類似於醫學影像技術醫學檢驗技術這類的專業未來還有存在的必要嗎？

我對人工持樂觀態度既機器取代不了人。不可否認人工智慧會提高速度，效率甚至準確性和重複性都比人工要好。流水線確實讓人驚嘆不已，一堆標本從分類到離心再到上不同的機器做不同的項目，出結果……從工作到現在我最愛乾的事就是看機器一步一步的工作，感覺太奇妙了，每一步都有它自己的程序，這個臂加標本這個臂加試劑一，混勻，另一個加試劑二，混勻，然後反應杯一個一個的轉，機器再一個一個的洗或者扔，一步接著一步，也不會亂，不會這個臂碰到另一個臂……它還會自己推片，自己染色，自己選擇培養皿自己劃板，自己鑒定。它推的片子是標準的舌頭，頭體尾分明，它染的色不會深不會淺，它劃的線每區都經過精密計算，還不會爛等等都讓我自愧不如。甚至現在都有自帶顯微拍照系統的儀器能使我們的鏡檢率下降。但我還是覺得機器取代不了人，先不說壞了的事。單單它認片子本事實在是不敢恭維。我現在在做血常規，我判斷機器的狀態不僅是質控沒問題還有儀器和人工鏡檢相差不大。白細胞計數，紅細胞計數，和五分類我都會人工和機器對比。也可能是技術沒有達到足夠的水平，機器的原理改進的有一天做出的結果會比人更準確（特指認細胞一類的工作）。我想那一天到來的時候我們應該還有其他的事可干吧！

說句題外話不曉得人工智慧贏了比賽有什麼意義，勝利的喜悅它有嗎？失敗的失落它有嗎？徹夜研究棋譜的經歷它有嗎？對競技的熱愛，對興趣的追逐這些感受它有嗎？人是一棵有思想的蘆葦這句話真的值得深思啊！以上

――――――――――――――――――――――

我似不似又跑偏了，總結一下我覺得有存在的必要啊！

雖然還說不上完全取代，但是AI+人工智慧已經在很多方面能夠幫到醫生以及患者。

一、智能醫療機器人

智能醫療機器人主要指用於外科手術、功能康復及輔助護理等方面機器人。

世界上最具代表性的外科手術機器人——達·芬奇手術系統，擁有一套三維成像系統和四支靈活性遠遠超過人類的機械手臂。在這套系統的幫助下，醫生能夠顯著提高手術的精度和穩度，有效減少對患者身體的創傷。機器人的應用也使得遠程手術成為現實。

二、智能藥物研發

智能藥物研發的底層核心是知識圖譜，其實質就是將來自實驗室的理化數據、各種期刊文獻中的研究成果、以及各種開放醫療資料等原本沒有聯繫的數據連通，將離散的數據整合在一起，從而提供更有價值的決策支持。

2015 年，美國矽谷公司Atomwise基於現有的候選藥物，應用人工智慧演算法，在不到一天時間內就成功地尋找出能控制埃博拉病毒的兩種候選藥物。

三、智能診療

智能診療融合了知識圖譜、自然語言處理、認知技術、自動推理、機器學習、信息檢索等技術，通過假設任職和大規模的證據搜集、分析、評價，從而給出診療判斷。

在智能診療的應用中，IBM Watson是目前最成熟的案例。它可以在17秒內閱讀3469本醫學專著、248000 篇論文、69種治療方案、61540次試驗數據、106000份臨床報告。2016年，Watson在日本曾診斷出一名60歲女性患有罕見的急性骨髄性白血病。

四、智能影像識別

智能影像識別指運用人工智慧技術識別及分析醫療影像，幫助醫生定位病症分析病情，輔助做出診斷。

貝斯以色列女執事醫學中心（BIDMC）與哈佛醫學院合作研發的人工智慧系統，對乳腺癌病理圖片中癌細胞的識別準確率能達到 92%。

五、智能健康管理

智能健康管理主要通過體檢報告、電子病歷、可穿戴設備、智能手機等方式收集用戶身體狀況的相關數據，提供分析報告及健康管理建議。

健康管理平台Welltok，運用人工智慧技術分析來源於可穿戴設備的 Map My Fitness 和Fit Bit 等合作方的用戶體征數據，提供個性化的生活習慣干預和預防性健康管理計劃。

六、智能語音

智能語音主要用於輔助醫生書寫病歷，提升醫生工作效率。

調查顯示中國50%住院醫生每天花在寫病歷的時間約為4個小時，科大訊飛智能語音系統能在醫生和護士、患者交流的過程中，由人工智慧系統自動過濾掉無用信息，將所需的醫療數據自動轉換成文字，並形成結構化電子病歷。醫生只需對電子病歷內容進行簡單修改確認，即可列印提供給患者，並完成電子檔保存。

七、智能就醫搜索

智能就醫搜索是指針對特定就醫需求，提供高質量、專業化、智能化的信息檢索服務。

跨境醫療公司康安途，通過深度挖掘約2700萬篇科研論文和各類資料，將各國的新葯進展、醫療價格、發病率、醫保覆蓋等指標進行分析，建立全球醫療信息大資料庫，搭建人工智慧平台，為患者篩選性價比最優的醫療諮詢方案。

八、智能醫療導診

智能醫療導診主要利用智能問答系統（AIJust）幫助患者解答挂號、繳費、科室分布等常見問題，引導患者順利就醫，提升醫院導診諮詢的壓力。

在國內，科大訊飛、百度、智慧思特都在積極探索智能醫療導診的相關服務。在國外，醫療機構利用Medical Graph圖譜分析對病人做出迅速、有針對性的判斷，從而使病人分診時間縮短 30%-40%。

在醫療行業，人工智慧可替代的崗位和其他的並無太大差別，重複性的工作，資料收集整理工作，諮詢服務類的工作，引導類的工作，更體力服務性的工作。但是診斷和診治還是無法替代醫生，不論是經驗層面的原因，還是倫理層面的原因，都無法客服。

Tableau Public

麥肯錫做的人工智慧在未來最有可能替代的的職業，很細很全，應該有醫療行業下的子類吧

懶，誰找到了列個表，我再來改答案，，

人工智慧（AI）或許是近些年來最熱的詞之一了，從接連打敗李世石和柯潔的Alphago，到Amazon、京東、小米競相推出的智能音箱，再到Uber、Google和百度都在研製的無人駕駛汽車，我們都能感受到人工智慧切實的來到了我們周圍。

在醫療領域，人工智慧的發展也是如火如荼。機器人診斷眼底病變圖像優於人類醫生的研究論文登上了頂級學術雜誌，IBM的Watson機器人醫生正式進入中國服務病患，眾多的影像輔助診斷軟體也正在興起，無怪乎有人放出豪言：未來30年內醫生將要失業。

那麼問題來了，人工智慧會取代醫生嗎？

我認為無法完全取代，但會給現行醫療模式帶來不小的衝擊。

人工智慧會對醫療帶來怎樣的影響

人工智慧會對醫療領域帶來怎樣的衝擊，其核心問題是「AI能夠在多大程度上幫助/替代醫生作出正確的醫療決策（包括手術中的操作決策）」。人工智慧時代的醫學，是醫生的腦決策功能逐漸被延伸的過程，但從倫理學角度上來說，機器人或者AI是作為輔助手段，並非醫療活動的主體，人類仍然掌握著最終的實施權。

醫學之所以複雜，是因為其本質是一個「決策樹」，也就是「在每一步都要根據現有掌握的信息去判斷可能的方案，評估優劣後再進行選擇」。現代醫學已經從早年的「經驗醫學」向「循證醫學」進行了轉化。在絕大多數醫院，醫生作出診療決策時，不僅僅只是依靠個人的經驗，更要綜合考慮了醫學指南、最新臨床研究等臨床證據。但是，醫生的經驗多少，與所在的醫院大小，工作的年限多少等等都直接相關，故而存在極大的不平衡性。「作出最佳的醫療決策」，對每一位醫生而言，都是終身學習和奮鬥的目標，也是一個極大的挑戰。

但對AI來說，「做決策」這個過程是可以被逐步分解、細化並加以模擬訓練的。哪怕最難的手術，都可以根據手術步驟和每一步可能出現的問題、發生概率、處理對策等等進行分解，進而加以模擬和訓練。由於作出決策需要提供多個參數，因此這個訓練時間可能很漫長，但AI是有「主動學習」的特性的，經過這樣訓練後的AI，它作出的醫療決策建議，不亞於一個經驗非常豐富的老專家。

在這其中，涉及到「診斷」和「藥物治療」的決策會首先被替代。比如影像/病理輔助診斷軟體，經過大量的深度學習後，可以識別並準確的判斷病灶的性質，並給出治療建議。但涉及到「短時間內連續操作治療」的決策，比如手術操作，則需要更長時間的訓練才能被替代，甚至由於過度複雜而無法被替代。

隨著科技的不斷進展，醫生的視覺、觸覺等感官已經得到了極大程度的強化與延伸。比如：內視鏡技術（包括胃腸鏡、腹腔鏡、神經內鏡等）的發展讓醫生看到用肉眼無法看到或無法看清的微小區域。而機器人技術讓手術操作更加穩定與精確。人工智慧的進步，則將給醫生的大腦，加上一顆新的引擎。

人工智慧會經歷怎樣的發展曲線？

沒有一個新事物的出現不是曲折前進的，人工智慧也會是一樣。

計算機在發明之初，是一個笨重的大傢伙，有幾層樓那麼高，一次開機的時間可以出去吃一頓飯，進行數據計算的速度還不如人用紙筆來得快。但是隨著技術的不斷更新，目前的個人計算機的體積已經大大減小，算力卻大大增強，遠遠的超出了它的最初形態。

互聯網在發明之初，是一個緩慢、簡陋的東西。56K數據機像烏龜一樣的速度曾讓最早年的網友們痛不欲生，卻又欲罷不能。一批公司借著這個噱頭進行瘋狂吸金，引發了2000年左右的互聯網泡沫。泡沫破裂之後，一大批公司破產倒閉，但互聯網的發展反而駛上了快車道，並在十幾年後的今天，完成了網路的大範圍覆蓋，如今，互聯網可以說是真正進入了人類的日常生活。

再比如腫瘤免疫治療技術，在出現之初，尚未完全成熟時，它被別有用心的人用來作為牟取暴利的噱頭，在經過了「魏則西」事件之後，國內的免疫治療一度沉寂了很久，但在今年，該技術隨著PD-1臨床研究的揭曉而再度爆發，腫瘤免疫治療成為了生物醫學領域近年來最大的進展。

對於人工智慧輔助醫療的發展，我認為也將經歷如下的過程：

第一步：人工智慧相當於我們的圖書館或資料庫，幫助你收集檢索資料，提供備選方案，而你擁有最終決定權。

這一階段的人工智慧，是單純的服從指令，提供「符合預設條件」的結果，沒有主動思考的過程。目前的人工智慧醫療，仍然處在這一階段。主管醫生提出要求，由人工智慧機器人進行回答。Watson機器人檢索自身資料庫里包含的數以萬計的醫學文獻、圖書與病例，將最適合病人個體情況的診斷與治療方式提供給醫生。這一階段，影像/病理/腫瘤科醫生的行醫模式可能會發生改變。

這一特質，尤其適用於罕見病患者和腫瘤患者。

對罕見病患者而言，單個醫生能夠積累的治療經驗是極為有限的，但把每一個醫生治療過的患者信息（包括治療方法、治療效果、患者特點）進行匯總，就會形成一個有參考價值的資料庫。此後的每一例病患，都可以參考此前的救治經驗，也將為這個數據貢獻出自己的數據，以利後人。

腫瘤患者也是一樣的。眾所周知，腫瘤的治療早已經進入了個體化的分子治療時代。不同分子背景的腫瘤患者，其治療方法也是不一樣的，真正要做到「對症下藥」，對醫生的知識更新要求很高。尤其是在常規治療方法都使用過之後，醫生有時候會無奈和病人家屬說：「沒辦法了，能想得方法都想過了」。但國外的醫生有一些更大的自主權，就是醫生如果覺得這個藥物可能對腫瘤有效果，儘管FDA沒有批准用這個葯治療這個病，醫生仍然有權利和病人溝通，徵得病人同意之後，嘗試性的使用這個藥物，這也成為「Off-label use」（超指證使用），一旦有成功的嘗試並被記錄下來，有可能會對後來同類型的患者帶來借鑒意義。

第二步：人工智慧相當於我們的部門主管，我們只負責制定大方向和原則，具體的小細節由人工智慧根據自身判斷選擇處理方式。

這一階段，人工智慧開始有了一些初級的自發獲取信息並進行分析，並根據自己的思維選擇處理方式的過程。

在這一階段，外科醫生的行醫模式也可能發生變化。

拿我所從事的神經外科來舉個例子吧，「分離外側裂」是一個最基本的操作，翻譯成機器能聽懂的話就是：「在額葉和顳葉之間，避開血管，切開蛛網膜」。由於病人的個體差異，每個病人的分離方法都不盡相同，所以對醫生臨場的決策有一定要求。但如果AI機器人用透視的方式觀察了病人的外側裂特徵後，就可以直接生成一條個體化的無損傷分離外側裂通路。外科醫生只要點點頭，確認一下，機器手臂就可以直接進行操作了。

動脈瘤夾如何放置、腫瘤與正常腦組織的邊界在那裡、腫瘤表面的血管來自何方、動靜脈畸形的供血血管位於何處……這些對於術者個人經驗要求極高的操作決策問題，未來都可以依靠AI豐富的「感測器」系統主動獲取術野內的信息，經過計算後作出最佳決策，再用機器手臂完成操作。目前，很多感測器部件已經以單體的形式問世並進入臨床實驗階段，有望在未來集成到AI中。

術者在這一階段扮演的角色，類似於一個球隊的教練，把控著每一步的進展，具體的細節交給AI負責，但保留著隨時接管的權力。

第三步：當你發現AI在每一步所給出的醫療建議都是最符合你知識體系甚至已經超出你認知水平的時候，索性放棄思考，由AI進行決策。

理性上，誰都知道不該邁出這一步，但事實上，不能排除會有人出於種種原因選擇全盤交給AI，包括決策權。對此我持十分謹慎的態度。因為如果出現這一步，人類醫生實質上已經被淘汰了。

主動思考並決策的能力，是人類高於機器的關鍵點。人工智慧在發展到那一步之前，都是可控的。可是一旦它進化將整個「主動思考和行動」思維鏈條串起來的時候，人類或許就將對其失去控制。

Facebook今年曾經中止了一個實驗，他們訓練兩個機器人交流，最開始的語言還都是人類可以看懂的正常語言，可是隨著一段時間的訓練之後，機器人之間的交流就完全突破了正常語言的範疇，人類根本看不懂了，兩個機器人之間進化出了一種只有他們自己可以懂的語言，這個恐怖的現象讓Facebook馬上叫停了這個實驗。我不敢想像，如果機器擁有醫療決策權的時候，人類會面臨怎樣的情形。

面對人工智慧，未來醫生的核心競爭力是什麼？

很抱歉，未來醫生的核心競爭力可能真的不是我們目前所認為的「臨床經驗更豐富」、「手上技術更好」、「臨床思維縝密」，因為這些特質都是可以被替代的。

未來醫生的核心競爭力是：

1）掌握使用最新工具的能力。製造並使用工具，是人類高於其他物種的根本點。人類馴服了牛馬，也創造了汽車飛機，這些都比人跑得快，跑得久，但人類並沒有因此陷入災難。突破自己的舒適圈，學習和掌握使用最新工具，才能在知識日新月異的醫學世界裡隨時保持作出「最佳醫療決策」的能力。一味固守自己的舒適圈，用肉身與機器相比拼，一定會被技術革命無情的淘汰。

2）優秀的交流、溝通、服務的能力。醫學從來都不是一個冷冰冰的科學，醫生治療的是病人，而非單純的疾病。病患有情感的需求，需要被傾聽、理解、支持，而非只是需要一個「理論上最佳的治療方案」。「有時去治癒，常常去幫助，總是去安慰」，特魯多醫生的這句話，無論技術發展到何種程度，都不會過時，這一點，是人工智慧無法替代的。

生在這個時代，看著人工智慧逐漸進入生活的各個領域，心裡會有一種很複雜的情感。人工智慧對醫療而言，妙處自然不必多言，但潛在的風險也不言自明。不知道該怎麼評價。只好用雙城記里的一句話：

「這是最好的時代，也是最壞的時代。」

本文曾首發於神外資訊公眾號：人工智慧時代，醫療將走向何方？

醫藥代表、醫療器材銷售、藥廠質檢人員、放射科人員、影像室人員、放療科人員、外科醫生手中的部分手術、藥房人員、護工、清潔工、醫藥採購人員、專門划出來單獨的體檢科人員、人事科人員、財務人員、病案室人員、器材室人員......to be continued.

最堅挺的搞不好是黨支部。

在診斷疾病或者是判斷預後的數據或者圖像，其過程是可以標準化，量化，結構化，所以基本上是可以用人工智慧來完成的，比如皮膚科，影像科，癌症診斷；

AI在癌症診斷判別方面是要優於人類的。

癌症

想必大家都是聞之色變

不過

在今年的TED演講中

就有人再度提到它

這人是誰呢？

林政和

他是一名基因學家

也是美國Natera基因檢測診斷公司

的首席科學官

林政和上台之後對大家說

『我給你們帶來了關於癌症的好消息

不然我也不會出現在這兒了』

這句話不禁引起了台下的笑聲

他在演講中提到

『我們應該用新的手法去檢測與治療

如試驗藥物、基因突變檢測』

這是林政和在演講時給出的圖片

圖中以卵巢癌為例，患者在早、中、晚期發現並治療的存活率

所以他帶領他的團隊研發出更加靈敏的

DNA血液檢測

可以在早期準確的檢測出癌細胞

這種方法可提前100天診斷出複發預兆

但這項技術還需要5到10年

可見

癌症的發現時間

決定著治療的存活率

但是

癌症初期癥狀往往不明顯

有時候與普通疾病

感冒、炎症等並無差別

27個噴嚏之後鼻涕終於出來了

就算有患者及時去醫院檢查

但癌症早期誤診的情況也時有存在

並不是醫生不負責任

而是癌症這類疾病情況極其複雜

稍有不慎就會出現診斷偏差

正是由於癌症的這一特性

很多患者在發現時已處於中晚期

喪失最佳治療時間

如何做到「精準」

是擺在醫療從業者面前的一大難題

此時

AI可以憑藉強大的數據分析

與深度學習能力

可以彌補醫生由於種種原因導致的

判斷誤差

Enlitic公司的AI技術

在收集源自放射學圖像時

以毫秒為單位

（是醫生肉眼檢測速度的10000倍）

來解釋醫學圖像

即使是X光片中0.01%面積的可疑點

也可以被發現

Enlitic如何判斷X光片

X光照片的解析度為

（3000×2000像素）

而惡性腫瘤的大小為

（3×3像素左右）

從如此大的圖像上

判斷一個很小的陰影狀物體

是不是惡性腫瘤

對肉眼來說是非常難的

Enlitic會將一張膠片進行預處理

然後分割成若干小塊

再在每一塊中提取特徵值

與資料庫進行對比

最後經與Enlitic深度學習總結的

資料庫匹配

作出陽性（陰性）判斷

在最近的測試中

Enlitic

在診斷癌症方面優於專業放射醫師

並且假陰性率為0

（癌症病灶不會被遺漏）

目前

已與多家醫院和科研機構進行合作

忍不住讚歎一句Nice Job！

目前全市世界都在與癌症對抗，或許現在不能完美的解決，但醫療與科技在不斷的進步與發展，或許下一代，或許下下一代

癌症將是溫順的小貓咪

人工智慧在一定程度上代替人類的工作，但是至少從目前的發展來看，人工智慧更多是扮演一種輔助的角色，這裡轉載一下鎂客網韓璐的文章：

這些年來，看人工智慧如何「助攻」醫療領域

這幾天，南京本地論壇的一條消息備受關注，去年接受600多萬捐款的南京4歲脊索瘤女孩「媛媛」在奔赴美國治療一年之後還是離開了人世，在不少人為之惋惜的時候，也有不少網友關注著另一個方向，那就是善款的走向。

其實，早在去年6月份的時候，社會上關於這筆善款就有了一番爭論，後來結果是其父母站出來向人們做出了公開回復。而此時這個要求的再次出現，往深了講，也還是慈善事業的一個通病——信息不透明。

由於信息不透明，中國的慈善事業遭到了很大的打擊，尤其是在「郭美美事件」之後，慈善事業更是被推上了風口浪尖。而由於民眾的不信任，直接導致了慈善基金的縮減，從而在一定程度上也間接地對那些需要救助的家庭造成了不利影響，延誤救助時機。不過，對於這方面，現在的人們似乎找到了一種解決方案，那就是現在正熱的區塊鏈技術。然而，在救助生命上，正在改變傳統方式、發揮自己力量的可不只有區塊鏈一個，這些人工智慧技術正在從基礎開始，為人類的健康做出貢獻。

大數據讓信息更透明

在如今的這個時代，動不動就上千的醫藥費已然是個鐵一般的事實，而一旦碰上個重症，那將是一個難以承受之痛，這時候，就是紅十字會、各種基金會等社會救助組織出現的時候了。但是，由於信息不透明，哪怕公了數額，也難以保證這筆錢能夠全數送到被救助者的手中。

鑒於區塊鏈上的數據具有可信任性、安全性和不可篡改性，其與慈善事業的結合似乎就成了必然。當前，有許多救助機構、項目都利用了區塊鏈技術，比如螞蟻金服公司與中華社會救助基金會聯手發起的「聽障兒童重獲新生」項目，讓每一筆捐款資金的走向都清清楚楚的永久記錄在案，而捐款者也可隨時查詢，從而讓社會監管變得透明化、公正化。

此外，醫藥費的昂貴也是一個存在的問題。如果將區塊鏈技術應用於醫院系統，人們或許就可以了解到自己每一筆花費的走向，也可杜絕醫院內的一切不可言明之事，還醫院一個乾淨的氛圍。

機器學習帶來的醫療「奇蹟」

除了醫療費之外，現在挂號難也是一個「老大難」了。其實，導致挂號難的因素除了人多之外，醫生診斷的效率也是一個問題，而這個效率還要視具體情況而定，有一點難以控制。當前，谷歌等團隊正在試圖利用人工智慧來協助醫生進行診斷及病情預測，比如南加州大學的研究人員開發出的機器學習工具SimSensei，僅僅憑靠一句話就能夠準確地診斷出抑鬱症，不僅診斷效率提高了，也大大提高了疾病診斷的準確率，從而全面的提高了效率。

另外，在治療階段，機器學習也在悄悄改變著傳統的治療過程。以往，一個解決方案的制定需要醫生花費大量人力物力去搜集各項資料，而現在藉助於機器學習等人工智慧技術，AI系統完全可以在短時間以內完成這份工作，並向醫生提供治療建議，正如IBM Watson的認知平台，目前其已經在德國協助醫生治療罕見疾病了，可見機器學習性能之強大。並且，藉助機器學習，研究者們甚至開發了網路神經裝置，「奇蹟」的幫助癱患者恢復了運動功能。

機器人領導的大變革

論起應用和重視程度，機器人應該是醫療領域的第二名（機器學習第一名），它主要參與了護理、手術和運送過程。

護理的話應該不用多說了，目前的護理機器人還只是實現了一些基礎的功能，比如抱著病患移動、端茶送水等等，或是與病患進行簡單的對話，相對於理想狀態而言，當前的護理機器人明顯不合格。

在手術方面，最典型的就是達芬奇機器人，在醫生的操控下，它能夠進行更為精確的手術操作。就在今年9月份，江蘇省人民醫院就利用達芬奇機器人成功的為一名20周大的嬰兒進行了微創手術，並且，說起手術機器人市場，幾乎已經被達芬奇機器人所壟斷了，由此，我們可以想見機器人對於傳統手術的改變是極大的。

另外，很多時候我們都可以看到一些新聞，裡面講到一些地方由於位置太偏，從而醫藥不能及時送到患者手中，以至於耽誤了治療的黃金時機。或許有人會說用直升機來運用藥物，但如果直線距離不遠，只是地形難以走過，這時候與直升機相比，無人機顯然更為有效。比如美國的無人機公司ZipLine已經與盧安達政府達成合作，利用無人機為其輸送藥物和血液，而白宮也希望其能夠在美國開展偏遠農村地區的藥物運輸業務。如此，不管是經濟上，還是醫療上，無人機完全能夠符合需要。

在醫療上，人工智慧正在悄悄滲透各方各面，不管是醫療費、診斷、治療，還是藥物的運輸，我們都可以看出，人工智慧正帶給醫療領域一場顛覆性的變化。對於患者和醫生來說，這也正是他們所期待的，當然，某些醫療崗位的人們或許要擔心那麼一點點。不過，縱觀人工智慧帶給醫療行業的變化，這場「拯救人類健康」的變革終究是無法避免的。

=============================================================================

簡單來講，目前的人工智慧對於醫療的幫助更多是給醫生提供決策的依據而不是作為一個獨立操作的個體，當然很有可能在未來，一些基礎性的疾病會交由人工智慧來處理，而人類則專註於更富有技術含量的工作。這一切都未可知。

不知道題主有沒有了解過 Watson for Oncology（沃森腫瘤解決方案）

下面引用來自微信公眾號：沃森智能醫生

目前「沃森名醫工作室」彙集了一批滬上資深腫瘤醫生專家，通過聯合IBM研發的醫療人工智慧系統Watson for Oncology（以下簡稱Watson）為癌症患者制定治療方案。

一、什麼是Waston？

Watson自2011年起跟隨世界最大的癌症中心紀念斯隆凱瑟琳癌症中心（簡稱MSKCC）的國際頂級腫瘤專家學習如何制定腫瘤治療方案。在2015年起正式投入商業使用，目前Watson制定的腫瘤治療方案的水平已經可以和MSKCC的頂級專家們媲美，一致性高達90%以上。

除此以外，Watson已閱讀並學習了超過300種醫學專業期刊、200多本腫瘤學專著以及1500萬篇腫瘤相關學術論文研究數據，這是人類醫生一輩子都無法讀完的海量數據。

目前Watson系統已經在遍布全中國的30多家醫院和100多家體檢機構投入使用，幫助那裡的醫生、患者共同制定腫瘤治療方案。中國老百姓不需出國，就可以藉助Watson獲得世界頂級的腫瘤治療意見。

Watson的治療決策與MSKCC的國際頂尖專家雖然保持了非常高的一致性，但目前Watson在中國的使用也暴露出3大問題：

1）人工智慧無法結合中國患者家庭的收入情況選擇方案

2）人工智慧推薦的治療方案中，某些技術或藥物還未引入中國，要實施起來有困難

3）人工智慧給出的治療方案和報告非常全面，但過於專業導致患者難以理解，看不懂，甚至大多數非腫瘤專科醫生也無法掌握和使用，需要腫瘤專科醫生的解讀和把關。

二、AI站台，名醫護航，沃森名醫工作室來了！

為了務實的解決問題，由百洋智能科技創立，聯合腫瘤移動醫療平台優醫CARE共同設立的「沃森名醫工作室」項目正式啟動了，項目以「AI站台，名醫護航」為初衷理念，在為腫瘤患者提供人工智慧制定腫瘤治療方案服務的基礎上，將額外邀請一批「非常靠譜」的人類醫生專家來把關和解讀，為腫瘤治療方案的制定上一道「雙保險」。

首批受邀加入「沃森名醫工作室」的腫瘤專家來自滬上多家權威三甲醫院的腫瘤相關科室，覆蓋了肺癌、胃癌、腸癌、乳腺癌、宮頸癌、軟巢癌、肝癌、胰腺癌等多個癌種。

沃森名醫工作室能為癌症患者做些什麼？

更好的就醫體驗
全程精準的病情管理
世界頂級、國際權威的腫瘤診療方案
互相信任的醫患雙方
接地氣的腫瘤醫療科技創新模式

想要了解更多Watson for Oncology可以關註：沃森智能醫生

不用未來，現在已經開始替代了

看到大家都沒有說醫院裡面的導醫台，可是導醫台也是hin重要的啊同志們啊（敲黑板）

導醫台的主要職責：迎賓、禮儀、諮詢、導診、分診

作為醫院不可或缺的一個部分，其言行舉止、服務態度和工作表現直接影響患者對醫院的總體評價。

先來說說導診

讓我們來假設一個場景，一個身體不舒服的人來到醫院，一個女生，只會說自己肚子痛。

於是不太清楚自己該掛什麼科，這個時候導醫台護士就出現了，通過你的敘述，以及一些簡單的問答，她會通過自己判斷告訴你是去掛消化內科，還是婦科。

當然，一些人也會通過自檢/網上自查去決定自己掛什麼科室。

再來說說諮詢

你想要諮詢醫院的某科室的專家在不在，醫保是個怎麼回事，婦科往哪裡走，之類的這些問題。人少的時候，護士可能給你解釋更好。人一多起來，護士容易回答出錯，到時候就是服務態度問題了

最後來說一下禮儀和迎賓

這是病人對於醫院的第一印象，一些禮貌用語可能會讓一些患者對醫院有更好的印象。

可是現在我國導醫台的水平參差不齊，現在這五大職能沒有被發揮出應有的功能。實際上對於導醫台的五大職責，人們都應該重視。

寫到這裡，我自己都覺得現在導醫台的工資配不上我上面答案說的水平。

畢竟去哪裡去找到這種每天都能使用禮貌用語，情緒平穩，而且專業水平還不錯的人來擔任導醫台護士呢，還是那種全年無休的那種。

對，這種導醫台機器人，我司做出來了，但是只賣給醫院。

有可能會取代一些專業，或者是在相當程度上代替醫生的工作，比如說心電圖的識別。甚至是影像科，都可以進行AI的掃描識別X片CT片等，亦或者是病理科，在AI系統中輸入大量的病理切片，從而進行計算機識別。或者說一些醫療操作，完全由機器人在B超下進行，比如說抽胸水腹水。當然了，這只是一種對未來的想像，我相信隨著科學技術的發展，這些也不是不可能。。。。。

影像技術實習狗路過，專業取消感覺就像指望無人駕駛來取代司機一樣。

根據目前淺薄的理論知識，以下只討論放射科和放療科的情況：

個人觀點：

十年後放射科，也許可以用電腦來高效相對準確地識別腫瘤部位和嚴重程度（圖像處理）。

十年後放療科，應該可以根據上面的片子畫出相當真實準確的3D輪廓（區分腫瘤和正常組織）。根據3D輪廓特點，在各個醫院聯網的資料庫里快速的匹配的相似病例（大數據），並提取出處方放射劑量，計算劑量（蒙卡，GPU並行），和制定治療計劃（優化）。

顧及0：安全和其他客觀條件：

醫院裡數據對安全性尤為敏感，且能不能統一各醫療公司的利益利用雲端運算也是問題，另外各個醫院水平不同，大家能不能share 數據，數據是不是可靠也要考慮。

顧及1: 個體化差異和零容錯率：

每個患者內部器官大小都不是一致的，患病程度也是不同的，比較複雜。凡是涉及到醫療設備，尤其是放療設備這種必須零容錯率的。正常情況，每天都要對這種設備進行質量監控的。廠家會不會冒著吃醫療事故官司的風險，且影響既得利益群體（相關人員就業率必然下降）去大膽應用也是問題。

很難吧，回答問題的好像沒幾個醫生，AI可以輔助診斷，但很明顯不能做決策，無人駕駛技術出了這麼多年，飛機還要飛行員來開啊，因為緊急情況電腦是搞不定的。真出了人命誰負責？停止全部的該公司產品還是怎麼的，實際臨床上一般的科室除麻醉影像檢驗很多時間都花在和患者溝通上了，這個顯然替代不了的。而且手術科室肯定不會被取代的，操作越多的科室比如麻醉心內可能被取代的概率越小，達芬奇機器人也需要人來操作啊。機械手的靈活度很難達到人手的水平，不服的去看局解書。

其次醫學的複雜性決定了人類永遠不可能解決全部的醫學問題，建議大家可以和學醫的朋友交流交流就知道臨床上很多神奇的事情，比如耐藥性，直到現在對人體機制了解其實不多，很多病不想大家想的那麼簡單，而且很多醫學進步都是因為不走尋常路才出現。

最後，如果真有革命性突破，計算機取代人，醫生也是最後被取代的，在此之前多少人失業的社會問題估計讓government頭疼呢

以學生要是比較悲觀可以去醫院手術科室見習一個月就會不這麼想了。

可以替代一些文件工作，或者一些醫療影像的判定，其實現在已經開始了，但目前還是處於較為初級的階段。

提到AI醫療，不得不提到的是IBM的Waston。

IBM Waston

在2011 年的美國答題秀節目 Jeopardy! 上，來自IBM的人工智慧Watson輕鬆擊敗兩位前答題冠軍，可以說是一戰成名。雖然這兩年不如風頭正盛的AlphaGO，但是IBM在這人工智慧方面的實力大家還是認同的。

在打敗人類冠軍之後，IBM並沒有把Waston束之高閣，而是利用自身的大數據優勢，將Waston與已有業務緊密結合起來，這之中當然也包括醫療。

以癌症為例，IBM Watson治療癌症的過程大概是這樣的。

首先，IBM Watson分析患者的病歷。
然後，IBM Watson識別基於證據的潛在治療方案。
最後，IBM Watson從大量文獻中查找並提供支持證據。

可以看到， IBM Watson目前還是作為一個輔助治療的工具來幫助醫生研究患者的治療方案，與我們在電影中所看到的神奇醫療艙還有一定的差距。

Google Deepmind

作為開發AlphaGO的公司，Deepmind可以說是這兩年人工智慧浪潮里最炙手可熱的明星公司（也證明Google的眼光毒辣）。

其實除了大眾都比較關心的下棋以及玩遊戲之外，Google Deepmind也有一直在和醫療界進行合作。

2016年11月，Google DeepMind 與倫敦NHS達成合作協議，由後者旗下的三家醫院向前者提供 160 萬名患者的病例記錄。
2016年12月，Google DeepMind 與英國五家醫院簽署合作協議，通過其開發的APP Streams獲後者的100 萬患者數據。

從公開資料來看，Google DeepMind目前的醫療AI還是停留在幫助醫院提高效率上。將醫生所需要的信息集成在相關APP 里，醫護人員可以隨時查看病人數據和相關報告，以及和參與治療的其他醫護人員溝通，增加醫院的運行效率。

這樣看來，Google DeepMind在AI醫療這塊兒也還是處於比較初級的階段，和前面的IBM Waston目前的狀態有點類似，離電影還有一定的差距。

而國內AI醫療的現狀，智能君也諮詢了相關業內人士。他表示目前的主要目標是通過AI對相關醫療數據進行分析和應用，未來的規劃大概如下：

建立一個標準化的流程，解決醫學問題
延伸至病患埠
硬體應用的技術支持

小結

縱觀國內外當下的AI醫療現狀，不難發現其目前還是處於較為初級的階段。大多數公司將AI與醫療結合起來還是停留在對現有醫療數據進行分析處理的步驟，，還有一段相當長的路要走。

歡迎關注微信公眾號「前方智能」，更多黑科技、智能幹貨等著你！

今年江西省放射學年會上一位教授的講課

(ー`′ー)

完全取代不可能。以圖像處理為例。目前醫生最希望人工智慧可以從圖像裡面發現他們發現不了的信息，但是這個目前來看不是很現實，如果單純的只有圖像信息的話。因此未來最多只可能說輔助醫生進行疾病判斷。

換一個思路想想這個問題，醫療行業中哪些工作不會被取代？

由於要考慮的相關因素太多，不確定性極大，可以幫助將信息甄別後輸入AI的工作，和參考AI建議做決策的顧問類工作，短期內不會被AI取代。比如：問診，物理體檢，結合病人的心理和社會背景了解其真實診療需求，這是一個首診醫生的工作；結合所有客觀信息，能根據對特定病人做出個人化治療設計的人類專家。

帶有情感看護的工作有可能不會被取代。臨終時，我希望身邊是活生生的有溫度的人類，而不是AI-doctor。同理，治療時我會害怕，身邊有個同類（人類醫生專家）我會安心些。

影像科和病理科，這兩個是最有可能被替代，本醫學後曾經幫一家公司做兼職，就是讀肺CT找結節，拿我做的診斷和人工智慧做對比，雖然目前人工智慧準確率不高，但雖然數據樣本的擴大，總有天人會被人工智慧比下去的，當年人們不也不相信人工智慧能打敗圍棋世界冠軍嗎

診斷光片，心電等等圖表類的

檢驗工作很雜。

比如現在工作的微生物和將來要從事的血液病，現在還是處於多年前最初的人工的方法。染色，塗片，顯微鏡鏡檢是最常見的工作方式。

現在301醫院微生物有那種高大上的機器來接種塗片，微生物鑒定也不需要像我們現在人工再提純培育，只要一點點菌落半天就能出結果。但是這樣高大上的機器，連我們市最好的醫院都沒有用到，不知道推廣到我們小醫院要多少年。

最近在形態工作，雖然確實隨著科技發展也許會有取代形態的一天。但是就現在來說，流式基因分型的結果還是要結合形態來觀察。人工依然無法取代。