AI醫療如何顛覆傳統醫療？

我認為AI醫療將會在很多醫療場景上顛覆傳統醫療，舉栗子說明下：

相信很多人都有醬紫的經歷，在A醫院拍片看病，沒有看好後，轉診到B醫院看病，結果因為醫院系統不通，讓病人重新拍片，浪費錢財和資源。

AI技術融入後，影像識別系統將打破傳統的溝壑，轉診無需再拍片，醫生將可以隨意抽調各醫院的拍片資料。不僅如此，AI的深度學習能力，將通過影像的數據分析實現分級診療，提高護理成果和降低成本，發現騙保等不良行為。

大數據監管騙保行為：當前不少醫療機構存在通過和參保人「合作」採取「掛床」住院、「借證」住院、「開大處方」等違規操作，大量醫療資金被套取，而部分民眾卻仍看不起病。AI醫療將通過人工大數據分析，對醫保卡及醫院床位掛鉤、用藥監控、大數據比對等手段，可及時發現不良數據，對違背邏輯行為進行預警。一旦發現某個患者就醫次數、用藥量異常，便可及時提出預警。再由人工介入調查，可極大降低人工成本，減少醫療資源損失。

傳統醫療在追蹤患者上存在效率低、追蹤乏力的情況，無法對患者形成長期有效的貼身服務。而AI醫療則可以解決這種問題，可以成為虛擬的助手，幫助患者貼身監管疾病。

比如說將來慢性病患者選擇萌醫生AI醫生助手後，通過智能硬體自動化幫助患者規劃日常健康安排，監控睡眠，提供藥物和測試提醒。了解病人的飲食習慣、鍛煉周期、服藥習慣等個人生活風格，在經過人工智慧分析診斷，提供個性化健康解決方案。

傳統醫療場景中，看病必須要到醫院找到醫生。而AI醫療融入以後，患者可以在家裡先選擇AI醫生進行診療預判。比如廣州的一家醫院就實行了智能醫生，患者在家裡可以先通過智能醫生預判，再微信支付挂號預約看診。

未來與智能硬體結合後，將更加便捷。或者患者將來只需要通過眼鏡，就可以召喚萌醫生AI智能醫生，在家裡就可以完成前期診療，再通過萌醫生平台，預約下單，就近執業醫生上門服務，完全顛覆傳統看病必須上醫院的場景。

當然還有許多顛覆性場景，比如智能機器人打針、抽血，先看病後付錢等等場景，都是已經實現了的，總之，AI醫療將帶來越來越方便的體驗，以及發揮越來越大作用。

可以說，醫療領域要比其他任何一個行業都要更容易受到現代深度學習技術的影響。儘管存在著大量令人恐慌的AI文章，它們聲稱AI技術將把人類引向末日，但在現實世界裡，這些演算法正在拯救我們的生命。

得益於AI，一部iPhone也能檢測出癌症、一隻智能手錶就能檢測出中風。機器學習正在滲透以及優化醫療行業的各個方面。人們甚至可以在AI的幫助戒煙。

近日，哥本哈根的緊急服務接線員開始使用一種全新的語音助手技術，叫Corti。Corti能夠對眼下正在進行的通話內容進行分析並與醫療資料庫相結合然後再在屏幕上為接線員提供信息。事實證明，這種人類與機器的組合是成功的。

Corti機器學習主管Lars Maal?e指出，AI並不會取代人類在醫療領域的地位。

{!-- PGC_VIDEO:{"thumb_height": 360, "file_sign": "88a1b98a0a37cafdc324778b837053ef", "vname": "", "vid": "b49a1fb4ca2848639c40a3e2a6f6552e", "thumb_width": 576, "video_size": {"high": {"duration": 133.28, "h": 480, "subjective_score": 0, "w": 768, "file_size": 1941296}, "ultra": {"duration": 133.28, "h": 720, "subjective_score": 0, "w": 1152, "file_size": 2684084}, "normal": {"duration": 133.28, "h": 360, "subjective_score": 0, "w": 576, "file_size": 1682922}}, "src_thumb_uri": "6069000c4e24f41d02f0", "sp": "toutiao", "update_thumb_type": 1, "vposter": "http://p0.pstatp.com/origin/6069000c4e24f41d02f0", "vu": "b49a1fb4ca2848639c40a3e2a6f6552e", "duration": 133.28, "thumb_url": "6069000c4e24f41d02f0", "md5": "88a1b98a0a37cafdc324778b837053ef"} --}

與此同時，AI還是對抗癌症的最強大盟友之一。上周，莫斯科政府IT部門就在github上發布了一份開源癌症檢測代碼，該代碼能利用一種叫做RadIO的深度學習技術就能通過放射掃描找出肺癌跡象。這種技術現在免費向所有人開放。雖然它還不足以是一個神奇的癌症檢測按鈕，但它還是在某些條件能夠拯救生命。據了解，RadIO能在30秒內在1200萬莫斯科中完成放射掃描。

另外一家叫做Art Medical的公司也在利用AI技術解決醫療問題，其智能餵食管和檢測器現正在接受臨床試驗，主要預防ICU患者出現危及生命的併發症。

或許AI真的沒有人們想像得那麼可怕，若是人類將其好好利用，它將能幫助人類獲得更長的健康壽命。

慢性病患者人數佔全球人口的1/3，全世界每年約有4100萬人因此死亡……慢性疾病讓個人、家庭、社會等付出巨大代價。很多慢性疾病病程發展緩慢，如果在初期持續治療就可以得到控制，但患者往往在發展到終末期時才開始治療。治療不及時的原因之一，是醫務人員幾乎無法與患者進行直接、頻繁的接觸。專業醫務人員人手不足，無法頻繁接診患者，患者通常沒有足夠的時間和金錢經常到診所或醫院接受檢查和複診。

現在，藉助英特爾人工智慧技術，一些積極的嘗試正在進行。

{!-- PGC_VIDEO:{"thumb_height": 360, "thumb_url": "15d8c0004caccd91a0f61", "vname": "", "vid": "v020191d0000bgni0tklbum1rmmo2b8g", "thumb_width": 640, "src_thumb_uri": "15d8c0004caccd91a0f61", "sp": "toutiao", "update_thumb_type": 1, "vposter": "http://p0.pstatp.com/origin/15d8c0004caccd91a0f61", "video_size": {"high": {"duration": 151.318, "h": 480, "subjective_score": 0, "w": 854, "file_size": 9233782}, "ultra": {"duration": 151.318, "h": 720, "subjective_score": 0, "w": 1280, "file_size": 19362405}, "normal": {"duration": 151.318, "h": 360, "subjective_score": 0, "w": 640, "file_size": 6373540}}, "duration": 151.318, "file_sign": "696243c3772ae37c123c69ace3c13cb5", "md5": "696243c3772ae37c123c69ace3c13cb5", "vu": "v020191d0000bgni0tklbum1rmmo2b8g"} --}

AccuHealth是智利的一家慢性疾病護理管理公司，也是南美第一家遠程醫療公司。他們針對慢性疾病護理制定了一項主動響應方案，該方案利用高級分析和預測演算法來識別關鍵事件和趨勢，幫助患者預防健康狀況惡化。

這種端到端解決方案由患者感測器、患者家用中控器、遠程患者監控和可靠的後端系統（搭載英特爾? 至強? 可擴展處理器）構成，可以持續地對信息進行核對、處理和分類，還具備警報和追蹤功能。

患者會收到一套定製工具，其中包括兩個重要組成部分：一組生物計量感測器和一個 AccuMedic遙控中控器（即一台搭載英特爾? 處理器的平板設備）。監測批次將傳輸至 AccuCenter 遠程監測平台。除患者病歷外，AccuCenter 還存儲有關社會經濟和心理因素、門診診療以及患者使用醫院服務情況的信息。AccuCenter 平台的運行基於英特爾? 至強? 可擴展處理器，其處理能力能夠很好地滿足 AccuCenter AccuBrain軟體（採用預測模型和機器學習演算法）的需求。

AccuCenter平台還負責將各監測批次分配給AccuHealth虛擬醫院的醫務人員，讓他們在必要時進行檢查並按照信息行事。藉助缺陷預測模型，該平台可以識別不經常參加此項服務的患者，這樣醫務人員可以在患者放棄使用服務前採取預防措施。其他預測模型可根據門診診療及其它醫院服務的使用情況，識別患有慢性疾病的患者。AccuBrain系統按照複雜程度對這些患者進行分類，以制定定製化監測計劃，並確定每位患者的檢查頻率。該系統還能預測每位患者未來將支出的醫療費用，並計算出使用AccuHealth服務後節約的費用。

AccuHealth解決方案有助於醫療專業人員積極地與慢性疾病患者進行溝通。得益於定期更新的患者數據和大規模的歷史參考資料庫，AccuHealth解決方案可以在患者急診入院前，預測患者即將出現的健康問題，以便醫務人員採取相應的預防性干預措施。

在智利實施以來，AccuHealth解決方案已取得顯著成績：急診室就診人數下降 42%；保險費平均節約 35%；在參與調查的患者中，94%給出最高客戶滿意度評價。

AccuHealth的目標是打破傳統醫療就診模式，從僅通過醫院或診療室提供被動護理轉向提供持續性健康和保健服務，人工智慧等先進技術有望讓患者享受「即時醫療」。「通過與英特爾的合作，我們不僅可以接觸到醫療服務創新企業，更能領略技術創新者的風采……我們可以更好地預測未來，並了解如何能夠更上一層樓。」AccuHealth 聯合創始人兼首席執行官Xavier Urtubey 博士表示。

隨著在智利取得顯著效果，英特爾與AccuHealth打造的人工智慧解決方案進一步在美國和哥倫比亞推廣與部署，對於積極應對慢性疾病而言，這無疑是值得嘗試的一劑良方。

隨著AI深度學習在醫學中的應用不斷發展，人類的醫療進程可能會發生巨大的變化，由於疾病造成的死亡可能將不復存在。

疾病仍然存在，但改善措施發展迅速

即便是數字時代，疾病也仍然是全國乃至全世界的一個主要死亡原因，排在首位的是心臟病，癌症緊隨其後。

無論你相信與否，其實這是一種進步的標誌。對比一下即可明白，1900 年，導致美國人死亡的那些疾病其實放在今天都是可以治癒的，例如呼吸系統疾病（肺炎、肺結核和流感）以及胃腸道感染類疾病（例如霍亂和瘧疾）。簡而言之，現在的「文明疾病」已經不再是像西班牙流感（在 1918-1919 年曾經造成全世界約 10 億人感染，2500 萬到 4000 萬人死亡）或鼠疫之類的細菌性流行病。現在的許多疾病都是源於久坐的生活方式和一些其他的現代生活習慣所致。

儘管人類傾向於線性思考，但通過合作措施和技術領域的飛躍性發展之後，技術所帶來的進步往往呈現出指數級別的效果。而隨著世界經濟繁榮程度的提高，這種模式也在向其他的國家蔓延。心臟病和中風取代了以前的一些傳染性疾病，例如下呼吸道感染和腹瀉等。顯然，一個國家發展的越發富足，它們的基礎設施也不斷加強，疾病所帶來的威脅也發生了變化。現在他們的人口可能不再受衛生條件所導致的相關疾病的影響，卻仍然會遭受與富裕社會有關的負面後果。

這不禁也讓我們想到一個有趣的問題：我們最終真的可以擺脫疾病嗎？又或者我們擺脫了一種死亡的原因，另外一種新的原因又會隨之出現呢？

計算機推動醫學發展

這也讓我們的目光聚焦到了下一個里程碑：計算機。雖然計算機早就被用於醫學領域（20 世紀 60 年代，早期的計算機被用於追蹤血源性疾病），但最新的發展成果可能會讓醫學領域發生革命性的變化。最有希望的一項發展成果是機器學習，這有望幫助我們終止人類疾病時代。

對於機器學習在醫學領域的潛力，我們現在抓住的只是一些表面。現在，機器學習程序是對醫生的一種補充，軟體對大量的數據進行篩選和解釋，診斷患者的問題，從他們的歷史病歷中提取創建患者概況，然後無縫預測患者未來狀況。考慮到醫學研究所產生的海量數據（2003 年，有一家醫療保健網路服務商預測，大約需要 30 年的時間才能審查現有的每一項隨機試驗數據），計算機在分析和聚合患者數據方面非常有前途。

深度學習

機器學習的功能只會越來越多。研究人員現在正對於機器學習的變體，深度學習領域開展試驗。深度學習程序由層疊在一起的演算法組成，一層的輸入內容被傳送到下一層，每個後續層都會對這些信息進行處理。有了這個複雜的系統，深度學習就可以很容易的識別模式，並且進行高級別的程序，比我們迄今為止從普通機器學習程序中看到的都要高。

有了這種處理能力，距離消除疾病的日子可能屈指可數了。Nvidia 是一家以生產圖形處理器而聞名的公司，它不太可能成為深度學習的領導者。但正如開發人員所指出的那樣，GPU 的特性使得 Nvidia 成為深度學習的理想選擇。相比具有八個內核的普通 CPU（計算機晶元）相比，GPU 具有數千個內核，這也使得它能夠更輕鬆的運行複雜的程序。由於這種意外的交叉效果，Nvidia 現在正將其深度學習專長應用於醫學領域，其中包括識別與神經紊亂相關的遺傳因素以及使用演算法來預測患者的健康狀況（並不斷從錯誤和成功中繼續學習）。

因為這其中蘊藏著深度學習在醫學領域的最大優勢：適應性和自主性品質。深度學習演算法就像人類一樣，可以利用知識不斷進化。事實上，有研究表明，在許多應用中，深度學習可以超越人的能力。在醫學成像領域，深度學習能夠完成一種曾經僅限於人類專家才能完成的自動化任務，並且是以相比而言低得多的錯誤率來完成。事實上，一些深度學習團隊已經開始使用他們的程序來從患者圖片中對皮膚癌細胞進行分類，這也向我們展示了深度學習演算法的能力所在。

深度學習領域的尖端、前瞻性機構正在試圖推翻我們的疾病模式。例如，微軟生物計算實驗室提供了各種激動人心的程序，其中最戲劇化的程序可能是模擬生物系統和預測結果的能力。在機器學習、數學和生物學的交叉領域，微軟實驗室希望未來有一天能夠掌握和控制細胞的行為方式，以便通過編程來扭轉疾病。

這些只是冰山一角。在美國南加州大學 Michelson Center for Convergent Bioscience，像 Fei Sha 博士這樣的 AI 專家將機器學習應用於健康和生物科學，來確定癌症等疾病的遺傳原因，開發高效的精確治療方法來治癒這些疾病。

未來就在於現在

計算機科學現在正在以一種人們無法預測的方式來變革醫學健康領域。技術已經在很大程度上改變了人類的生活，隨著智能機器的出現，人體和計算機之前的界限將會比以前更為模糊。這其中的影響可以說是非同尋常。

想像一下，如果我們每個人都有一張攜帶我們遺傳密碼的 SD 卡，醫生可以根據我們每個人獨特的信息來為我們列印一個器官或者是更換某個身體附件。想像一下，人工智慧計算機的研究工作可以通過收集數據和學習以指數的速度推進。

毫無疑問，在現在與未來消除疾病的烏托邦之間，肯定會有障礙。並且，這也會導致人口過剩以及不平等等問題。但是我相信，計算機科學正在重新定義人類，並且隨著人工智慧滲透到主流醫學領域，計算機科學將繼續發揮它的作用所在。

2018-04-14回答

1.AI醫療在一定程度上可以代替人工醫療。曾經有影像科的醫生做過一個實驗。用人工智慧自己讀片和有經驗的醫生閱片的結果符合率是70% 也就是說在影像學這一個方面是有可能代替人工的。但是這個專家也說過不可能完全取代。因為人工智慧的學習是由人的經驗的積累。

2.關於臨床科室，例如兒科。人的工作是不可以完全取代的。首先疾病不會按照一個標準化的模式去發生。每一個人的生命都是一個特定的個體，也就是說治療方案是針對每一個不同的人的個體化的方案。不可以說所有的即便都按照同一個治療模式。而且疾病的發生有輕有重。這個輕重的判斷人工智慧目前還沒有達到一個完美的判斷方法。

3.目前來說ai智能是不可以完全取代人工醫療，目前取代的大約20%。但是人工智慧發展是很快的。現在很多三級醫院都有血管成像顯影儀，幫助護士扎針。而且人工智慧的最大的優勢就是它有強大的資料庫，可以不斷的學習人所了解的知識。

Ai只能部分取代人工，在診療中輔助人工，不可能顛覆。因為無論中西醫的診療方式都雷同：望、聞、問、切或試驗。這些就算Ai再先進也做不到。但是A i可以簡化醫生的勞動強度，比方病史的問詢，就診紀錄，家族史等等，完全可以交流給A i做。提高醫療效率和準確性，比方化驗檢查的比對，這肯定比人準確。在將來，A i肯定是醫生不可缺少的幫手。

【藍科技】近日，中國醫院協會信息網路大會（CHIMA-2017）大會中，國家衛生計生委副主任金小桃也指出，「在AI浪潮下，醫療機構在宏觀層面要迎接大變革，適應大趨勢。在微觀層面，要擁抱信息化，擁抱大數據。」

官方定調，廓清了AI＋醫療的現在和未來。其實，AI＋醫療不僅僅是技術和應用上的突破，更是對現有醫療體制或產生根本性的變革。

現有的醫療體系看病難、醫療技術和資源不均衡，這似乎是無法解決的難題。不過，AI＋醫療一旦普及應用，則有望改善這一現狀。

AI＋醫療可以改變的是，讓醫院的人流、物流、信息都能清晰可見，運轉自如。從挂號、問診、就診、預防到健康管理，AI技術都能幫助醫生進行有效決策。隨著人工智慧化程度的提高，能大大降低醫生的工作強調，提高工作效率。

現行的醫療體制中，跨區域尤其是跨省醫療診斷，信息共享並不完善。AI＋醫療的出現，可以通過大數據實現共享，快速對病人的病因、家族史以健康管理進行篩查，從而做出正確的醫療方案。