惊艳、突破！人工智能眼科机器人医生来了！
嵩岳的诊断，是建立在对7万张眼底照片100余万标注病灶深度学习的基础上。现场10张糖尿病视网膜病变的影像片，38秒做完诊断。这样的速度，不出意料的快，但整体成绩上(仅准确度的判断，并未考虑时间)，与其研发者之一的王艳婷医师打了平手。
从比赛结果看，嵩岳与前三位医生的读片结果一致性超过九成。
“在这次较量前，我们还进行了面向全国眼科医生的公开擂台赛”。据河南省眼科研究所副所长雷博介绍，全国大赛，征集时间为两天，全国23个省市共110名选手参赛。
参赛选手的单位涵盖二三级医院。比赛成绩机器人位列第三名，值得河南眼科同仁高兴的是，前两名中的一位是省立眼科医院的雷祥医师。
据了解，在眼科和视觉科学领域，人工智能的应用也呈爆发式增长。国际规模最大的眼科与视觉科学研究年会（ARVO）相关文献报道由2017年的8篇猛增到2018年49篇。
在人工智能辅助影像诊断领域，眼科也走在了前列。
2018年4月11日美国卫生监管机构食品药品监督管理局(FDA)首次批准利用人工智能技术的医疗设备,而这一产品就是一种对糖尿病性视网膜病变进行筛查的软件程序。
河南省立眼科医院和国内几家单位联合北京致远慧图科技有限公司自主研发糖尿病视网膜病变人工智能诊断系统。在此基础上我院又进一步研发了人工智能机器人“嵩岳”，这是国际首个用于糖尿病视网膜病变筛查的机器人医生。
当天，在12楼会议室，嵩岳糖尿病视网膜病变人工智能机器人临床研究项目正式启动。新华社、人民网、河南日报、河南卫视、大河报等30多家新闻媒体在现场见证了这一重要时刻。
国家卫健委信息中心副主任胡建平，省卫生计生委巡视员黄玮、宣传处处长杨力勇，省科技厅副巡视员王占波，省科协副巡视员陈萍，中国信息协会医疗卫生和健康产业分会会长宋新，郑州市社保局副局长陈德贤，北京致远慧图科技有限公司CEO孙宇辉等嘉宾，河南省人民医院、河南省立眼科医院院长顾建钦，河南省人民医院党委书记邵凤民共同启动了该项目。
糖尿病视网膜病变人工智能（AI）机器人医生又称为“嵩岳”医生，它目前包含两大部分：
一是软件系统，即糖尿病视网膜病变人工智能诊断系统。由河南省人民医院眼科（河南省立眼科医院、河南省眼科研究所）金学民教授团队与北京协和医院、首都医科大学附属北京同仁医院的眼科同道和北京致远慧图科技有限公司联合研发。
二是硬件系统，“机器人”有人机交流、信息收集、远程诊断、打印报告等多项功能。河南省人民医院（河南省立眼科医院、河南省眼科研究所）金学民教授团队结合医生、患者实际需求，在原来软件系统的基础上研发了硬件系统。它的特点包括：
作为嵩岳的主要研发者，雷博教授说，嵩岳还需要不断学习，比如有的影像片上还有病灶，但是嵩岳没有标注出来。
科技创新的最终目是为了惠及百姓。目前，糖尿病视网膜病变人工智能诊断系统的核心辅助诊断软件已进入中国国家食品药品监督管理总局（CFDA）三类医疗器械审批程序，为目前国内首批进入该审批程序的人工智能医疗产品。
中国糖尿病患者超过一亿，由于对糖尿病的控制情况不一，其中约30%患者还会出现糖尿病视网膜病变。
未来通过审批后，“嵩岳”医生将大幅度提高人工智能诊断系统的可及化和普惠化，将高科技技术直接带到患者面前。
“嵩岳”医生是一个很好的辅助诊断助手，不仅可以直接解决我国基层医疗机构眼科医生和相应诊断技术不足的问题，还可以使内分泌、内科等相关科室以及社区糖尿病患者及早得到高水平的诊断和筛查，对早期发现糖尿病视网膜病变并防止其导致的盲目具有重大意义。返回搜狐，查看更多
人工智能会替代医生吗
在医疗领域，人工智能正从前沿技术转变为现实应用。“人工智能医生”PK人类医生，谁更厉害？
图为5月5日，在第二届数字中国建设峰会上展出的数据技术研究院医疗多模态智能交互系统。新华社记者林善传摄
去年6月，在北京国家会议中心举办的全球首场神经影像人机大赛上，国家神经系统疾病临床医学研究中心等机构研发的“BioMind”系统出战由25名神经影像领域的专家学者以及优秀临床医生组成的人类战队。
在进行了225例颅内肿瘤影像和30例脑血管疾病影像判读比试后，“BioMind”系统分别以87%、83%的准确率，战胜了人类战队66%、63%的准确率。
无独有偶，科大讯飞推出的“智医助理”，此前也以超过合格线96分的成绩，成为通过国家执业医师资格考试综合笔试评测的人工智能机器人，被认为具备了全科医生的潜质。
IBM的“沃森医生”、百度的“医疗大脑”、阿里健康的“DoctorYou”……越来越多的人工智能辅助诊疗和智能影像系统出现在市场上，让人们不禁为医生的职业担忧起来。
然而，业内的声音恰好相反。
“把人工智能作为助手，协助临床医生提升诊断准确率和效率，而不是取代医生，是业界发展的共识。”腾讯医疗健康事业部技术委员会主任钱天翼表示，临床上有CT、核磁、病理、实验室化验等不同的手段，每一种模态的存在都有其特殊价值，临床医生往往是根据多模态综合多个检查结果进行诊断。人工智能只是辅助临床医生提升诊断准确率和效率，为资深医生减轻重复劳动压力，为年轻医生提供快速成长的路径。
前百度硅谷人工智能实验室科学家、中科九峰首席人工智能科学家李祎博士也认为人工智能基本不能替代医生，除非是在细胞计数等一些问题定义简单、工作内容重复的任务上。
“绝大部分医生的工作除了通过眼睛去观看医学图像之外，还需要结合医学知识进行逻辑推理，才能得出具有实际临床价值的结论。而逻辑推理正是目前学界公认的以深度学习为基础的人工智能所欠缺的。”李祎表示。
在临床上，“人工智能医生”首先需要接受准确的数据输入才能产生正确的诊断，而患者的症状并不总是能用完美的医学术语来描述。并且，了解患者的完整病史仍然是临床诊断的关键环节，那些善于倾听、安慰患者，得到患者信任的医生有可能获取更多的信息。
“我认同美国国立卫生研究院科学家罗纳德·撒莫斯博士的名言，即‘拥抱人工智能的医生会取代拒绝人工智能的医生’。”李祎说。
人工智能“儿科医生”来了，在上海徐汇检测儿童骨龄
今天上午，一名家长带着5岁的女儿来到徐汇区枫林街道社区卫生服务中心，拍摄了女儿左手X光片。医生随后利用骨龄检测人工智能系统进行阅片，点击鼠标后几秒钟，一份儿童生长发育测评报告就出现在屏幕上。
这种社区检测服务，得益于国内首个儿童医疗健康智能服务平台的初步建成。最近，徐汇区卫生事业管理发展中心与依图医疗合作，建成了儿童生长发育管理子平台。它集智能生长发育筛查、智能测评、智能转诊等功能于一体，能助力基层医疗机构开展骨龄检测，为儿童生长发育保驾护航。
打造儿童医疗服务“徐汇模式”
徐汇区卫生事业管理发展中心主任孙雅介绍，我国儿童面临的主要健康问题正在从传染性疾病转向发育异常，尤其是性早熟、矮小症、肥胖症等内分泌疾病。国家卫生健康委发布的《中国居民营养与慢性病状况报告（2015）》显示，我国6—17岁儿童和青少年的肥胖率超过8%。
“早发现、早诊断、早治疗是儿童内分泌疾病干预的关键。”浙江大学医学院附属儿童医院常务副院长、骨龄检测人工智能系统指导专家傅君芬教授说，人工智能在这方面大有用武之地。将它应用于儿童生长发育测评，具有速度快、精度高、一致性好等优势，有利于一个区域开展有规律的骨龄检测，精准掌握儿童生长发育状况。人工智能还有利于大数据分析，基于各个区域儿童医疗健康数据开展的研究，有望形成很多成果，如地区性儿童骨龄标准制定。
本着这一理念，徐汇区卫生事业管理发展中心在徐汇区卫健委指导下，今年与人工智能企业依图医疗合作，开始建设国内首个儿童医疗健康智能服务平台。目前，这个平台的儿童生长发育管理子平台已建成，具有智能生长发育筛查、智能测评、智能转诊等功能。未来，平台将覆盖儿童成长全周期、全病种，实现疾病早筛、生长发育测评、健康管理的全流程智能化。
徐汇区副区长秦丽萍介绍，为实施“人工智能高地双T战略”，徐汇区政府今年与依图科技签署了战略合作协议。儿童医疗健康智能服务平台是双方合作的一个项目，旨在打造儿童医疗服务的“徐汇模式”，推动人工智能落地、为百姓造福。
“智能转诊”实现儿科分级诊疗
记者今天来到枫林街道社区卫生服务中心，它是儿童医疗健康智能服务平台的试点应用单位。不少家长带着孩子来测骨龄，儿童年龄与骨龄如相差2岁以上，儿童患有内分泌疾病的可能性就比较大。由于有“人工智能医生”协助，社区卫生服务中心的检测效率非常高。
依图医疗副总裁方骢博士说，人工检测骨龄需要5—15分钟，而人工智能系统检测的时间只有几秒，其读片准确度达到儿科资深专家水平。机器的这种能力是怎么来的？方骢解释说，依图医疗请多位资深儿科专家做了图像标注工作；随后，研发团队将大量标注过的正常发育的儿童左手X光片输入计算机模型；通过深度学习算法，这个模型对这些X光片进行长时间学习后，就能准确判别X光片所对应的儿童年龄。
除了骨龄检测，儿童医疗健康智能服务平台还具有智能转诊功能，推动区域内多级医疗机构的联动。儿童检测结果如果异常，平台会将数据传到复旦大学附属儿科医院。医生做出诊断后，平台再将诊断结果反馈至社区卫生服务中心。方骢认为，这在很大程度上实现了分级诊疗，既能缓解三甲医院儿科医生的工作强度，又能提升基层医疗机构的服务能力。
不久的将来，儿童医疗健康智能服务平台将推广应用于徐汇区所有13个社区卫生服务中心，让更多居民享受到“人工智能医生”的服务。孙雅表示，徐汇区卫生事业管理发展中心今后将把儿童全病种、全周期的医疗服务需求逐步纳入平台，并开展大数据归集和治理，为全区儿童成长和相关医学研究提供科技支撑。
人工智能医疗运用的现状回顾和可能问题分析
信息技术是人类在认识自然和改造自然过程中所获取的信息获取、传递、存储、处理等能力，极大地变革我们的思维、生活方式和工作模式，其繁衍出的互联网、物联网、云计算和大数据等技术，推动人工智能的发展进入到繁荣期。人工智能已经成为当今世界大国的国家战略，被誉为第四次技术革命。人工智能的通用性和多功能性，将会像电力的普及应用一样，全方位地提升各个领域的效率。医疗领域更不例外，但任何一项技术本身都有“双刃”效应，需要辩证客观的加以分析，扬长避短，让人工智能的发展始终走在服务人类的轨道上。
一、对人工智能的理解
“人工智能”（ArtificialIntelligence）一词是美国科学家约翰·麦卡锡在1956年达特茅斯学院的夏季研讨会时提出的，也从那里正式起步发展。从字面上来理解，人工智能有四个字组成，分别“人”、“工”、“智”、“能”。我们从“能”、“智能”、“人工”三个层面逐一剖析。
首先，人工智能是“能”。说明人工智能是一种能量系统，不是物质系统和信息系统。能量是一个物理学概念，是物质运动转换的量度。能量是物质在运动过程产生的，有各种不同的表现形式。人工智能是智力运动产生的，可以转移到其它运动方式中，产生其它能量。
其次，人工智能是“智能”。说明人工智能不同于机械能、化学能、热能、电能、辐射能、核能、光能、潮汐能等。它是智力活动产生的能量，是智慧和能力的结合，其结果是产生行为和语言，并以行为和语言来服务于人类的需要。
最后，人工智能是“人工”。说明人工智能的智力能量来自于人工。智力力量是人工、人造的。人的工作是人工智能的源头。人工智能不是人智慧的直接运动，而是模仿人的行为和语言；不是天然产生的，是人类自己模仿自己，是想把人类独有的感觉、记忆、回忆、思维、语言等赋予除人类以外的物体。
综上所述，人工智能是人类通过模仿智力运动过程来实现人脑的认知、识别、记忆、计算、逻辑思维、推理判断等复杂思维功能。从这个角度来看，今天的人工智能在识别、记忆、计算、逻辑思维、推理判断等方面已经达到或超过人脑的能力，但仍然没有触及到智力的起点——认知。这是智能的智力运行机制问题，是揭开人类智慧的终极挑战问题。现今的人工智能的发展得益于信息网络技术收集的海量数据，以控制论、信息论和系统论等作为基础理论，以神经网络、遗传算法、概率论等数学模型为核心，是脑科学研究的最新成果，是数据和算法的胜利！虽然人工智能已经可以模拟人的某些思维过程和智能行为（如学习、推理、思考、规划等），但还不能模仿出人脑的意识、情感、信念、直觉、思考、联想、创造等高等级思维活动，处于浅层次的弱人工智能阶段。在人类自身没有弄清智力本源的问题之前，人工智能的发展将长期在这一阶段徘徊，不会全面超越人类的脑力。
二、人工智能医学运用现状回顾
信息网络条件下，各种智能终端的普及和传感器的运用产生了大量的数据，为人工智能医学运用提供了源源不断的养分，不仅给医疗领域本身带来了一场新技术革命，更是具备了促进医疗服务模式改变的力量。人工智能在运营、预防、检查、诊断、治疗和康复等健康管理环节，以及药品研发、医疗器械生产等方面都有了不寻常的运用。
在医院运营方面，可以利用人工智能检测医疗支出中的浪费、欺诈和滥用行为，计算预约患者的到院率，合理安排医护人员，监测床位使用率，追踪药物和医疗设备状态等，为医院决策者提供更多的决策信息。
在疾病预防方面，2008年谷歌利用人工智能技术通过网络搜索内容来推断流感爆发。今天，人工智能利用大数据和深度学习技术，可以预测阿尔兹海默病风险、心血管疾病风险、癌症风险、精神疾病等。这些预测能够帮助卫生管理机构防控公共疫情，协助个人提升健康水平。
在检查结果判读过程中，人工智能最为成熟和广泛的运用是图像识别。在视网膜图像识别、甲状腺超声影像诊断、肺结节影像检测、CT影像识别等领域，人工智能的机器读片在时间和准确率上已经超过部分医生，甚至是某一群体。作为辅助工具节约医生大量的时间，提高了医生的工作效率，为解决基层医疗资源不足的难题提供了思路。
在诊疗方案的提出上，人工智能还能够模拟医生的思维和诊断的方式、习惯和依据，融合自然语言处理、认知技术、机器学习等技术，充当“人工医生”，可以较短时间内提供出精准的诊断结果和个性化的治疗方案，供医生参考借鉴。2018年，科大讯飞的“人工医生”首次通过国家执业医师资格考试，而且超过了96%以上的人类考生，全科“人工医生”已经开始上岗了。
在健康管理过程中，随着智能可穿戴设备和家庭智能健康检测监测设备的研发和广泛应用，个人健康数据从过去的静态监测变成了动态监测，人工智能便可以从这些动态数据中，分析判断出个人的健康水平，能够对血糖、血压、血脂，用药等方面给予精准的指导，为患者提供便捷化、智能化、日常化的医疗护理和健康指导。
在药物研发上，人工智能的自学习技术能精准分析生物的复杂结构网络，以及微观系统层面各要素之间的复杂关系，给出基因、蛋白质层面的发展变化走向，从而使药品的研发更具靶向性，有助于发现适用于广泛人群和特定人群的药物，从而缩短药物研发周期，减少研发失败，有利于新药的出现。
在医疗器械生产上，人工智能对医疗器械应用全过程中的效果的进行智能分析，让医疗器械的研发和使用上更加符合医疗的实际，更加契合个人的使用习惯。病人定制、医生定制的医疗器械产品有可能出现。一些远程化、标准化、智能化医疗器械的运用会解决外科医生不足的问题，医疗器械的研发、生产和运用更加精准化。
三、人工智能医疗运用的可能问题分析
任何一项新鲜事物的出现，必然会打破原有的结构，扰乱已形成的平衡。人工智能医疗运用确实会给医疗领域带来“意想不到”诸多变革，但是同样也带来过去不曾面临的“纠缠”和“纠结”。
（一）人工智能医疗运用会不会替代人类？
人工智能是人类发明的一项科学技术，是计算机技术的延伸，是计算机实现智能的原理，或制造类似于人脑智能的计算机。人工智能只是人类征服自然的工具，是人类认识和利用自然及其规律的手段，是构成社会生产力的重要部分。人是人工智能的创造者和使用者。人的能力是人进行人工智能研究的前提条件和基础。人工智能的能力与人的能力息息相关，人工智能的升级和迭代与人的能力发展进步相关连。人始终在人工智能的发明和使用过程中处于主导地位。因而，人工智能的医疗运用是置于人的能力和人的主导下进行的，不可能超越人类自我，跨越人类之上，只能部分代替人的能力，增强人的部分能力，尤其是在涉及人类生命健康的医疗行业中，一个小小错误的代价可能是生命或生活功能丧失。无论人工智能的“医疗知识”有多丰富，“技术能力”如何精湛，“诊治水平”怎样高超！它仍然是同核磁、X射线、超声、检验和病理一样，是健康管理过程中的辅助决策工具，最后做决断的是人，这是由技术的本质属性决定的，与技术的功能无关。
（二）人工智能医疗运用会不会丧失自我？
人类通过技术的发明和使用获得了巨大收益的同时，却又让人类付出了代价，损害最明显的是人的价值和自由。工业革命把人类从体力劳动中解放出来后，缺乏运动、高脂饮食、污染排放等开始影响人类的健康。一旦人工智能把人类从脑力劳动中解决出来，体力、脑力劳动双解放，更容易让人类在人工智能面前丧失“自我”，导致人自身、人与人之间、人与社会之间关系的异化，形成一种“病态世界”，人工智能在解放人类的同时又在奴役人性。这种状况的出现不是人工智能的过错，是人类使用人工智能过程中的偏差。人工智能医疗运用更让人们陷入唯“人工智能”论，不信“真人”信“假人”，让机器代替人类作决定，成为机器的奴隶。因而，人类须展现智慧的一面，有意识地去克服人工智能不利的一面，向更智慧的层面迈进。无论人工智能医疗运用有多“医能”，它应该始终是人类改造自然的工具，是促进人类健康和尊严，谋求人类的长远利益而发展的，不能成为人类文明畸形发展的灾难，把人文精神贯穿人工智能医疗运用发展的始末。
（三）人工智能医疗运用会不会存在问题？
人工智能医疗运用离不开数据、算法，以及结论的执行，但每个环节都可能存在问题。一是数据真伪问题。人工智能医疗运用的起点是数据，但数据的来源、记录、整合等方面都可能存在漏洞。如有研究机构指出电子病案系统中80%左右医疗信息是粘贴和复制的，存在着许多疾病信息编码、疾病描述的非标准化等错误。数据的整合也是其中的一个难点，如何将病历、影像、检验报告里的非结构化数据转化为可以识别的结构化数据。医疗机构之间的数据孤岛现象，“私心”问题、全数据库共享权限等均会制约人工智能的发展。二是算法有“偏见”。人工智能医疗运用算法的对象是不是具有代表性，算法开发者、设计者会不会有代码“歧视”和“偏见”。这些看似无关的问题，实际上影响最终的结果，受人的主观意识控制。如保险行业运用人工智能提高某些人群的保额或者拒保某一特定人群。三是过程缺乏科学评价。人工智能医疗运用中的数据、算法本身有没有科学性也是问题，谁来评价这些数据、算法本身是否科学？如果数据、算法本身都存在问题，其结论的科学性就无从谈起。退一步说，就算数据和算法都没有问题，结论有没有科学性，如何评价结论的科学性同样需要科学的评价工具。四是责任边际不易划分。人工智能医疗运用是辅助诊疗工具，最后决策者是人，人承担决策责任。但人工智能医疗运用的结果不同于影像学、检验学、病理学结果，一个是单一机器判读的结果，一个大量数据测量的结果，谁应该承担这一主观性的责任。数据收集者、算法设计者、结论采用者谁应该承担主要责任，尤其是当人工智能结果与人的主观判断结果不一致，且造成严重成果时，责任如何划分？这些责任边际划分的结论也会反向促进或抑制人工智能的发展，需要一个不断完善和健全的法律、伦理等制度保障。
（四）人工智能医疗运用会不会产生危险？
技术是有两面性的，一方面是技术本身的缺陷造成的，另一方面是使用者的不安全使用。人工智能医疗运用同样存在危险。一是信息泄露。个人医疗信息的价值仅限于个人，但相关算法不仅能直接采集个人医疗信息，也会深度挖掘分析看似不相关的数据信息。人工智能在多场景、多平台、多时段的数据收集，以及专业化的数据处理，使得信息主体本身难以查觉和了解，无法控制其个人信息的传播和滥用，个人信息裸露在虚拟世界中。二是反向运用。人工智能医疗运用要有伦理和法律界限，即应以人类的根本利益和责任为原则，以实现人类根本利益为终极目标。但相关技术稍加转化便可以对人类形成灾难，如对疾病基因的筛选可以变成对致病基因的筛选，其作用就千差万别了。三是形成鸿沟。人工智能医疗运用发展需要相对发达的信息网络技术和广泛场景运用为基础，需要超量的资金和科学家团体的不懈努力，但在当前全球经济发展不平衡、技术发展不均衡的环境下，人工智能发展出现了国家化和民族主义倾向，更易形成技术垄断和壁垒，加深了国家、公司、个人之间的技术鸿沟，形成“悬崖”效应，将对人类社会的发展带来许多不确定性的影响。