人工智能能否取代医生多名院士共议“医学最重要的技术”
未来医学最重要的技术是什么？在近日举行的第十届吴孟超基金会颁奖典礼暨第八届《康复·生命新知》医学高端论坛上，现场300位医学专家的投票显示，人工智能和基因治疗得票率最高。那么人工智能是否会取代医生？投票显示，76%的专家认为人工智能能辅助医生，而仅有5%的专家认为人工智能能取代医生。
芬兰国家PET中心高级研究员韩春雷教授指出，拿医学影像技术举例，现在大量的医学影像数据越来越多，很多数据是3D，甚至是4D数据，还有一些是动态时间点上的数据取样，而机器对于图像识别的技术已经可以超过人体的肉眼鉴别，人工智能对现代临床医学的影响是非常大的。“我认为人工智能会取代一部分医生的工作，我认为在未来的几年，大量的人工辅助软件会提供越来越详细、精确的诊断，我觉得大部分的医院的放射科，会走这样一个流程：先由机器提出初步诊断，再经过医生做确认、出具报告。”韩春雷教授说。
不过，中国工程院院士陈香美教授也指出，确实一些简单检查、诊断的工作可以由人工智能来替代，但在医学领域，很多工作是人工智能无法替代的。医生永远不会失业，不管是到任何时候。
会议期间，专家还就“中国智慧开创古代医学”“中国智慧引领现代医学”“中国智慧开拓未来医学”主题依次进行研讨。吴孟超院士、闻玉梅院士、陈凯先院士、陈香美院士一同探讨了中国智慧引领世界医学的发展轨迹，回顾了中国医学科学从与西方医学并肩到引领到跟随，再到现在的跟随、并肩、引领的过程。
《黄帝内经》阐释了天人合一、身心合一，诠释了人和环境的关系，炎帝成就了人类历史上第一个人体试验。我们的祖先创造了针灸、太极，提出望闻问切，在疾病预防、传染病隔离以及疟疾治疗上，也领先世界2000年。中国使用人痘疫苗，早于英国Jenner医生发明的牛痘近百年。中华民族在近代经历了磨难，在医学发展上落后于西方，但是新中国成立后，我们迎头赶上，取得了一些重要的医学发现，例如人工合成胰岛素、断指再植、青蒿素。到了21世纪，中国预防传染病、控制灾情的经验也给世界提供了很好的借鉴。
有一半到会专家认为，在同一时代，与世界其他地域的传统医学相比，中医领先于世界；但有将近一半的专家认为，中国传统医学在现代世界医学的地位是落后的。而如何进行有效的中西医结合成了到会专家讨论的热点。
哈尔滨医科大学附属第一医院风湿免疫科主任张志毅教授指出，中西医完全属于不同的体系，中医以经验，以整体观、经验观为主，西医以微观为特色，好多人搞中医现代化，都是用现代的方法去研究，但是结果很令人失望。
“我觉得要把中医的宝库好好去挖掘去研究，就跟研究红学一样，就像研究红楼梦一样。老祖宗在当时特定的环境下，是怎么想的？怎么做的？把它挖掘出来，把它发扬光大。”张志毅教授说。
在论坛上，中国科学院院士陈凯先院士表达了自己对哲学与自然科学的关系理解和认识，强调了中西医结合的重要性，认为中西医结合可能将长期处于初级阶段。闻玉梅院士说，我们中国人抱团就会取得不亚于以色列人的科学成就和地位，强调必须要团结协作和自强不息。陈香美院士说，我们医生要敞开胸怀积极拥抱人工智能技术，但是也要在机器成长过程中变得更聪明，从新定位医生的地位价值。
医学院士谈ChatGPT等新人工智能：利弊皆有，不能代替医生
中新网海南保亭2月9日电(记者王晓斌)生成型人工智能ChatGPT引发广泛讨论，这类看似无所不能的新一代人工智能是否对医疗领域产生冲击？近日，在海南省保亭黎族苗族自治县参加会议的中国工程院院士郝希山、王红阳、贾伟平接受中新网记者采访时认为，ChatGPT等人工智能对医学利弊皆有，前景可期，但不能替代医生。
ChatGPT是美国人工智能研究实验室OpenAI开发的对话式大型语言模型，凭借强大的文字处理能力和人机交互功能，迅速成为炙手可热的新一代人工智能产品。目前ChatGPT月活用户突破1亿，是史上用户增长速度最快的消费级应用程序。
中国工程院院士、国家基层糖尿病防治管理办公室主任贾伟平对中新网记者说，医学界一直关注人工智能的发展，在技术研究、临床诊断、手术治疗等方面都有人工智能的身影。“如糖尿病会引起视网膜病变，在眼科医生奇缺的状况下，我们通过大样本的人群数据让人工智能深度学习，形成了带有反馈和自我调整的诊断技术，使得更多人在早期就能发现是否有糖尿病的眼部并发症。”
从全生命周期健康管理理念出发，贾伟平设想，新一代人工智能或可进化为个体化的健康管家，将来医生开处方不一定开药品，而是根据患者状况开不同特质的人工智能或是智慧医疗产品，这种“数字治疗”产品可以适时提醒患者注意健康饮食、适当运动。
“无创性的液体活检、可视化的分子成像技术、新的研究模型和人工智能等，将迅速成为肿瘤防控重要的辅助力量。”中国工程院院士、国家肝癌科学中心主任王红阳说，希望借助ChatGPT等新一代人工智能，将大数据和医学上复杂慢病连结起来开展研发工作，尽快产生跨学科的医学应用，如帮助肿瘤病人实现早期诊断，为病人在诊疗过程中的数据全程监控提供支持。
中国工程院院士、国家肿瘤临床医学研究中心主任郝希山介绍，从“经验医学”到“循证医学”再到“数字医学”，大数据、人工智能等技术将进一步助力人类战胜疾病。鉴于新技术的蓬勃发展，郝希山认为当前不好预测医疗领域具体会发生哪些变革，但人们的寻医问药过程，肯定会越来越便利。此外，国外人工智能产品的火爆，也会带动国内相关产品的发展。
职业司机担忧自动驾驶技术让自己失业，医生乃至医学生需要担忧ChatGPT等新人工智能抢“饭碗”吗？
郝希山认为，未来人工智能、大数据处理等方面的专家将和临床医生坐在一起，共同为病人出具诊疗方案。而对于医学生来说，“数字医学”时代提出了更高的要求，他们不仅要熟练掌握医学知识，还要掌握数字化相关的技能。
相比抢“饭碗”，王红阳更担心滥用人工智能带来的失范。“有人直接用它写论文，有人靠它提供的数据开展研究，类似负向作用需要各方关注，也需要政策去管控。”王红阳强调，医学是一门非常严肃的学科，且有不少伦理上的约束，使用ChatGPT等新技术、新工具，需要引导和规范。
“人工智能是基于人们总结的经验、积累的数据训练而成，对于已知问题它可以产生成熟地解决方案，但涉及未知，人和人工智能都需要探索。”贾伟平指出，医生和患者面对面不止于信息交流，期间还有心理层面的沟通，因此可以肯定的是，“人工智能不能够代替人类，不能够代替医生”。(完)
人工智能终将取代医生坐诊看病500位英国医生说不
近几年，人工智能技术在制药、诊断、治疗等医疗健康领域突飞猛进，取得了许多突破性的成果。很多人工智能领域的专家和硅谷投资人都认为AI最终都会取代医生，可医生们并不认同这种说法。
图片来源：Pixabay
当然，医生们对AI技术的怀疑多少带一点就业保卫战的意味。不过作为治病救人的一线人员，确实只有医生才能看到AI在现实诊疗过程中面临的问题。
哈佛医学院学者CharlotteBlease博士在今年年中进行了一项面向全英国全科医生的调查，这份调查结果给AI从业者泼了一盆冷水：近7成（68%）的受访医生并不认为AI可以全面取代医生对患者进行诊疗。
以往在公众视野下讨论的AI议题通常都由AI从业者和硅谷大咖主导，鲜有医务工作者的声音。研究主导人Blease博士认为，此项调查反映了AI界和医疗界之间长久以来被忽视的“严重分歧”。在当下机器学习越来越多地被应用在医药行业，医生对新技术的质疑可能会导致两者的剧烈冲突。
这项研究是首次对英国医务工作者进行AI相关的意见调查，共720名全科医生回应了研究人员分发的问卷。其中，近7成受访者不认为AI技术可以在未来取代医生完成诊疗工作。其他认为可以的受访者中，也仅有35%的人（82人）认为这项技术会在10年内出现。总体来看，医务工作者对于未来AI的潜能并不乐观。
图片来源：Pixabay
医生工作中的主要任务有六项：诊断、评估预后、推荐转诊、制定个性化治疗方案、提供情感支持、整理病历。受访者根据这六项指标，对AI未来的潜力进行了推测。尽管大部分医生都不认为AI会彻底取代医生，但有超过一半的受访者认为AI未来可能在评估预后上取代医生，还有过八成的受访者认为AI可以在整理病历上有所作为。
对于有疑难杂症、罕见病情的患者，医生的预后评估可能会比较困难。AI的机器学习则有可能发现很多医生无法理解或难以发现的特征，从而代替医生做出预后评估。同时，对于一些需要早期进行干预的疾病，比如自闭症、阿兹海默病，AI或许可以比医生看得更长远。
至于病历资料整理就比较有意思了。有调查显示，医生一天工作时间的2/3都贡献给了填写病历相关的事项，这不仅让医生苦不堪言，患者也会觉得无法和医生充分交流。也难怪超8成的受访者同意AI会在写病历这件事上取代自己。如果AI可以解放医生这方面的工作负担，大概会获得医患双方的一致欢迎。
这份调查或许反映了当前很多医务工作者对于AI的态度：他们更希望AI能提高工作效率，优化诊疗结果，而不是取代自己。研究主导人Blease博士也希望医务从业群体能对AI科技进行更深入的了解和探讨，为未来两者间可能的冲突提前寻求可行的解决方案。
参考资料：
[1]Blease,etal.,Computerizationandthefutureofprimarycare:AsurveyofgeneralpractitionersintheUK.PLoSOne,https://doi.org/10.1371/journal.pone.0207418
[2]AIwon’treplaceus,docssay.RetrievedDec27,2018fromhttps://spectrum.ieee.org/the-human-os/biomedical/ethics/ai-wont-replace-us-docs-say
[3]EHRsstealprimarycaredoctorsfacetimewithpatients,studyfinds.RetrievedDec27,2018fromhttps://www.healthcareitnews.com/news/ehrs-steal-primary-care-doctors-face-time-patients-study-finds
人工智能真能取代医生吗
初试合格，院方与AI开发团队达成正式合作协议，AI开始系统“学习”北京天坛医院近10年来接诊的、数万余神经系统疾病患者病历，特别是对脑膜瘤、垂体瘤、胶质瘤等常见病的图像识别。
高培毅教授对记者说，AI“拜师”不过半年多，如今它在一些神经系统常见病的诊断上已游刃有余，在部分脑瘤的影像诊断上，准确率达到90%以上，相当于高级职称医师的水平。
浙江大学睿医人工智能研究中心主任吴健表示：“在局部领域，AI很有可能会比人做得更好，但是在整体上，AI目前要想超过顶尖医生，还是非常困难的。AI诊断准确率高，是因为人告诉它这样做。但对于新出现的问题，AI是无法深入研究、总结规律的，仍要依靠人类。”
AI诊断系统让医生收入更高
备战“人机大战”，高培毅教授为提升AI诊断系统的应战能力进行“集训”，让AI诊断系统阅读了更多的病历。一般来说，一名医生阅读300多个病例大概需10小时以上，耗费精力让医生直呼“崩溃”，可AI只需不到半个小时就能完成。
“除了学习速度快之外，AI诊断系统的稳定性也明显超越人类。它不知道累，也不受外界干扰因素的影响。不像医生会被情绪、状态、时间地点等外界因素打扰，从而影响描述的准确性。它永远保持冷静，水平稳定。”高培毅表示。
对于6月30日“人机大战”的结果，清华大学教授、清影科技CEO邹昊预测说：“就算机器赢了医生，也不能说明这些医生的水平低，只能说明通过AI诊断系统来辅助诊断，会有一个非常光明的未来。有了AI诊断系统，我们医生今后不会再那么累、再那么辛苦了。”
邹昊认为，公众对“大战”结果应理性看待。医生也可能出错，错误率可能远远高于AI诊断系统，但人们往往会更关注后者的错误率，比如AI诊断系统的准确率达到70%，大家就会觉得太低了，因而否定它，其实，人类医生的诊断准确率可能还没这么高。
邹昊认为AI诊断系统普及后，不仅不会让医生下岗，还会增加他们的收入。他说：“诊断效率提升了，医生的收入必然会随之上涨。这是人和机器最好的一种合作模式。”
影像科医生不是“看片匠”
对于人工智能正在“取代”医生的说法，高培毅教授表示，医生具有不可替代性。他表示：“觉得AI诊断系统能取代医生的人，把医生工作看得太简单了。有的专家每周只出2个半天的门诊，但人家在此前几十年从医之路中，已积累了深厚经验。”
“AI诊断系统也许可以取代‘看片匠’的角色，但它永远不可能成为一个真正的医生。”高培毅教授说。
吴健告诉记者：AI诊断系统只是一个工具，抢不走医生的工作。他举例说：“在没有计算器之前，我们用心算或者手算来计算，计算器出现后，它只是辅助我们把工作做得更好、更快，但这并不意味着人们因此失业了。同样，AI诊断系统也一样，它让百姓能够轻松、便捷地看上病、看好病，这是多好的事。”
AI诊断系统高度依赖数据真实性和数据质量，而北京天坛医院的脑血管病数据库是我国目前最有价值的医学数据库之一。
“我对AI诊断的希望，首先是希望它能做一些医生觉得‘烦’的、低附加值的、重复性的工作，可以把医生的一部分精力解放出来。在这个学习的过程中，我也会把我的经验告诉AI诊断系统，比如说某种病只有男性会得，某种病90%都发病于儿童等等，从而进一步提升它的学习效果。”高培毅表示。
邹昊表示：“人工智能可以看医生一辈子没法看完的病例和影像，几十万甚至是上百万，从人工智能综合表现来看，机器超过人的概率还是很大的。有研究显示，例如给医生充足时间诊断病例，准确率在90%左右，机器达到95%，如果人和机器结合在一起的话，准确率更高，有可能达到99%。”
AI帮医生卸下工作负担
统计数据表明，国内医疗影像数据量每年增长超过30%，但放射科医生数量年增长仅为4.3%，人员的增长速度远远跟不上实际需要，供不应求的矛盾愈演愈烈。多数患者一定有这样的经验，去医院初诊，最常听到的一句话一定是“拍张片子看看”，可随着各级医院影像设备的大规模引入，能为患者“拍片子”和“看片子”的医生之间的缺口逐年增大。
在北京天坛医院，近年来，伴随着门诊量和外地患者数量的提升，高培毅教授带领的影像科医师队伍不到30人，每天分两班，工作16个小时以上，仍无法满足患者的需要，存在严重人力不足。
从全国范围来看，影像科人才资源地域性分配不均衡的问题也十分突出。以脑肿瘤为例，北京天坛医院每年手术量约为1万余例，而在大部分基层医院，这个数字可能只停留在两位数。大多数患者即使在基层做了检查，还是会选择携带片子到三甲大医院来看。
实际上，患者从基层到大医院，经历了层层渠道，片子也往往是拍了又拍。这样的过程，不仅给基层带来了患者的流失，对患者而言，也造成了经济上的巨大浪费和损失。
今年1月，国家神经系统疾病临床医学研究中心、首都医科大学附属北京天坛医院联合发起成立了天坛神经系统疾病专科联盟(以下简称专科联盟)，它囊括了全国近300家具有神经学科优势的三级医院加盟。未来，包括神经系统AI影像判别技术在内，联盟内部将实现专家、临床、科研、教学等资源共享。
在基层医院，利用AI技术为诊断赋能，让基层医生在读片诊断上与大医院具备同等水准，提升诊疗效率，减少患者不必要的诊疗环节和经济损失。
在北京天坛医院，借助AI有效挖掘信息与疾病的潜在联系的能力，还可辅助医生对疾病做出更为精准的预测，如预测患者血肿后是否会大出血的准确度，可从人为判断的60%提升至90%，辅助医疗团队提前为患者可能遇到的危险提供解决方案。
“理想状态下，这套系统正式应用后，至少可以替代医生20%的工作时间。”高培毅教授表示。
出了问题，责任属谁
虽然人工智能热度高，但很多人对它有疑虑。吴健认为，要让大家接受人工智能，关键要落实好责任归属问题。
“医生在给患者看病时，存在一定误诊率，人工智能软件也会有偶然情况发生。如果机器参与诊断，万一有误诊，该怎么办？”吴健说。
邹昊表示：“‘人机大战’是好事，但最终目的不是争出个谁输谁赢，未来应人机协同，无论是机器诊断出来、医生同意，还是机器诊断出来、医生不同意，决策的最终主体都在人身上。”邹昊认为，医生应承担起这个责任。
“现在医生少，就诊者比较多，医生对于每个来就诊者，只有两三分钟来做判断。AI诊断系统的效率会高一点，过去医生要花半个小时才能完成的分析，它可能2分钟就完成了，但AI诊断系统不了解就诊者的实际心情，也无法与患者交流，更不可能给他们以抚慰。也许将来会有更高级别的产品，能把人的情感也加入到AI诊断系统中。”邹昊说。
专家认为，期待AI诊断系统能迅速发展、成熟，这样不仅能让二三线城市患者，乃至乡村患者，也可以享受到高水平的普惠医疗。
文/本报记者杨淑梦
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。
微信用户可关注中国家庭报官微（zhongguojiatingbao1）。
返回搜狐，查看更多
为什么人工智能还不能取代医生这里有 5 个理由
选择合适的数据是正确诊断的第一步，AI输在了起跑线上。
2
AI无法诊断「没见过」的疾病
AI的诊断效果除了算法的影响，很大程度上还取决于用于training的数据。
我们暂且抛开大量training素材的可及性和伦理问题，相信这些问题的解决只是时间问题。
最重要的一点是AI无法诊断training中不包含的疾病类型，或者新的关联类型。
比如，发病率比较低的疾病，这些疾病的档案本来就很少，training素材中可能没有包含或者只有少数几例。那么，AI在实际诊断中就会发生误判。
再比如，有些病征可能过去一直只跟疾病A相关，但最近出现这些病征跟疾病B相关的情况越来越多。这时，目前的AI依然只会按照过去学习到的规则来诊断。
AI也许速度很快效率很高，但她非常死板，这绝不是一名优秀的医生应该具备的素质。
不过，随着技术发展和资本推动，中国的医疗AI研究必然会打破目前各种疾病诊断领域独自开发的现状，这也让AI识别和选择正确的数据成为可能。
3
停留在表面的AI诊断
AI的诊断原理跟医生有本质区别，AI经常只是停留在表面，而医生能够深入本质。
医生的诊断并不是基于表面的图形，图形只是疾病的一种表象。但是，图像识别AI是完完全全地基于这些表象，因为她没有办法理性思考。
真实的医疗过程中存在大量表面上很相似，但实质上大相径庭的案例，这就超出了AI的能力范围。但可怕的是AI并不知道自己的能力边界，她还是会机械地按照程序员写好的代码进行计算，并给出错误的结果。
在Bejnordietal.的研究中我们看到，人类医生只要给予合理的时间，诊断的准确率和AI不相上下，但在医疗资源紧张、医生负荷沉重的情况下（比如2小时鉴定129张病理切片）会有更高比例的病例被误判为阴性，但不管时间是否充裕，人类医生诊断的假阳性率始终是非常低的。而AI正好相反，虽然诊断的准确率比较理想，但假阳性率较高，并且算法容许更多假阳性时灵敏度更好[1]。在Litjensetal.的报道中，深度学习算法的灵敏度达到了100%，但假阳性率也高达40%[5]。
随便举个例子，比如，我上传给花卉识别AI一张长筒花的照片，她其实并不认识长筒花，但因为长筒花跟非洲凌霄的花有些类似，所以她很自信地给出非洲凌霄的诊断结果。
长筒花被错误地识别成非洲凌霄
真的放心让专注表象十年的AI给你看病吗？
4
AI无法根据实际调整诊疗方案
AI在可以标准化或量化的数据处理中强于人类，但医生看病并不仅仅是诊断这么简单，医生的目的是要把病人治好。
为了达到这个目的，医生需要根据患者病情的发展，并发症的情况，身体情况，经济条件给出最优的治疗方案，这个复杂的过程需要的不仅是专业知识，还有经验和智慧[6]。
你也许会说Alphago和Zero不是很有智慧吗？那是因为围棋只是一个游戏，规则清晰，地盘有限，计算机可以左右手互搏赚取经验。在真实世界里，医疗行业日新月异，影响医疗结果的因素众多，受到新技术、新政策、疾病的分布变化等等因素的影响，有那么多「小白鼠」供AI练习吗？我们甚至没有一个能够模拟人体在各种疾病和治疗下会有如何改变的模拟器。
AI能否在实际医疗场景中的提高医疗质量，还有待更严谨的前瞻性研究的证实。
5
AI无法自己发现新的方法
最后一点也最为重要：医学不是一成不变的科学，医学每天都在进步，每天都在面临新的挑战，诊断标准与诊疗方案也需要与时俱进。而AI不能自己给自己建立新的诊断标准，更不能从新的病例中发现新的方法。
AI的强项在于数据的收集和分析，在有足够多的医疗样本后，AI也许会对诊疗指南有自己的看法。
但是每个医生都知道，新术式、新治疗方案、新药使用和尝试，甚至是面对新的疾病，都是临床实际工作中的一部分。在目前，推进医学进步的重任唯有人类医生可以担当。
结束语
AI，愿你在这盛世能成为一名合格的仆从，帮助医生完成一些简单重复的劳动，让我们的医生不再那么辛苦，可以有更多的时间更充沛的精力来做重要的事情、帮助更多的患者！（责任编辑：刘冬宸）
本文作者王婧，剑桥大学博士后，丁香园大数据部高级分析师。
参考文献：
1.EhteshamiBejnordiB,VetaM,vanDiestPJ,etal;CAMELYON16Consortium.Diagnosticassessmentofdeeplearningalgorithmsfordetectionoflymphnodemetastasesinwomenwithbreastcancer.JAMA.2017;318(22):2199-2210.
2.EstevaA,KuprelB,NovoaRA,etal.Dermatologist-levelclassificationofskincancerwithdeepneuralnetworks.Nature.2017;542(7639):115-118.
3.GulshanV,PengL,CoramM,etal.Developmentandvalidationofadeeplearningalgorithmfordetectionofdiabeticretinopathyinretinalfundusphotographs.JAMA.2016;316(22):2402-2410.
4.GoldenJA.DeepLearningAlgorithmsforDetectionofLymphNodeMetastasesFromBreastCancer.JAMA.2017;318(22):2184-2186.
5.LitjensG,SánchezCI,TimofeevaN,etal.Deeplearningasatoolforincreasedaccuracyandefficiencyofhistopathologicaldiagnosis.SciRep.2016;6:26286.
6.ChenJH,AschSM.MachineLearningandPredictioninMedicine-BeyondthePeakofInflatedExpectations.NEnglJMed.2017Jun29;376(26):2507-2509.返回搜狐，查看更多