英国研发人工智能算法助力新冠病情诊断
图集新华社伦敦6月15日电（记者张家伟）英国牛津大学15日发布消息说，该校领衔的一个科研团队正开发和测试一种人工智能算法，可辅助医生诊断和管理新冠患者病情，从而提高他们的工作效率，及时为患者提供更合适的治疗方案。
由牛津大学领衔的英国“国家智能医学影像联盟”正与一家企业开展合作，开发相关的人工智能算法应用。据该校介绍，当前医护人员判断新冠患者病情是否会恶化以及他们肺部是否会出现长期性损伤并不容易，不少新冠患者入院时并没有明显的病情恶化征兆。
团队基于大量新冠患者数据来开发人工智能算法，目的是帮助医生更快速地诊断病情，并且预判患者是否会出现病情恶化，比如哪些患者会出现呼吸困难、哪些患者会发展出长期性的肺功能问题。
参与该项目的牛津大学教授弗格斯·格利森说，如果通过这项技术，医生能更准确地预判哪些患者病情恶化风险较高，他们就能及时对患者进行更细致的医学观察，采取预防性治疗手段，防止病情加剧，这也能让医院有限的资源更高效地用于帮助有需要的患者。
+1【纠错】责任编辑：周楚卿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]
人工智能医疗能取代医生吗（上）
2.骨龄
家长在发现自家孩子发育不正常（过快或过慢）时，往往会咨询医生是否需要做骨龄检查。从前，骨龄并没有太大的说服力，评估也十分繁琐费时。随着技术的进展，骨龄渐渐成为评价儿童生长发育状况的重要指标，也是部分儿童内分泌疾病诊断与疗效评估的参考依据，更是预测成长期儿童成年身高的主要依据。而在人工智能日益普及的今天，其繁琐性得到明显改善，准确性已能满足临床需求，现骨龄已可精准到几岁几个月。
3.骨折
以前医生会根据患者拍的片子来寻找有无骨折，每位医生的观察结果也会不一样。骨折后，特别是肋骨骨折的患者会因疼痛而保持姿势，甚至肌肉紧绷，无意中固定了骨折部位，使骨折线不甚明显；几天后骨痂形成、骨折附近组织吸收，骨折线明显起来，医生才发现还有几处骨折。这一度令医生和患者都相当困扰。而人工智能的应用让骨折的蛛丝马迹都能被找出来，提高了诊断正确率和工作效率。
4.心脑血管
人工智能结合CT血管造影（CTA）可预测动脉粥样硬化斑块的风险，对于软斑块的预测更准；同时，还可以辅助判断冠状动脉是否会有狭窄等；而对于混合型斑块的评估准确性稍差一些，还需进一步提高。
人工智能医疗只是用来辅助与医生工作，人们在制造它们是的也主要是想用人工智能辅助医生提高效率，而不是为了取代医生，那么现在都有那些人工智能医疗出现在我们的生活中了呢?那就请关注我们的下一期哦！等你来看！
返回搜狐，查看更多
人工智能取代医生
人工智能取代医生？AI画出鼻咽癌放疗靶区，准确性与医生相当
鼻咽肿瘤又被称为“广东瘤”。广东省高发区鼻咽癌发病率为世界平均水平的40倍。
鼻咽癌要放疗，就要勾画靶区，以往，这一工作均是人工完成。日前，鼻咽癌精准放射治疗在靶区勾画技术上有了新进展。
南都记者从中山大学肿瘤防治中心获悉，该院孙颖教授团队首次利用AI技术，实现了鼻咽肿瘤自动勾画，准确性与医生相当。相关成果于2019年3月26日发表于国际影像学顶级期刊《Radiology》。
鼻咽癌：广东省最高发，放射治疗是根治手段
鼻咽癌是我国常见的头颈部肿瘤，中国鼻咽癌发病率居全球第一，其中广东省高发区的发病率为世界平均水平的40倍，因此鼻咽肿瘤也被称为“广东瘤”。孙颖说，这是唯一一种以地区命名的肿瘤。
由于鼻咽解剖位置特殊，手术治疗困难，且鼻咽癌对射线敏感，因此放射治疗是鼻咽癌的根治手段。中山大学肿瘤防治中心每年收治的5000余例鼻咽癌患者，经过精准放射治疗联合适当强度的化疗，80%以上的无远处转移鼻咽癌可彻底治愈。
科技运用于医疗。2018年9月18日，西南交通大学生命科学学院的郭志云老师在科普活动中讲授肿瘤知识。新华社记者江宏景摄
难题：人工勾画“不快、不准、不狠”
孙颖介绍，在放射治疗过程中，加速器治疗机发出的射线要从不同角度穿过周围的脑干、眼球、视神经等40多个重要器官到达鼻咽肿瘤，精度要求在毫米级别。而照射不足将导致肿瘤复发，照射过度又会造成放射性脑损伤、听力下降等后遗症。
因此，准确界定照射范围（勾画靶区）是精准放疗的重要步骤。孙颖说：“精准放射治疗就像射击，精准勾画靶区就相当于瞄准靶心，要在CT或MRI影像上精确描绘出肿瘤范围。”
然而，目前鼻咽肿瘤靶区的勾画主要为人工勾画，准确性高度依赖医生的经验。孙颖把人工勾画存在的问题概括为“不快、不准、不狠”，也就是勾画时间长，需要3-10小时；准确率低于70%；不同医生勾画区域的体积变异系数超过50%的问题。
新技术：用AI自动勾画放疗靶区
孙颖介绍，经过超过一万例的病例积累，中山大学肿瘤防治中心的专家们摸清了鼻咽癌肿瘤的生长规律，并开始探索人工智能（AI）进行自动勾画。
目前，MRI影像是鼻咽肿瘤勾画的金标准，人工勾画需要医生仔细、全面地观察肿瘤在MRI影像上的侵犯范围并逐层勾画出肿瘤靶区。“专家经验就存储在这些靶区中。”
于是，该团队共纳入来自1021例鼻咽癌患者（全部期别）的MRI影响资料，并由两名鼻咽癌放疗专家共同完成靶区勾画，以提供三维、大尺度和高质量的影像和靶区用于计算机学习。“勾画以我为主，大概花了半年时间，再由一个年纪和经验和我差不多的专家进行审核。”孙颖说。
将专家经验转变为数据后，团队与在人工智能领域处于国际先进水平的香港中文大学计算机科学与工程系、深圳视见医疗科技公司进行合作，采用三维卷积神经网络（3DCNN）这一在图像识别领域表现优异的AI技术，实现鼻咽肿瘤自动勾画。
日前，相关研究成果在国际影像学顶级期刊《Radiology》上发表。
释疑：
Q1：AI自动勾画的准确率有多少？
89%的病例无需修改或仅少量修改后可用于计划设计
A1：AI自动勾画的准确性可达到79%。无论患者是早期（T1-T2）还是晚期（T3-T4），无论是否接受过治疗，AI均可达到相似的勾画准确性。经专家评估，32.5%的病例无需修改可直接用于放射治疗计划设计，56.2%的病例经少量修改即可用于放射治疗计划设计。
Q2：AI自动勾画的准确性与专科医生相比如何？
AI准确性与专科医生相当，甚至超过医生水平
A2：孙颖团队开展了多中心测试，共纳入不同分期的20例患者和8位来自7个高水平医院的放疗专科医生，由8位医生在20例患者的MRI影像上人工完成鼻咽癌原发肿瘤勾画（即人工勾画）。以专家勾画作为金标准，AI自动勾画的准确性超过了8位医生中的4位，与其余4位相当。
Q3：AI能否替代医生？
不能，但AI能辅助医生提高勾画准确性
A3：目前还不能替代医生，但AI辅助勾画能提高专科医生勾画准确性。在8位医生完成人工勾画的两个月后，由他们对AI自动勾画的结果进行修改（AI自动勾画+医生修改，即AI辅助勾画），结果显示，AI辅助勾画提高了5位医生的勾画准确性（平均由74%提高到79%），减少了55%的勾画者间差异。
Q4：AI能提高多少效率？
效率提升5-10倍，受保护器官增加28个
A4：整体勾画效率提升了5-10倍。通常人工勾画需要耗费3-10小时，但有了AI辅助勾画后，时间缩短为20-50分钟。在节省时间的同时，也提高了放射治疗的质量，受保护器官由15个增加到43个。
Q5：下一步有什么研究计划？
将通过云平台在国内外开展临床验证
A5：为了扩大AI放射治疗靶区勾画的影响力，孙颖团队进一步实现了鼻咽癌颈部淋巴结、预防性放疗区域和需保护的正常组织的自动勾画，并集成了人工智能自动勾画云平台。下一步他们将通过云平台在广州、广西、新加坡等地开展临床验证，以期取得全球鼻咽癌放射治疗水平的同质化。
人工智能可以取代医生吗
人工智能可以取代医生吗健康健康报2016年08月29日09:57A-A+扫一扫手机阅读我要分享QQ空间新浪微博腾讯微博QQ微信原标题：
IBM日前宣布研制出世界首个人造纳米尺度随机相变神经元，并构建了由500个该神经元组成的阵列，以模拟人类大脑的工作方式进行信号处理。有评论称，人工智能拟人时代或迎开端。同时，据媒体报道，IBM的“沃森”（Watson）人工智能系统近日仅用10分钟就诊断出一名60岁女性患有罕见的急性骨髄性白血病，并且找到了最适合的治疗方法。我国已有21家医院计划使用经纪念斯隆—凯特琳癌症中心训练的IBMWatson肿瘤解决方案，以期助力获得个性化的循证癌症治疗方案。电脑诊病是否将变成现实？
强人工智能时代还很遥远
神经元是人类神经系统的最基本结构，人造神经元的问世，是否意味着未来可能会制造出类人甚至超越人类的物种？业内专家表示，人造神经元是人工智能研发的一项重要突破，但人工智能要真正实现和人类一样还路途漫漫。
人工智能系统是通过处理海量知识而不断自我进步的深度学习系统，具备阅读和理解自然语言的能力。一直致力于人工智能辅助诊断系统研发的Airdoc创始人张大磊表示，人工智能大体可分为弱人工智能和强人工智能两大类。弱人工智能主要是通过机器学习算法，构建算法模型和深度学习网络完成指定任务，已经在图像识别、语音识别等很多领域得到应用并表现优异。强人工智能不仅要完成指定任务，还要有知觉、有自我意识，能推理、解决问题，要实现这个目标，还是非常遥远的事。
专家指出，计算机深度学习神经网络是基于训练模型的参数构建，并非化学物质，而人类生理性神经网络是人脑神经元通过神经递质传递信息。
微软亚洲研究院副院长张益肇博士表示，人造神经元与生物神经元就如同飞机机翼与鸟的翅膀，形似而神不同。两者从表面看，都是结构简单的神经元相互传递信息，进行信号处理，但具体处理方式却大相径庭。大脑的高效率、低耗能是目前人造神经元还远不能匹敌的。
人工智能有助提高诊断准确率
张益肇介绍，人工智能发展已有60年历史，从最初的用药警示发展到辅助临床诊疗提高医疗安全和医疗效率，以及更高效开展科技研究等众多领域。比如，微软亚洲研究院正在研究的病理诊断、脑部恶性肿瘤诊断等项目都有很好的结果。计算机能够从包含数以百万计像素的病理切片中提取正常细胞与恶性肿瘤细胞的不同特征，从而识别恶性肿瘤。人工智能系统能够帮助医生降低误诊几率。美国现在还有基于人工智能研发的医生训练模拟器，医生通过短期的模拟训练，可集中看到各种病症。全球每年有几十万篇医学论文发表，人工智能系统可以“阅读”海量信息，从中为研究者提取研究最相关的内容，尤其对于罕见疾病的诊断，更易于寻找线索，及早确诊治疗。
人工智能系统在某些领域甚至还可以媲美或“取代”临床医生。张益肇举例说，在疟疾疫情严重的非洲地区，由于缺乏足够的病理医生，患者难以得到及时诊断和治疗。微软与盖茨基金会合作开发的血液涂片人工智能分析诊断系统，有望破解这一难题。基于机器学习方法，目前微软正在进行与艾滋病相关的研究，“艾滋病病毒与计算机病毒有相似之处，都会不断变异并逃逸防御系统”。
张大磊介绍，世界卫生组织网站上ICD-10编码的疾病有7.8万多种，症状也有几万种。如此庞大的信息量，并不适合人类去记忆，并在5分钟——10分钟内准确判断。人工智能辅助诊断就是给医生添了一个得力助手，尤其将训练好的模型应用到基层，基层医生便随时随地有一个可信赖的助手来帮忙提醒，以免误诊和漏诊。Airdoc团队研究显示，人工智能系统与顶级医院顶级医生在部分领域的诊断符合率达到97%以上。
张大磊介绍，该公司研发的Airdoc系统目前已经在影像、病理、病历识别等领域得到应用。公司与国内多家知名医院合作，让该系统“学习”大量的病历资料、病理切片、CT、核磁等影像资料，进而构建恶性肿瘤、慢性疾病等不同种类的学习模型。部分疾病的恶性肿瘤病理切片识别判断准确率已经超过大多数临床医生；而通过对病历核心信息提取、结构化，则可以判断并预测患者可能会患的疾病。
诊断决定应该由医生作出
张大磊认为，目前人工智能系统在医疗领域的应用仍面临不少挑战。如人工智能辅助诊断系统是一个“大胃王”，需要接受大量信息进行学习，但国内医疗数据质量不高。
此外，深度学习是非常前沿的研发领域，对于人工智能在辅助诊断、病历识别等方面的应用，不少人还认为“不可能、不靠谱”，这需要医疗行业更新观念。以Airdoc为例，其在理解中文病历、构建适用于中国人的疾病辅助诊断和预测领域的性能和准确性都超过了国外同行，但还没有被很好认知和接纳。也有业内人士指出，IBM“沃森”系统进入中国医院，还需要加强数据分析的“本土化”。
张益肇指出，人工智能系统的发展在数据来源上面临个人信息隐私保护的挑战，如对基因的分析就涉及家族、个人遗传信息保护，需要在加密状态下进行机器学习。人工智能系统的计算和理解能力也需要进一步提升。目前，计算机人工智能系统对多维信息进行综合判断还有难度，比如，人工智能系统能够成功识别一张电影海报，但无法判读电影是悲剧还是喜剧。此外，还需要通过政策引导、保险支持等提高医生采纳新技术的愿望，更积极地推动医学与最新信息技术的结合。
“电脑的能力毫无疑问将日益强大，但医生永远不会被电脑取代。”张益肇提出，医学是艺术与科学的融合，日益强大的人工智能系统能够帮助医生更便捷地获取和提取医学信息，但医生绝不是百科全书式的知识储备体，更需要高情商能力与病患很好地沟通交流。
张大磊也认为，人工智能会取代医生的重复性体力劳动工作，提升医生的职业专业程度，但医生需要在诊疗过程中观察病人的表情、神态，给予患者心理安慰和人文关怀，这些都不是计算机算法能够取代的。“我们给Airdoc的定位就是辅助诊断，诊断决定应该由医生来作出，而不是由软件来作出。”
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”。
责任编辑：