未来AI能代替医生吗
最近，一款名为ChatGPT的聊天机器人彻底火出了圈。
不知道大家有没有关注？
上线仅两个多月的时间，其活跃用户数已突破一亿。
什么写诗歌、写论文、敲代码、数据分析、做策划、问诊……样样精通。
ChatGPT被传的仿佛“无所不能”
随着ChatGPT在各个领域的兴起，人们都玩得乐不亦乐乎
但也不少人开始恐惧和担忧，会不会被人工智能夺去岗位。
更有众多网友们已经开始高呼“打工人的饭碗是不是保不住了”。
更有报道，ChatGPT在美国执业医师资格考试中取得合格或接近合格的成绩。
因此这把火也烧到了医疗领域。未来AI真的可以代替医生吗？
尤其是医生，如果被AI抢走饭碗，那付出的一切到底值不值得？
对此，上海市第十人民医院老年医学科主任彭沪主任也发表的自己的观点。
任彭沪主任认为，医疗人工智能的发展目标应该是辅助医生，而非代替。
人工智能可以帮助医生快速完成一些琐碎的重复性工作。
提高效率、改善工作质量、提升治疗水平、减轻医务人员工作负担。
但最终的判断和决策仍需在医生监督下进行。
“尤其在强医疗场景中，人工智能的应用还涉及伦理、政策、论证等多方面因素。”
在此小编也认为，ChatGPT作为一个自然语言处理模型能够理解和生成人类语言。
可以在一定程度上帮助医生进行问诊和提供一些简单的辅助。
但是，目前的ChatGPT并不能完全取代医生进行问诊和诊断。
因为作为医生有很多人性化的服务。
医生的专业知识和临床经验，医生可以对病情进行更加准确的判断和诊断。
并能够根据病人的不同情况，制定出更具体、更加有效的治疗方案。
这也是医生不可能被AI完全替代的原因所在。
AI的思维模式还是难以逃离固定的数据库。
人工智能之所以被命名为人工智能，前提是还是要先有“人工”的。
揭秘人工智能AI取代医生线路图
2014年，马云说：“今后阿里想干的就是健康、快乐两个产业，如何让人更加健康，如何让人更加快乐?不是建更多的医院找更多的医生，更不是建更多的药厂，而是我们(投资)做对的话，30年以后应该是医生找不到工作了，医院越来越少了，药厂少了很多，这说明我们做对了。”
可是，复旦医学博士联盟对此怼对：
2016年，围棋人工智能程序AlphaGo以4：1大比分战胜韩国顶尖棋手李世石，全球震惊，人工智能正式进入所有人的视野。
有着“第四次工业革命”之称的人工智能，是被马云、李开复、马斯克，以及《未来简史》作者赫拉利，多次提及的“人类杀手”，重要性和可怕性不言而喻。
马云预言：未来，新技术的冲击将远远超过大家的想象，绝大部分昨天认为白领的工作将会失去，绝大部分昨天认为理所当然做得最好的行业和公司都会倒下。
李开复称：十年后，世界上90%的工作，都会被人工智能所取代。尤其是，翻译、记者、助理、保安、司机、销售、客服、交易员、会计、保姆等工作。这会是一个非常彻底的、非常血腥的改造。
在马斯克看来：人工智能在2030年至2040年间，就会替代人类；2060年的发展速度将以指数式增长。未来人类在智力上将被远远抛在后面，并沦落为人工智能的宠物，比如家猫。
不过，马斯克也提出了一个令你我开心的设想，人工智能机器可能会取代人类，成为新的劳动力，人们不用上班，也将获得更多的闲暇时光、更好地享受生活。也许全球人都将拿政府统一发的工资。
《人类简史》和《未来简史》的作者尤瓦尔·赫拉利，最近出席活动着重谈的就是人工智能等技术可能带来的结果。赫拉利同样认为未来人工智能会取代很多人类的工作，尤其是那些重复性的、程式化的工作。这将致成数百万、数千万甚至上亿失业人口。
更有可能的发生的是，机器有可能将植入进人体，从而为我们生活中更加重要的决策做出建议。
比方应该学什么，该生活在哪，应该在哪儿上班，甚至和谁结婚。
人工智能（AI）会取代医生吗？
看好的人会说YES，因为用不了几年AI真的会取代那些普通的医生，会取代低水平的医生，但是暂时取代不了高水平的医生。不看好的会说NO，因为机器没有感情，没有交流，没有互动，需要人的照顾，等等。
那么，究竟人工智能是否会取代医生呢？请看医学界组织的调研：
调查可以看到，大部分医生是在关注智能医生、智慧医疗，但是极少有人相信人工智能会取代医生。
那么，绝大部分人的认识一定是正确的吗？
来一起看看关于人工智能在医疗应用的最新消息：
1、沃森机器人进入数十家医院，可支持8种癌症治疗
沃森仅用10秒就能阅读3469本医学专著和10余万份临床报告，誉为肿瘤界的“阿尔法狗”的人工智能“沃森医生”正逐渐进入一些医疗机构。目前，“沃森医生”已经通过了美国的执业医师资格评定考试，目前可支持包括肺癌、乳腺癌、结肠癌、直肠癌、胃癌、宫颈癌、卵巢癌、前列腺癌在内的8个癌种的治疗。
2、科大讯飞研发了人工智能医学影像辅助诊断系统
2016年6月以来，该系统通过学习68万张肺部CT影像资料，已在省立医院CT室辅助医生诊断了约11000人次的CT影像资料，诊断准确率达94%。
3、“智医助理”机器人参加临床执业医师综合笔试
2017年8月26—27日，科大讯飞与清华大学联合研发的人工智能“智医助理”机器人在国家医学考试中心监管下参加了2017年临床执业医师综合笔试测试，北京市国信公证处全程公证。“智医助理”机器人的考试成绩将和全国考生一同放榜。
人类医生可能需要八年大学硕博连读，但人工智能只要技术上实现一次突破，你拿到的不是一个机器医生而是无穷多的人工智能医生，他们可以被复制。这个比培训人类医生要效率高得多。
3、腾讯觅影在食管癌早筛方面落地
利用腾讯觅影的图像识别、深度学习等领先的人工智能技术，辅助医生对食管癌进行早期筛查，发现准确率高达90%，帮助患者更早发现病灶。腾讯觅影利用腾讯优图在大数据运算、图像识别与深度学习方面的先进技术，提高对于肺结节的检测敏感性与准确度：根据测算，其对早期肺癌的敏感度（识别正确率）达到85%以上，对良性肺结节的特异性（识别正确率）超过84%，对于直径大于3mm小于10mm的微小结节检出率超过95%，可帮助放射医生大幅提升肺部CT的早癌筛查能力。腾讯觅影还将拓展到肺结节、乳腺癌、宫颈癌等病种筛查。
4、5-10年后，医疗保健等都面临被淘汰的危机
人工智能是有着强大的优势。它有着强大的信息储存、检索和处理能力，稳定的执行力，它不知疲劳、没有情绪，还有强大的自学能力。人类围棋高手已被悉数打败，病例诊疗软件已经用来训练医学生和规培医生，达芬奇机器人在我国完成手术台数已经破万。
我对自己的不满，比如关于记忆的准确性、计算的正确性、计划的执行力、情绪的控制能力，人工智能肯定都能比我做得好。如果它来做医生，好像似乎它能比我更成功呢！临床上，诊断治疗方案的确定不带情绪、不会疲劳、按部就班，正确率会更高吧；科研上，写SCI也就是一套程序，逻辑分析、统计应用、英语语法比我强好多吧；教学上，各种医学教学软件不正在兴起么？噢MyGod，它应该甫一入行就是高级职称吧？
5、谷歌和Verily公司开发了诊断乳腺癌的人工智能
内行人都知道，病理诊断的准确性严重依赖于病理医生的水平，即便是对于同一名病人，不同病理学家给出的诊断也往往会有很大不同：一篇2015年的论文发现，不同病理学家对乳腺癌诊断的一致率只有75.3%。在某些不典型的乳腺癌中，诊断的一致率竟下降到了48%，只有不足一半。
谷歌和Verily的科学家们邀请了一位病理学家，并让他与人工智能进行一场比赛。这名病理学家花了整整30个小时，仔细分析了130张切片，并给出了他的诊断结果。在随后基于灵敏度（找到了多少正确的肿瘤）和假阳性（将多少正常组织诊断为肿瘤）的评分中，这名病理学家的准确率为73.3%。人工智能交出的答卷是88.5%，超过了专业的病理学家，完胜人类。
6、FDA首次批准了心脏核磁共振影像AI分析软件
2017年1月10日，据FDA官网显示，其首次批准了一款心脏核磁共振影像AI分析的软件CardioDL，这款软件将深入学习用于医学图像分析，并为传统的心脏MRI扫描影像数据提供自动心室分割的分析，这一步骤与传统上放射科医生需要手动完成的结果一样精准。
据悉，这款人工智能心脏MRI医学影像分析系统不但得到了FDA510（k）的批准，还得到了欧洲的CE认证和批准，这标志着该软件将被允许用于临床。
7、AI在儿童自闭症早期诊断上完胜医生
近期，《自然》（Hazlettetal.2017）：在北卡罗来纳大学（UNC）教堂山分校精神病学家HeatherHazlett的带领下，人工智能在疾病诊断领域又下一城。她们开发的深度学习算法，在预测2岁前的自闭症高危儿童（有个自闭症哥哥或者姐姐）是否会在2岁之后被诊断为自闭症上，以88%的准确度远超准确度只有50%的传统行为问卷调查法（Charman2014）。
8、AI机器人学完2186张肺癌图谱，完胜病理学家
2016年8月《自然通讯》发表了一份斯坦福大学医学院研究人员的研究：计算机可被培训得在评估肺癌组织切片时比病理学家更加精确。
研究人员使用了从腺癌、鳞状细胞癌患者获得肺癌基因图谱2186张图像。数据库还包含了每例肿瘤的级别、期别和每例患者在诊断后的存活时间信息。
然后研究人员使用这些图像来训练计算机软件程序，以确定更多肉眼所不能观察到的癌症特异性特征—近10000种个性特质vs几百种病理学家通常使用的评估特征。这些特征不仅包括了肿瘤细胞的大小及形状，也包括了细胞核的形状与质地以及与相邻肿瘤细胞的空间关系。
9、AI再登Nature封面：诊断皮肤癌，准确度堪比专家
斯坦福大学的研究人员采用深度卷积神经网络，通过大量训练发展出模式识别的AI，使计算机学会分析图片并诊断疾病。研究者向受训的计算机和21名执业医师分别提供了一批训练数据集中没有出现过的皮肤病变图片，这些图片都由组织活检确定了对应的病症。诊断比赛的结果是计算机的准确率和人类医生差不多，有时候还胜过人类医生。
10、30秒发现九成肺癌乳腺癌，港中大人工智能识别系统问世
香港中文大学计算器科学与工程学系针对检测医学影像，开发人工智能影像识别系统，只需三十秒至十分钟，便可分析病变影像，准确率超过九成，减少人为错误。香港中大计算器科学与工程学系教授王平安称，团队将联同北京三所医院合作开发，优化识别肺结节病变的技术。他又称，智能影像识别技术理论上可广泛应用于不同癌症，但个别罕有病，病人数据不多，影响系统准确性。
11、眼科人工智能机器人
Airdoc创始人张大磊说，Airdoc现可通过眼底识别糖尿病性视网膜病变、白内障、青光眼等疾病。人工智能可模拟人类大脑，积累众多医学专家的经验并同步给任何一位医生，与Airdoc共建人工智能医疗合作示范基地将有助于为患者提供更精准且高效的治疗方式，让患者少走“弯路”，让每一位医生都拥有经验丰富的“医学诊疗助手”。
12、DE超声机器人
浙江大学数理学院和浙江德尚韵兴图像科技有限公司成功开发的智能医疗影像诊断系统-DE超声机器人的准确率则能稳定在85%以上，在实验室则达到90%以上，而国内比较顶级的三甲医院10年资质的放射科医生判断准确性平均在75%左右。在包括浙江大学第一附属医院的医疗机构已经实际应用，服务了几千名患甲状腺结节的病人。
13、安医大一附院和腾讯共同打造智慧医院
在智慧医疗和人工智能研发等方面展开深度合作。目前，开展的食管癌智能辅助诊疗平台已经在医院内镜中心正式使用，辅助医生对食管癌进行筛查，准确率高达96%以上。除了食管癌早期筛查，医院还将在糖尿病性视网膜病变、乳腺癌淋巴清扫病理图像识别、乳腺癌钼靶图像识别、宫颈癌筛查、病理特征等方面展开深入研究。
纵然，人工智能不是万能的，但是它的确会在某些学科和领域超过人类的能力，取代医生的部分甚至大部分工作。如果用于诊断疾病或者是判断预后的数据或者图像是可以标准化，量化，结构化的话，基本上是可以用人工智能来完成的，在确立算法以后，可以让机器不断的学习和积累，逐步完善。
是人工智能成为医生的助手，还是医生成为人工智能的助手？？
那么让我们来设想和预测一下，人工智能“取代医生”线路图吧：
1.皮肤科
皮肤科在台湾和一些欧美国家都是最后医学生欢迎的科室，因为工作相对轻松，收入颇丰，不用值夜班。很遗憾，人工智能要来了，皮肤科人工智能医生将会取代很多人的工作，而且AI的水平将会高于大多数的普通医生。
2.病理科
比如，宫颈癌的筛查：医生收集宫颈脱落细胞以后，机器可以自动制片，自动判别是否有癌细胞。在宫颈细胞良恶性方面，至少80-90%的病理医生的工作可以被AI取代。
3.医学影像、核磁共振、超声诊断、心电图
原理相同，而且目前是人工智能进入最多的领域。
4.妇产科
胎心监护：胎心监护结果的解读和判断也完全可以由AI完成。
5.肿瘤科
肺癌、乳腺癌、甲状腺、结肠癌、直肠癌、胃癌、食管癌、宫颈癌、卵巢癌、血液疾病、前列腺癌、皮肤癌。
6.内科、外科等各临床学科
整合所有检验检查数据，查阅文献，分析病情，给出诊断和治疗方案。
7.药学
临床药师、药剂师（智能发药系统）
8.科研教学
人工智能如此强大的学习能力，将来怎么做科研？同时，人工智能将来会教“人类”来抢他们的工作吗？
机器比人可靠，机器比人类更精准，机器不会疲劳，随着算法的不断进步和数据的不断积累，人工智能的水平会越来越高，会从现在的帮助人类做判断演变到代替人类做判断。当然，那些非标准化，充满不确定性，以及人工操作的临床工作，还是人工智能AI所无法替代的。
这个趋势是不可逆的，是不可抵挡的，FDA也挡不住。
将来会有一个BreakingPoint引爆点，过了这个引爆点以后，会出现医生常规工作量的断崖式下跌，在很大程序上代替医生的基本工作，成为医生的良好助手。
有人猜测，未来的情景将会是：顶级高水平医生是让AI做助手，普通医生是做AI的助手。
笔者一直关注人工智能的发展，有幸结识了许多从事和研究人工智能和智慧医疗的专家大咖，人工智能医疗投资的刘总，思创医惠、杭州认知的王总，以及百洋科技、天晟华容的张总，以及众多的技术咖，三级医院的院长和主任，他们推崇：
人工智能AI是有热情、有温度、有情感、爱交流的医生的助手！
我觉得他们对人工智能目前的定位非常好，符合目前绝大部分医护人员和社会人群对智能医生的认知水平！
目前的定位使智能医生能够更容易的走入医院成为医生的助手，能够更容易的走入社会解决大众的健康教育问题。
本文为个人观点，如有不当之处，欢迎留言交流指正，谢谢！
人工智能可以取代医生的角色吗
中国的卫生部门，包括那些正在迅速流行并希望采用AI的部门。
Forrester最近的一项调查表明，在中国重要的健康行业组织中，多达20％打算采用智能护理技术，而在未来三年中，将有17％会采用医疗机器人。
AI技术还有助于疾病的诊断和早期发现。人工智能可以帮助揭示磁共振成像（MRI）和其他扫描仪的细节。美国宾夕法尼亚州利哈伊大学的研究人员。
例如，最近开发的基于AI的疾病检测技术。这些创新提供了更高的准确性和检测效率，并且可以在疾病风险最高的发展中国家以相对较低的成本使用。
对AI的担忧增加。
人工智能支持卫生部门各个方面的能力已成为一项重大飞跃，可以产生更加有效和有效的预防策略和治疗方法，包括降低医疗成本。即使这样，一些医生仍然相信，尽管AI可以做很多事情，但AI不能承担人类互动的作用。
匹兹堡大学医学中心创新部门负责人，放射学和计算机科学部门负责人RasuShrestha说：“对于AI而言，健康和医疗保健太人性化了。”
根据他的说法，放射学成为一种专业，即如果真的应用了AI，它将首次被中断。医学院会在以后停止培训放射科医生吗？“人工智能算法可能是诊断专家，但人工智能无法取代医生在决策中的作用。”
由于大多数医生没有意识到临床上使用AI的影响超出了研究范围，因此引起了另一个担忧。
卫生系统需要找到保护患者隐私并保护自己免受责任的方法。如果AI错误，会发生什么？
除了负面支持或感觉，实际上，技术在卫生部门的应用还不能完全取代医务人员的作用。希望人工智能在健康领域的发展可以帮助更多的人应对各种健康问题。
卫生部门对人工智能（AI）的利用
在当前时代，技术的作用非常重要。技术发挥着作用，旨在使人类工作更轻松，更高效。
即使在卫生部门，技术在最小化人为疏忽造成的错误方面也发挥着重要作用。
例如，如果技术在医生进行的外科手术中不起作用，则该手术可能很危险并且容易失败。
人工智能可以解释为具有像人类一样的智能的技术或机器，换句话说，人工智能是在被编程为像人类一样思考的机器上模拟人工智能。
我们经常在智能手机相机技术中听到的人工智能技术可改善自拍照的效果。但是，我们是否知道这项技术已经制成并在许多领域中使用？来自经济学，教育，国防/军事，卫生等领域
在健康领域，人工智能本身已以多种方式使用，这无疑最大程度地减少了错误的发生并提高了效率。
1）机器人手术
配备了人工智能技术的机器人可以在执行操作之前分析某人的混乱记录数据。机器人将在手术过程中引导和指导外科医生。
使用该机器人还可以通过先前操作中的数据产生新的外科手术技术，以加速和简化操作过程。
2）虚拟护士
该虚拟护士是由多家公司和新公司开发的。Sense开发的莫莉就是一个例子。该虚拟护士可帮助护士监视和跟踪患者的状况。
3）创造新药。
要开发药物，您必须经过有时需要很长时间并且花费很多的临床试验。但是，与AI兼容的程序将使此过程更快。AI用于扫描可以重新设计以对抗疾病的现有药物。
使用AI程序仅发现了两种可以在一天之内降低埃博拉病毒感染性的药物。
4）预测早期癌症和腰痛
使用AI预测癌症患者的方法是从人的DNA中获取信息。AI将执行身体扫描，以根据其遗传学检测某人可能面临的癌症和疾病。
AI编程的计算机可用来减轻下背部疼痛或坐骨神经痛的问题，并向患者提供建议，例如使用最好的办公椅治疗背部疼痛，进行按摩，锻炼和练习瑜伽技巧。
5）健康监测
从AI技术进行的健康监控可以在Smartwatch上使用的技术中看到，该智能手表可以监控用户的心率和活动水平。如果用户生病，智能手表可以记录用户习惯信息，这些信息可以作为医生的数据来源返回搜狐，查看更多
正确率87%，ChatGPT能代替医生吗
火遍全网的ChatGPT诞生才两个月，已经撼动了多个领域，无论是写作论文，还是修改计算机程序代码，它的表现都让人叹为观止。在生物医药领域，ChatGPT的应用也成为业界关注的话题。日前，著名学者EricTopol博士在展望人工智能在生物医药领域的未来时，甚至开玩笑般指出，“机器医生”和“医学博士”，缩写都是M.D.。未来，人工智能真的能够取代医生，对疾病进行诊断和治疗吗？
其实，利用人工智能助力疾病诊断并不是全新的理念。过去10年里，多种症状检查工具（symptomcheckers）在网上或者智能手机App中出现，帮助人们根据自己的症状，寻找相关疾病信息和治疗选择。这些工具通常具有两个主要功能：帮助自我诊断和判断症状的严重程度。它们一般会提供给用户一系列潜在诊断，并且对他们是否需要立即去看医生给出建议。
然而，这些工具的准确性并不高。哈佛大学的一支团队曾经使用45种具有不同严重性的真实病例，评估了23种症状检测工具。结果发现，在给出的3个候选答案中，这些工具找到正确诊断的概率只有51%。相比之下，人类医生的准确性可以达到84%。
图片来源：123RF
ChatGPT诊断疾病的表现如何？
ChatGPT在去年11月推出之后，在医学领域的表现让人刮目相看。日前，研究人员已经发现它能够轻松通过部分美国医学执照考试，虽然分数不是顶尖，但是也足以让人感叹人工智能有多强。那么它在诊断疾病方面的表现如何？
这支研究团队利用相同的45个病例对ChatGPT诊断疾病的表现进行了评估。实验结果发现，ChatGPT能够在39个病例中找出正确的诊断（正确率87%），远高于以前的症状检测工具。值得一提的是，ChatGPT获得正确诊断的能力随着版本迭代似乎在不断提高。当研究人员用同样的病例评估老版本的ChatGPT时，它的准确率只有82%。
利用人工智能进行医学诊断的挑战
研究人员指出，虽然ChatGPT的表现高于谷歌搜索和以前的症状检测工具，但是这一研究只使用了45个病例，仍然需要更多的病例才能确认ChatGPT的表现。而且，研究人员也发现，ChatGPT诊断的表现会受到病例信息的呈现方式和提问方式的影响，因此它的表现是否稳定仍然需要进一步研究。
此外，ChatGPT的一个倾向是可能将错误的信息以极为令人信服的方式呈现给用户。此前业内媒体STAT上的一篇文章中，耶鲁大学的学者让ChatGPT对产后大出血进行鉴定诊断。ChatGPT看起来给出了满意的答案并且提供了支持答案的科学证据。然而当研究人员检查文献时，发现ChatGPT给出的文献并不存在。这给利用ChatGPT进行医疗诊断敲响了警钟，没有足够医学知识的普通用户可能无法分辨出看似令人信服的错误答案。
图片来源：123RF
另一个阻碍人工智能在医疗诊断方面应用的因素并不在于它的准确性，而在于用户对人工智能的信任。哈佛大学学者对人类行为学的研究发现，相比于人类医生，患者更难于相信人工智能的诊断结果。其中一个重要原因在于用户并不理解人工智能是根据什么做出诊断，人工智能的内部“思考”过程就像一个黑匣子，它给出的结果虽然正确，但是达成这一结果的过程却不透明。这增加了让患者接受结果的难度。
除此以外，训练人工智能数据库的完整性和真实性，以及如何避免偏见的引入以及保护患者的隐私，也是人工智能进行医疗诊断需要解决的挑战。
辅助医生而不是取代医生
虽然利用人工智能诊断疾病仍然面临多重挑战，但是研究人员也指出这一技术的广阔应用前景。首先在难于就医的情况下，基于ChatGPT的系统可能更快为患者提供建议，对话式的互动方式也更令人容易接受。
而对于医生来说，基于人工智能的工具可以作为临床护理的辅助工具，帮助降低误诊的概率。目前即使是人类医生，在行医时仍然有10%~15%的误诊率。基于ChatGPT的工具可能如同基于人工智能的图像处理软件帮助放射科医生提高诊断率一样，降低医生的误诊率。
图片来源：123RF
Topol博士近日在谈及ChatGPT等大型语言模型（LLM）的前景时指出，此前在医疗健康领域的人工智能模型大多数学习的是同一种模式的数据，比如辅助影像学的人工智能学习的都是图像数据，因此它们只能解决非常狭窄的医学问题，比如发现影像学图片上是否有癌变组织。
而LLM的训练方法可以让人工智能接受多重数据类型的训练，包括文字、图像、结构化数据等等。这提供了整合电子病例，图像，检查数据、基因组和微生物组序列等不同类型医疗数据的潜力。这种数据整合和训练的方式让人工智能不只是具备图像处理这种解决狭窄细分医学领域问题的能力，还具备了医学推理（medicalreasoning）的能力。这一能力是扩展人工智能在医疗领域应用的关键，意味着它在没有接受过针对性训练的领域也可以发挥作用。
能够接受多种类型数据训练的人工智能模型的应用前景（图片来源：参考资料[2]）
Topol博士表示，目前LLM和生成式人工智能在医药领域的发展仍然处于早期阶段，但是它们在解决医学问题方面已经获得了显著的进展。展望未来，这类处理多种类型健康数据的模型与大型数据库和计算能力相结合，在改良医药精准度，为患者提供更多自主性方面具有变革性的潜力。让我们一起期待和见证人工智能加速生物医药领域进展的未来。
参考资料：
[1]ChatGPT-assisteddiagnosis:Isthefuturesuddenlyhere?RetrievedFebruary13,2023,fromhttps://www.statnews.com/2023/02/13/chatgpt-assisted-diagnosis/
[2]WhenM.D.isaMachineDoctor.RetrievedFebruary13,2023,fromhttps://erictopol.substack.com/p/when-md-is-a-machine-doctor
[3]ForPatientstoTrustMedicalAI,TheyNeedtoUnderstandIt.RetrievedFebruary13,2023,fromhttps://hbr.org/2021/09/for-patients-to-trust-medical-ai-they-need-to-understand-it
[4]Promises—andpitfalls—ofChatGPT-assistedmedicine.RetrievedFebruary13,2023,fromhttps://www.statnews.com/2023/02/01/promises-pitfalls-chatgpt-assisted-medicine/
[5]Semigranetal.,(2015)Evaluationofsymptomcheckersforselfdiagnosisandtriage:auditstudy.BMJ,https://doi.org/10.1136/bmj.h3480
[6]CanWeTrustChatGPTandArtificialIntelligencetoDoHumans’Work?RetrievedFebruary13,2023,fromhttps://www.bu.edu/articles/2023/can-we-trust-chatgpt-and-artificial-intelligence/
免责声明：药明康德内容团队专注介绍全球生物医药健康研究进展。本文仅作信息交流之目的，文中观点不代表药明康德立场，亦不代表药明康德支持或反对文中观点。本文也不是治疗方案推荐。如需获得治疗方案指导，请前往正规医院就诊。
版权说明：本文来自药明康德内容团队，欢迎个人转发至朋友圈，谢绝媒体或机构未经授权以任何形式转载至其他平台。
人工智能能替代医生吗看它自己怎么回答！
原标题：人工智能能替代医生吗？看它自己怎么回答！近几个月来，ChatGPT横空出世，人工智能的话题就像一颗“重磅炸弹“投向各行各业，无疑也给生命健康领域带来的变革，颠覆了很多人的固有认知。据报道，ChatGPT在美国执业医师资格考试中取得合格或接近合格的成绩。
这是否说明，人工智能在不久的将来，甚至现在，就已经可以取代医生了呢？为了探索这个问题，我们对ChatGPT做了一个试验。
问人工智能，如果头疼怎么办？
它说，如果你感到头疼，首先可以暂时停下手上的工作或者其他活动，找个安静的地方休息一下，放松一下身体。第二就是补充水分，因为头疼有的时跟脱水有关，可以喝点水或者饮料补充水分。第三，轻度运动能够促进血液循环，缓解身体压力，可以做一些简单的伸展运动、散步或者瑜伽。第四，用温热的毛巾敷在头上或者不舒服的地方，可以缓解疼痛。如果还不行，可以吃点非处方止痛药，但在用药前必须先看说明书。如果疼痛仍然持续或者症状加剧，或者伴随其他症状，比如呕吐、视力模糊，应该立即找专业的医生帮助。
客观地说，这个答案还是不错的，特别是对于偶发的头痛。但如果一个人有慢性头痛或者经常偏头痛的话，这些方法可能都用过了，也许有用，也许没用，就不觉得有什么帮助。
总的来说，它提供了一个通用的建议，而不是针对个人的特殊情况。从这个试验来看，人工智能的确可以给人们提供一些基本的建议，这些建议对大多数人来讲是有用的，但不算是诊断和治疗，也不是个体化的建议。
再问人工智能，如果头疼、呕吐，可能是什么病？
人工智能回答，头疼和呕吐是常见的症状，其中最常见的是偏头痛，偏头痛通常是单侧的。第二可能是脑震荡，它通常由脑部创伤引起，有头疼、恶心、呕吐等症状，还可能引起意识混乱、认知障碍等。第三可能是脑肿瘤，是一种罕见又严重的疾病，通常有头疼、恶心、呕吐，还可能导致视力、运动和感觉异常等症状。第四可能是中风，是由脑血管阻塞或者破裂导致的急症，通常有头痛、恶心、呕吐等症状，还可能导致语言障碍、肢体无力。
严格说来，这个答案也不错。偏头痛和脑震荡会的确会造成恶心、呕吐，有些脑肿瘤因为占位，增加了大脑里面的压力，会造成头痛、呕吐，但如果肿瘤发展得很慢，大脑适应了，头疼、呕吐的症状就不会很明显。导致头痛、呕吐的中风主要是脑出血，脑梗死比较少见，除非梗死面积很大。另外，真正常见、严重的急性头痛和呕吐是脑蛛网膜下腔出血，蛛网膜下腔出血通常不会有不能说话、半身不遂等脑中风症状。
展开全文从这个试验可以看出，人工智能给我们提供一些基本的思路和方向，但还不能针对个体做出诊断和治疗的建议。如果您有头痛、呕吐的症状，最好还是及时就医，进行详细的检查和诊断，这才是对健康负责任的态度。
同时也表明，现阶段人工智能是不可能取代医生的。
首先，它只能根据已有的数据进行分析和预测，而不能自动获取信息。例如，医生需要观察病人的身体状态、情绪、语言表达，还要亲自动手进行身体检查，视触扣听，望闻问切，获取异常的体征，还要根据一些蛛丝马迹，选择适当的检验、检查，获取客观证据，最后将所有信息综合起来判断，下诊断定处方，这些人工智能都很难做到，更不用说给患者进行有创的操作、手术了。
第二，治疗的基础是医生和病人的互信，医生也并非仅仅是治疗，交流、倾听、安慰也是治疗很重要的一部分，患者有心理上的需求，医生也有人与人之间的关怀和支持。而人工智能是冷冰冰没有感情的机器，它无法在患者痛苦与伤心时给予安慰和关心，更是很难和病人建立一种互相信任的关系。
第三，人工智能的分析和判断都是基于数据模型，对于个体化和不标准的病例，就很难提供准确的建议，甚至会错，特别是一些紧急的情况，盲目依赖人工智能只会延误治疗。
第四，在数据安全和医疗伦理方面，我们的个人身份、病史、治疗方案都属于隐私，很敏感，随意把这些数据交给人工智能，可能会被泄露。人工智能设计的基本原则是提供尽可能准确的方案，在这个前提下，可能会违反人类的伦理法律，带来严重的问题。
总而言之，人工智能对病人、对医生都有一定的帮助，但现阶段还不能够替代医生的长期经验，无法建立互相信任的病患关系，提供不了个性化的服务，更难以遵守医疗伦理。
最后问人工智能，人工智能最终会替代医生吗？它的回答也比较有自知之明，定位清晰！
ChatGPT答，自己是医生的帮手，并不能完全取代。不久的将来是人机协作互相增强的全新时代，医疗人工智能的目标既不是替代，也不是辅助，而是融合。通过模型训练和迭代，人工智能不断学习医学领域的新知识和思考方法，并依托大规模计算能力进行整合，未来人工智能在知识的完整性和回答效率等方面会远超人类医生。
同时，人工智能可提供更多角度、内容来启发人类医生，提供高效精准的知识库，提升医生对各种复杂情况的处理能力，降低误诊、漏诊风险。此外，ChatGPT还可以充当不厌其烦的线上机器人来进行预问诊、分诊等，为患者提供指导性帮助，有更好的就医体验。
至于人工智能以后会不会进化为专科医生，为病人提供详细而专业的治疗建议，个性化决策，还需要更多时间去融合海量医学知识、临床指南和代表性病例，更需要技术上的进一步突破，对人类的生理和心理产生更多更深的理解。返回搜狐，查看更多
责任编辑：人工智能能取代医生吗
随着人工智能技术的逐渐成熟，IBMWatson以肿瘤为重心，逐渐将服务半径伸向慢病管理、精准医疗、体外检测、精准医疗等九大医疗领域，逐步实现人工智能作为一种新型工具的价值。
思派网络创始人马旭广认为，人工智能目前还是作为医生的辅助工具，“可能今后医生就不存在了，但起码今天所有的AI都应该是帮助医生提高效率，解决医生不愿意做的，又脏又累的工作，这样的AI才有前途，才有机会。”
复星同浩基金合伙人乔继英表示，人工智能在医疗领域的应用，需要得到医生或医疗相关人员认可才能够推行。“医疗和买衣服不一样，买衣服不好可以退，医疗试错成本非常高，人工智能在医疗领域应用时的准确率，怎么具体应用都非常重要，人工智能医疗的创业公司一开始要有医疗从业人员的参与。”
人工智能的特点是能够处理大量数据和信息，这就需要足够的原始数据进行支持，但在医学很多领域缺少足够的原始数据。IBM沃森健康负责人PhilWu以沃森为例，谈到面对所谓经验上的东西沃森是支持的，沃森所提供的医疗方案背后都有实证支持。“面对疑难杂症，这点沃森解决不了，疑难杂症没有一个标准化，沃森无法实现学习。”
这样看来，短时期内医生并不用过分担心自己会被人工智能抢了“饭碗”。长远来看，医生这个行业将会因为人工智能的出现而变得竞争愈发激烈。“因为让AI学习的病例仍然需要医生来产生，一些高水准有研究性强的医生将会越来越吃香，而某些低水准的医生将会被取代。”一位AI从业者说。
著名大数据专家，阿里巴巴集团原副总裁徐子沛曾写文章表示，人工智能在医疗领域有巨大的想象空间，未来将极大简化当前繁琐的看病流程，解放医生，也解放病人。“但我不认为医生会完全消失，但其职业方式将发生重大变化。未来的医院，将成为病人、医生、算法三者共生、互相协作的场所。”
医学影像可能率先商业化
方正证券报告指出，从全球创业公司实践的情况来看，AI+医疗的具体应用包括洞察与风险管理、医学研究、医学影像与诊断、生活方式管理与监督、精神健康、护理、急救室与医院管理、药物挖掘、虚拟助理、可穿戴设备以及其他，其中以下面四种模式为主流：
首先是AI+辅助诊疗，即将人工智能技术用于辅助诊疗中，让计算机“学习”专家医生的医疗知识，模拟医生的思维和诊断推理，从而给出可靠诊断和治疗方案。辅助诊疗场景是医疗领域最重要、也最核心的场景，人工智能+辅助诊疗潜在市场空间巨大，至少是万亿级以上的营收规模。
在AI+辅助诊疗的应用中，IBMWatson是目前最成熟的案例。2012年Watson通过了美国职业医师资格考试，并部署在美国多家医院提供辅助诊疗的服务。目前IBMWatson提供诊治服务的病种包括乳腺癌、肺癌、结肠癌、前列腺癌、膀胱癌、卵巢癌、子宫癌等多种癌症。
其次是AI+医学影像，是将人工智能技术具体应用在医学影像的诊断上，主要分为两部分：一是图像识别，应用于感知环节，其主要目的是将影像这类非机构化数据进行分析，获取一些有意义的信息；二是深度学习，应用于学习和分析环节，是AI应用的最核心环节，通过大量的影像数据和诊断数据，不断对神经元网络进行深度学习训练，促使其掌握“诊断”的能力。
如今，AI+医学影像已经走出实验室，下一步将迎来商业化浪潮。贝斯以色列女执事医学中心（BIDMC）与哈佛医学院合作研发的人工智能系统，对乳腺癌病理图片中癌细胞的识别准确率能达到92%，与病理学家的分析结合在一起时，它的诊断准确率可以高达99.5%。国内的DeepCare对于乳腺癌细胞识别的准确率也达到了92%。
第三是AI+药物挖掘，是指将深度学习技术应用于药物临床前研究，达到快速、准确地挖掘和筛选合适的化合物或生物，达到缩短新药研发周期、降低新药研发成本、提高新药研发成功率的目的。通过计算机模拟，AI可以对药物活性、安全性和副作用进行预测。借助深度学习，在心血管药、抗肿瘤药、孤儿药和常见传染病治疗药等多领域取得了新突破。目前，已经涌现出多家AI技术主导的药物研发企业。
“现在新药研发越来越难，过去用人工智能从事新药研发数据不够、算法也不够，未来在这一领域可能会有大的突破。”乔继英表示，新药研发多年来“10年10亿美金”的“魔咒”或许有望打破。
第四是AI+健康管理。目前从全球AI+医疗创业公司来看，主要集中在风险识别、虚拟护士、精神健康、在线问诊、健康干预以及基于精准医学的健康管理。乔继英表示，个人健康管理，仅有简单的信息反馈是不够的，如果可以在更有效、更低成本层面实现个人健康管理，这也是未来的一个方向。
其中，“AI+医学影像”被多位业内人士认为最有可能率先实现商业化。
马旭广个人特别看好图像识别在医疗领域的应用，“只要比对足够多的影像，AI就能够提高诊断效率，提高诊断准确性，这是我坚信AI在医疗过程中发展最快的领域。”
PhilWu对此表示认同，“人工智能在医学影像领域有可能最早落地，但要实现精准的医学诊断，还需要更多数据、案例的录入，但影像图片确实是一个很好的切入点。”PhilWu透露，沃森将有影像学肿瘤方案产品在2018年上线。
2015年，IBM以10亿美元收购医学影像公司Merge，MergeHealthcare是美国最有影响力的医疗影像公司，不仅拥有大量的医学数据和图像（CAT扫描、乳房摄像），还有世界顶尖的技术平台。该平台可以帮助医生和医院存储并分析医学图像。IBM相关负责人此前曾表示，Watson与Merge的结合可以提供对影像的深度解读，帮助医疗提供者和研究人员节省时间。出售这种医学影像的深度解读便是其盈利方式。
顺为资本合伙人李锐认为，图像智能识别可以降低医生的工作量，这是业界已经达成共识的，但是在综合诊疗上人工智能是否能给予医生很好的建议和意见？IT和互联网出身的人对此有很大的信心，但医生背景的人目前还有很多疑虑。“我也比较保守，去年投的几个公司都是医生加互联网的团队，或是创始人既干过医生也干过互联网。”李锐说。
乔继英认为，无论是治疗皮肤病还是癌症，图像可能只是一个参数，而治疗疾病需要多个参数。“从投资人角度来说，光看图像还不足以让我做出判断。我们更希望至少能解决一个小的问题，能做出一个临床辅助诊断。”
商业化挑战
IDCDigital预测，截至2020年，医疗数据量将达40万亿GB，预计约80%数据为非结构化数据。显然，人工智能在医疗领域有无限想象空间。
但是，人工智能在医疗领域实现商业化依旧面临诸多挑战。即便是在医疗领域渗透最广的Watson，其商业化路径仍在探索。“AI+医疗”的商业化还会面临一个医疗行业从业者都无法回避的问题，那就是医疗行业的公益性。“医疗行业不纯粹是商业行为导向，当医生应用人工智能来做辅助诊断的时候谁来付费？”邓侃表示，这个问题他经常被投资人问到。
互联网医疗创业大浪中，糖尿病领域的企业多如牛毛，利用人工智能做糖尿病管理，也是不少创业公司正在尝试的事情。慧控糖就是其中一家。慧控糖创始人杨枫认为，人工智能做糖尿病管理，个性化数据特别珍贵。“我们的经验是先从个性化数据这样的小数据着手，服务好每一个患者，这样患者更容易买单。患者愿意买单，你已经活下来了，等到数据大的时候再去发现规律。先有服务，后有数据，再有大数据。”
乔继英认为，AI适合解决的商业问题特征包括“行业存在持续痛点、流程重复、可进行数字化信息输入，问题可以细分并且有边界。”如果能为之提供解决方案，自然有人愿意买单。“医疗里的付费方包括保险、药企、医院等医疗服务机构、医生、患者。其中，医生是用户和决策者，患者是使用者，付费方是保险机构，整个链条比较长和复杂，不过把链条挖到底，总能找到愿意付费的那一方。”
“现在全世界都要做人工智能，国内的数据基础大，可能我们的速度更快，所以在人工智能领域国内企业有弯道超车机会。”杨枫对未来很乐观。返回搜狐，查看更多