1. 首頁 > 科技 > >

醫生|如何評價人工智能醫療？人工智能醫療應著重往哪個方向發展更好？

機器人醫生互聯網醫療

【醫生|如何評價人工智能醫療？人工智能醫療應著重往哪個方向發展更好？】醫生|如何評價人工智能醫療？人工智能醫療應著重往哪個方向發展更好？

文章圖片

醫生|如何評價人工智能醫療？人工智能醫療應著重往哪個方向發展更好？

文章圖片

醫生|如何評價人工智能醫療？人工智能醫療應著重往哪個方向發展更好？

文章圖片

醫生|如何評價人工智能醫療？人工智能醫療應著重往哪個方向發展更好？

首先 ， 肺癌等癌癥領域的AI應用 ， 可以說是AI在醫療領域應用最佳的切入點 ， 比影像學領域的應用還要直接、快速、有轟動效應對肺癌的確診需要“活檢” ， 這是沒有問題的 。 但“活檢”最后就是要落實到“讀片”這個過程中來 。 因此可以說 ， 對于癌癥的活檢確診是非常適合應用AI中圖像識別技術的 。 臨床上病理醫生在“活檢”操作中的“讀片”結果不是輔助結果 ， 而是最終確診結果 ， 是金標準 ， 享有排他性的至高無上的價值 。 即時錯了 ， 也是病理醫生診斷錯誤 ， 但不能否認其金標準 。

如今 ， 做病理AI的也比較多 ， 結果可靠 ， 包括糖尿病、皮膚癌其他方面也是 。 個人覺得最主要的原因還是因為病理特征相對放射影像來說還是比較明顯 ， 起碼一個像素有RGB三個參數描述 ， 放射影像RGB通道都是一樣 ， 只有一個參數 。 放射影像方面就肺結節、乳腺、骨骼等實質性器官、形態特征比較明顯的做的還不錯 。

同時 ， AI在拍片中可以用于疾病的初篩 ， 提高影像檢驗的科技性和普及性 ， 減少影像超聲醫生的工作量 。 AI在醫療領域最大的障礙應該是倫理、醫療差錯責任、精準性方面 ， 路還遠 ， 但必須得走 。 據我所知 ， ge和西門子做的多是在ct片上識別器官血管腫瘤等自動進行分割重建 ， 17年8月剛對大陸醫院的影像工作站進行升級 。 對于分子影像學進行篩查和預測也還是人工智能干的事情 。

再說一點吧 。 達芬奇手術機器人如何進行精準的定位 。 咱不說0.1um的定位是否在臨床上有意義 ， 就手術來看 ， 定位從來不是一個很復雜的問題 ， 手術的難點在于操作過程本身 。 那問題就來了 ， 達芬奇手術機器人是否可以全程自動操作 ， 整個過程是否需要醫生干預呢？AI醫療的核心是數據 ， 這個領域非結構化非常嚴重 ， 需要象58同城當年一樣 ， 不拒絕干臟活累活 ， 沉到醫院去和醫生一起采集數據 。

所以 ， AI醫療還要以開放的心態 ， 集成其他領域的信息 ， 升維才能看得清 。 醫生配合機器比單純機器更準 。 打個比方 ， 利用現在ML相關的計算機技術 ， 誤診率5% ， 單純人類誤診率10% ， 但機器+人類 ， 誤診率0.9% 。 這波操作帶來的效果就是 ， 全民都可以獲得提升 ， 但有錢人活得更多 。

另外 ， 我覺得人工智能醫療很大的癥結點 ， 在于在醫療智能領域很多醫生沒有參與進來 ， 就拿語音錄入的例子來說 ， 其實語音錄入在沒有涉及到臨床相關詞匯時還好 ， 主要因為有關于臨床相關的一些云庫不夠健全 ， 而這不是一些it行業的人可以搞定的很完美的 ， 這需要醫療行業的人參與加入進來才有可能做好 ， 做的真正能提高效率 。

綜上所述 ， 個人認為AI應用于醫療領域是大有可為的 ， 只不過行業外的人被媒體的各種吹捧搞得不知所措 ， 其實業內人都明白 ， AI應用于醫療目前還只是一個起步階段 ， 技術層面還有很不完善的地方 ， 但是已經可以有落地的產品提高醫院的效率了 ， 未來的發展肯定會越來越好 。 各方不應排斥這一新技術的應用 。

相關經驗推薦