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
人工智能会取代医生吗
从目前的应用来看，人工智能应用比较好的领域是皮肤科、病理科和影像科。
上海市第一妇婴保健院院长
这个问题有两种答案：
看好人工智能的人会说YES，因为用不了几年人工智能真的会取代那些平庸的医生，取代那些Belowaverage（低于平均水平）的医生，但是暂时不会取代那些Aboveaverage（高于平均水平）的医生。
不看好人工智能的保守医生会说NO，TA真的是发自内心的、天真地以为人工智能不会取代任何医生。其实未来最需要AI的是Belowaverage的医生，也是最不理解和最不接受人工智能的人。
最近，人工智能很火，不仅仅是在投资界很火，在学术界也很火。
好的人工智能公司很容易融到钱，连不咋地的人工智能公司也拿到钱了，这也难怪一些临床医生说有些AI项目纯粹是圈钱和烧钱，将来肯定进不了临床。
但是，好的AI项目还是挺靠谱的，最近《自然》杂志连续发了好几篇人工智能完胜各个学科医生的文章。
看看这些夺人眼球的文章题目，你就会明白了。
近日，来自谷歌、谷歌大脑与Verily公司的科学家，开发出了一款能用来诊断乳腺癌的人工智能，它的表现甚至超过了专业的病理学家。
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%，不足一半。
看了这种现状你害怕不？而且在中国我们还缺很多很多的病理科医生。
病理科医生必须经过数年甚至十几年的训练才能掌握足够的经验，成为一名合格的病理学家，要成为优秀的病理学家更是难上加难，在医疗资源不足的地区，想要得到诊断，都是一种奢望。
为了解决病理诊断的瓶颈，谷歌和Verily的科学家们做了一个尝试。他们将单张病理切片的图像分割成了数万至数十万个128x128像素的小区域，每个小区域内可能含有数个肿瘤细胞。随后，他们提供了许多肿瘤组织与正常组织的病理切片，供人工智能学习。最终，这款人工智能掌握了一项像素级的技巧——它能分辨出单个小区域内被标注为“肿瘤”的像素，从而将整个小区域标注为“肿瘤区”，从而有效地将肿瘤组织与健康组织区分开来。
学习完毕后，这款人工智能迎来了实战。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%，完胜人类。
2017年1月10日，美国FDA首次批准了一款心脏核磁共振影像人工智能分析软件CardioDL，这款软件将深度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。
这一基于深度学习的人工智能医学影像分析系统，已经进行了数以千计的心脏案例的数据验证，该算法产生的结果与经验丰富的临床医生分析结果不相上下。
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应用于临床。
近期，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（Charman,2014）。
人工智能在疾病诊断领域再次战胜人类。
2016年8月16日,《自然·通讯》发表了一份斯坦福大学医学院研究人员的研究：计算机可被培训在评估肺癌组织切片时，比病理学家更精确。
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的2186张图像。数据库还包含了每例肿瘤的级别、期别以及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。
斯坦福大学遗传学教授Snyder博士说：“事后看来，一切都在情理之中。计算机能够比人类更加准确、快速地在数以千计的样本中，多次评估甚至是微小的差异。”
2月2日，斯坦福大学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系统，使计算机学会分析图片并诊断疾病。
训练计算机的数据库由129450张皮肤病变图片和对应的文字描述组成，涵盖了2032种皮肤病。而诊断的“参考答案”则由皮肤病专家提供，他们依靠的是非侵入性图像分析和组织活检。
之后，计算机迎来了“毕业考试”。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，没有出现过皮肤病变的图片，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。
人工智能会如何取代医生？
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，取代医生的工作甚至是完全取代医生。
如果用于诊断疾病，判断预后的数据或图像可标准化、量化、结构化的话，基本上可用人工智能来完成。在确立算法后，可让机器不断地学习和积累，逐步完善，最终战胜人类。
从目前的应用来看，人工智能应用比较好的领域是皮肤科、病理科和影像科。
皮肤科在台湾和一些欧美国家，都是医学院学生在毕业的时候最喜欢选择的科室，因为工作相对轻松，收入颇丰，而且还不用值夜班。它也是在线问诊收入最高的科室。
很遗憾，人工智能要来了，而且很有可能会取代很多人的工作，假以时日，皮肤科的人工智能医生将会取代很多人的工作。
目前，中国最缺的医生是病理科，很遗憾，届时病理科和影像科医生的工作也有可能被人工智能抢走，而且它们的水平将会高于大多数普通医生。
再看看我从事的妇产科，有很多常规工作将来都可以用人工智能来完成，根本不需要那么多的医生了。
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人工智能取代。
产科超声：在胎儿畸形的筛查与诊断方面，北美的普遍做法是由一般的Sonographer超声技师来按照标准的切面截图保留，然后由MFM母胎医学专家审读、写报告。理论上讲，这些超声截面图的审读是可以由人工智能来完成的，原理类似于人工智能对CT和MRI片子的解读和判断。
胎心监护：胎心监护结果的解读和判断也完全可以由人工智能完成。
机器比人可靠，更精准，而且它还不会疲劳，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。
这个趋势是不可逆的，也不可抵挡，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断崖式的下跌。
未来的情景将会是：Aboveaverage的医生由AI做助理，Belowaverage的医生是做AI的助理。
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，还是人工智能无法替代的。
《知识分子》是由饶毅、鲁白、谢宇三位学者创办的移动新媒体平台，致力于关注科学、人文、思想
[责任编辑:宋雅娟]