文章主题：AI, 医疗, 诊断
在医学领域，人工智能（AI）的应用已经取得了显著的进步。其应用场景包括利用AI管理电子病历、AI辅助诊断某些病症以及AI在治疗过程中的应用等。这些创新技术不仅提高了医疗效率，还改善了患者诊疗体验，展示了人工智能在医疗领域巨大潜力。
有人预言，未来自主AI将替代医生的角色，而此观点引发了不少争议。内科医生群体对此持乐观态度，他们对于医疗AI的发展充满了期待，同时也不担忧自己的职业会受到威胁。
不应神化，也不该拒绝——那AI到底在医疗领域有什么用？我们今天就来简单盘点并讨论一下。
AI给诊断带来变革
在医疗AI领域，研究的重心主要集中在“诊断”环节。科学家们通过训练AI系统，使其能够辨别在不同环境下患者的疾病症状，从而成为了这个领域的主要研究方向。
在全球范围内，包括IDx-DR在内的诸多自主人工智能系统已获得美国食品和药物管理局（FDA）的批准，能够对糖尿病视网膜病变等疾病进行诊断。与此同时，谷歌公司也联手Verily，共同研发出一种AI系统，具备类似的诊断能力。
在实际应用中，尽管AI系统通常需要配合专门的临床仪器，但密歇根大学凯洛格眼科中心研发的RetinaScope AI诊断系统却仅需借助智能手机的摄像头，便可实现糖尿病视网膜病变的识别。这一创新性系统将AI技术与智能手机相结合，不仅降低了成本，还使得视网膜成像技术得以在更多场景下得到应用。正因如此，许多AI+医疗领域的创业者们，也将这一方向视为梦想之地。
谷歌对于人工智能领域的投入力度不可小觑，其研发的AI系统在肺癌诊断上的表现甚至超越了人类专家。这一成果的背后，是谷歌运用深度学习算法对肺癌诊断AI系统进行训练的过程。这套系统能够分析断层扫描（CT）影像，并预测患病概率，其效率和准确率之高，让人眼前一亮。
另有研究指出，用机器学习程序诊断心脏病，准确率也已达到与传统手段不相上下的水平。
同时，AI诊断领域还取得一些其他小进步，例如可以用Apple Watch诊断检测精神分裂症和心脏病。
这些原理都很简单，对于那些有明确表征的疾病，AI在读取数据和分析数据方面，要比人类高效和精准得多。
AI帮助医生筛选数据
AI的另一个医疗应用是帮助医生筛选数据。借助预测性算法，AI可以像专业人士一样快速筛选数据。
例如，外媒报道美国威尔康乃尔医学院（Weill Cornell Medicine）用AI系统分析数据，判断5天大的体外受精胚胎成功怀孕的几率有多高。研究人员收集12000张人类胚胎图片，花几天时间处理，然后用数据训练AI算法，它就能识别健康与不健康胚胎。
研究发现，用这种名叫Stork的算法评估新胚胎影像时成功率达到97%。以前，诊断胚胎时有时要依靠人类的主观判断，Stock能分担人类的一些工作，让流程标准化，而且更精准。
不只如此，研究人员还用AI系统分析病人，看病人的身体条件是否适合做手术。例如，有专家开发了一套AI系统，它可以分析病人是否适合做角膜屈光手术，以及哪些病人做完手术之后可能会有并发症。
简言之，人类医生判断时往往会出现错误，有了AI工具，研究人员也许能开发出更精准的筛选工具。当然，也不是所有的医疗场景都适合，AI解决的还是大量重复劳作的问题。
AI分辨癌细胞类型
AI能否在癌症诊断、管理方面给人类带来帮助？当然有可能。Osaka大学的研究人员最近做过实验，他们开发一套AI系统，可以分辨癌细胞类型。研究团队用卷积神经网络开发一套系统，然后用8000张细胞图片对系统进行训练，最终系统识别癌细胞的精准率达到98%。
癌症有多种，病人不同，癌细胞的类型也不同，而且会存在巨大变化，这使得人类很难区分，AI系统则可以帮上大忙。
最近，卢森堡大学生命科学研究组也开发出一套系统，它可以模拟癌细胞代谢过程，分析抗癌药物的效果。据悉，该系统首先给健康细胞和癌细胞建模，然后专家将10000名病人的基因数据输入系统，再用系统进行模拟，看看不同化合物对细胞代谢有何影响。
如此，AI就可以用来筛选抗癌药物，看看哪些药物安全有效，这样一来在药物进入实验室接受测试之前，研究人员就可以提前淘汰不合格药物。
AI远程监控病人体征
将AI植入穿戴设备，医生就可以在远方监控病人。例如，一家名叫Current Health的公司开发出一款AI设备，病人在家中使用该设备，Current Health就可以收集多种关键信号，包括病人的脉搏、呼吸、氧饱和度、温度等。
该设备将各种实时数据发送给医生，让他们远程处理。收集数据之后，Current Health会用AI对数据进行分析，及时发现数据中出现的不良变化。
实际上在医疗电子领域，将AI与智能手表等设备融合监控心脏病，早已开始流行。此外，研究人员还开发出可以诊断肥大型心肌病的AI工具，也可以植入携带方便的穿戴设备。
AI用于基因研究
AI还可用于基因研究。据报道，利用AI技术，研究人员最近在DNA非编码区发现一些基因突变，发现它们与自闭症有关。然后研究人员用深度学习技术去分析这些“垃圾区域”，找出它们的影响。
具体做法上，研究小组对12万个基因突变进行分析，判断哪些突变与自闭症患者的遗传行为有关。这一研究可能无法告诉我们到底是什么原因引发自闭症，但它的确有可能揭示怎样的基因突变与自闭症有关。这样的海量数据大规模分析，非AI不能高效完成。
总之，AI之于医疗行业的应用已经无处不在，从病情诊断到辅助治疗，从癌症分析到基因研究，都有AI的身影。当然，虽然AI在医疗行业的应用的确取得了不少进步，不过AI仍然很年轻，未知潜力远大于已知应用，医疗+AI的精彩之路才刚刚开始。
AI时代，拥有个人微信机器人AI助手！AI时代不落人后！
免费ChatGPT问答，办公、写作、生活好得力助手！
搜索微信号aigc666aigc999或上边扫码，即可拥有个人AI助手！
