前不久，百度宣布對醫(yī)療事業(yè)部進行重大改組，對醫(yī)療業(yè)務(wù)進行組織架構(gòu)調(diào)整和優(yōu)化，集中優(yōu)勢資源，將醫(yī)療業(yè)務(wù)的重點布局在人工智能領(lǐng)域。此舉一出就引發(fā)了業(yè)內(nèi)的關(guān)注，百度在醫(yī)療領(lǐng)域的任何動作都會招致各種議論，原因大家都知道，在這里也就不多說了，那么，人工智能技術(shù)與醫(yī)療事業(yè)的契合點在哪里？現(xiàn)階段的人工智能是否能夠?qū)︶t(yī)療事業(yè)帶來重大影響？我們簡單的來分析一下。

  傳統(tǒng)醫(yī)療行業(yè)與模式存在眾多弊端

  醫(yī)療作為一個特殊的行業(yè)存在，由于其自身體系的獨特性與封閉性，難免會存在著這樣或那樣的問題，就像大家知道的那樣，看病難、看病貴已經(jīng)成為人們普遍抱怨的對象。人民的生活水平得到了逐步的提高，對醫(yī)療資源的需求也日益增強。由此一來，衛(wèi)生服務(wù)需求與醫(yī)療衛(wèi)生資源的矛盾日益突顯。

  醫(yī)療資源集中、小病也去大醫(yī)院，無形之中就給醫(yī)院帶來了很大的負擔(dān)。大醫(yī)院的功能本應(yīng)是收治危重病人和疑難病人，卻收治了大量常見病、多發(fā)病患者，不僅造成看病難、看病貴，還浪費了大量的寶貴資源；“以藥養(yǎng)醫(yī)”的畸形發(fā)展更是給病患就診帶來了不必要的經(jīng)濟負擔(dān)，小毛病動輒開藥幾百上千元早就是家常便飯，回扣的潛規(guī)則導(dǎo)致一些醫(yī)生并不是為患者考慮最優(yōu)的診療方案，而是最貴的方案；地域之間的公共醫(yī)療資源分配不均，比如三甲醫(yī)院大部分都分布在省會城市，先進的醫(yī)療器械和優(yōu)質(zhì)的醫(yī)護資源也都集中在這些醫(yī)院中，這就自然導(dǎo)致了大量的患者涌入這些醫(yī)院，就診效果難以保證。從另一個角度來看，傳統(tǒng)醫(yī)療手段對于疾病診斷方面存在一定的誤差，在某些疑難病癥上的診斷與治療更是存在兩眼一抹黑的情況。

  人工智能技術(shù)在哪些環(huán)節(jié)擁有優(yōu)勢？

  可見，醫(yī)療是個“歷史遺留”問題，在我國是這樣，在很多發(fā)展中國家乃至發(fā)達國家也擁有類似的問題。而對于人工智能技術(shù)來說，其在大數(shù)據(jù)領(lǐng)域與運算速度上的先天優(yōu)勢可能為醫(yī)療事業(yè)帶來驚人的進步。在最簡單的化驗分析階段，如今已經(jīng)擁有人工智能設(shè)備在進行這一環(huán)節(jié)的操作，雖然樣本采集諸如采血、采便、穿刺等還需要人工來進行，但后續(xù)環(huán)節(jié)已經(jīng)完全可以由人工智能技術(shù)代勞，樣本分類、離心、推片、染色、劃片等步驟要比人類操作的效率高很多，即便是鑒定也可以通過將樣本數(shù)據(jù)與大數(shù)據(jù)進行分析比對來進行判定。

  統(tǒng)計機構(gòu)IDC的預(yù)測數(shù)據(jù)顯示，到2020年醫(yī)療數(shù)據(jù)量將達40萬億GB，數(shù)據(jù)生成和共享的速度將迅速增長，其中80％以上的數(shù)據(jù)為非結(jié)構(gòu)化數(shù)據(jù)。IDC認為，未來人工智能技術(shù)將在醫(yī)療領(lǐng)域被廣泛應(yīng)用，尤其在輔助診斷、藥物研究、醫(yī)學(xué)影像、基因科學(xué)等細分的醫(yī)療場景。從目前來看，IBM的“沃森”應(yīng)該是全球領(lǐng)先的醫(yī)療人工智能系統(tǒng)，它將人工智能的數(shù)據(jù)整合、分析與判斷能力與人類醫(yī)生的診療經(jīng)驗相結(jié)合，提供輔助醫(yī)療的處理邏輯。

    新醫(yī)療技術(shù)更加依賴人工智能

  中醫(yī)“望聞問切”的時代早已遠去，今天的醫(yī)療技術(shù)更加追求縝密、嚴謹、細致，這恰好是人工智能技術(shù)所擅長的。在疑難雜癥方面，人工智能技術(shù)可以把全球病例匯集成一個龐大的數(shù)據(jù)庫，只要幾毫秒的時間就能調(diào)取并檢索關(guān)鍵數(shù)據(jù)；而基于神經(jīng)網(wǎng)絡(luò)、計算機視覺、深度學(xué)習(xí)和語音識別等技術(shù)的人工智能系統(tǒng)還能對阿爾茲海默癥、精神分裂癥等疾病進行早期預(yù)警與診斷。

  Winterlight的機器學(xué)習(xí)軟件對阿茲海默癥患者和健康人的演講進行分析，從語料中找到語速、語調(diào)和語法的區(qū)別，找出規(guī)律。普通人用這個軟件去測試，能夠得知自己未來罹患阿茲海默癥或其他認知障礙的風(fēng)險有多高這項技術(shù)能夠幫助人們提早預(yù)測抑郁、中風(fēng)、失語、自閉癥、多動癥等認知障礙，進而進行預(yù)防或提早接受治療；波士頓生物醫(yī)療公司的BERG人工智能系統(tǒng)對比分析從癌癥患者和健康人身上采集的樣本，試圖在14萬億個數(shù)據(jù)節(jié)點中找到能夠“對癥下藥”的那些關(guān)鍵節(jié)點，而如此海量的數(shù)據(jù)節(jié)點完全無法依靠人類醫(yī)生來分析。由此可見，因為數(shù)據(jù)量龐大、病例罕見等原因?qū)е潞茈y由人類醫(yī)生的完成的工作，正在被人工智能技術(shù)一點點發(fā)現(xiàn)并解決，雖然人工智能要形成完全的診療能力還需要很長時間，但其已經(jīng)影響到了醫(yī)療行業(yè)的工作模式，讓新藥研發(fā)、病理診斷等工作變得更加高效；同樣，未來的新醫(yī)療技術(shù)也更加依賴人工智能。

  大數(shù)據(jù)系統(tǒng)為人群提供量身定做的醫(yī)療服務(wù)

  相對于雇傭家庭醫(yī)生的高價格，人工智能技術(shù)可以通過人們的工作環(huán)境、工作時間、作息規(guī)律、飲食偏好、病患病史等眾多細節(jié)來量身定做一套適合每一個個體的醫(yī)療服務(wù)，還包括健身、保健等等。通過智能手環(huán)、智能心律帶、智能內(nèi)衣等周邊設(shè)備獲取人們的數(shù)據(jù)，并上傳到云端服務(wù)器，再通過系統(tǒng)制定一套可供參考的醫(yī)療服務(wù)細則，類似的事情已經(jīng)在歐美國家開始部分試點，想必距離全面鋪開也只是時間問題。而對于基因測序這種前沿科學(xué)，業(yè)內(nèi)人士普遍認為基因測序在未來一定能夠?qū)崿F(xiàn)全民普及，把基因和鍛煉、飲食、傳感器等加起來，基于大數(shù)據(jù)進行深度分析就可以進行有效的健康預(yù)測、健康管理。

    “人工智能＋醫(yī)療”，不是噱頭，而是未來

  總的來說，人工智能在醫(yī)療領(lǐng)域的機遇主要有七大方向：

  一是提供臨床輔助診斷等醫(yī)療服務(wù)，應(yīng)用于早期篩查、診斷、康復(fù)、手術(shù)風(fēng)險等評估場景；

  二是醫(yī)療機構(gòu)的信息化，通過數(shù)據(jù)分析，幫助醫(yī)療機構(gòu)提升運營效率；

  三是進行醫(yī)學(xué)影像識別，幫助醫(yī)生更快更準(zhǔn)地讀取病人的影像所見；

  四是助力醫(yī)療機構(gòu)大數(shù)據(jù)可視化及數(shù)據(jù)價值提升；

  五是在藥品研發(fā)領(lǐng)域，解決藥品研發(fā)周期長、成本高的問題；

  六是健康管理服務(wù)，通過包括可穿戴設(shè)備在內(nèi)的手段，監(jiān)測用戶個人健康數(shù)據(jù)，預(yù)測和管控疾病風(fēng)險；

  七是在基因測序領(lǐng)域，將深度學(xué)習(xí)用于分析基因數(shù)據(jù)，推進精準(zhǔn)醫(yī)療。