人工智能颠覆了医疗哪些领域

鹰瞳Airdoc

A-

A+

人工智能在语音、语义、图像等方面的应用日益广泛，如今不管你搬家、旅行，还是在外卖APP上点一杯热咖啡，都离不开人工智能，和很多生活领域不同，医疗对于人工智能来说特殊而又重要，因此一直都有很多机构在医疗领域展开了研究。

斯坦福大学一直致力于人工智能医疗研究领域的研究，斯坦福大学计算机系终身教授李飞飞曾表示，人工智能已经可以应用在医疗健康领域，并且为医疗健康领域做出贡献。今年年初，在Master的光环下，斯坦福关于人工智能检查皮肤癌的同样引爆医疗圈，斯坦福大学的研究人员使用了GoogleNet Inception v3 CNN架构创建了一个深度学习算法，可以像皮肤科医生一样检查出皮肤癌症，在测试中这种算法的表现不亚于21名皮肤科医生。国内清华，中科院，港中文，北大等研究机构同样开始对医疗健康展开了研究。

意识到人工智能和深度学习能够给医疗带来帮助的不仅仅是教育和研究机构，无数的商业机构同样看到了契机，无数巨头公司和创业者都开始对人工智能医疗的研究，比如IBM的Watson可以通过病人的病状和病历来查看推断疾病并且给出预警，研制出AlphaGo和Master的Google DeepMind也将注意力放在了医疗领域，国内Airdoc已经成功研制出多种辅助诊断模型，其糖网经过和人类医生多伦的PK已经不弱于三甲人类医生。

按照症状检查并诊断疾病

人工智能和深度学习在医疗健康领域有巨大的潜力，如今已经可以为医疗解决很多问题，比如病历电子化，比如系统优化，比如护理管理等，但是在更深一层次的决策支持上对于医生和患者更加有利，采用深度学习的算法设计出辅助诊断系统，从而辅助医生检查并诊断疾病，为医生提供最优的解决方案。

如今深度学习有三个主要的研究方向，语音识别，机器视觉和自然语言处理，大约90年代开始，自然语言处理领域发生了巨大的变化，大规模真实文本的处理成为自然语言处理的主要战略目标，在这个大环境下，基于自然语言处理和机器学习领域的Watson于2011年问世，在4年内学习了200本肿瘤领域的教科书，290种医学期刊和超过1500万份的文献后，Watson已经能够临床应用，并且在肺癌、乳腺癌、直肠癌、结肠癌、胃癌和宫颈癌等领域向人类医生提出建议，此外学习大量医学知识和病历的Watson可以为疾病提供预测和预警，为医生和患者提供巨大的帮助。

按照医学影像诊断

机器视觉根据像素分布和亮度、颜色等信息，转变成数字化信号;图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果，在2012年之前，机器视觉发展远远落后另外两个领域，在医疗领域的应用更是遥遥无期，当年7月Hinton 教授采用了一种新的称为"丢弃" (Dropout) 的算法，从此计算机视觉领域飞速发展，如今已经可以识别色素级图像，为医疗带来巨大的帮助。

通过多层神经网络和神经元来模拟人类大脑的深度学习方法，可以对人类大脑进行思维和意识的模拟，图片具有形形色色各种特征，简单的可以是颜色、形状或图案，复杂的比如说可以是图案的自相似性（是否存在类似重复性图案）或是整个场景里其他的物体，应用在医学领域，通过对大量的高清的质量的医学影像的学习，可以形成精准的辅助诊断模型，可以为放射科医生带来巨大的帮助，并且可以应用在各个科室。

眼科病诊断：眼睛是心灵的窗户，失明是人类最不想要的，但是我国因眼病或外界因素致盲人数每年都在不断地增长，其中，致盲率最高的眼病有白内障、青光眼、糖尿病性视网膜病变、老年性黄斑变性、角膜疾病、高度近视等，因此如何能够在早期检查出眼底疾病就可以大大降低失明率，以糖尿病性视网膜病变为例，糖尿病性视网膜病变是糖尿病的最常见的并发症之一，如今全世界已经超过4.15亿人患有糖尿病，因此帮助糖尿病患者在早期检查出糖尿病性视网膜病变十分重要，十几年前研究人员就开始通过科学手段来识别该疾病，但是进展一直十分缓慢，深度学习的出现，让这一想法成为了现实，国内的人工智能医疗企业Airdoc利用深度学习的方法，在顶级人类眼科医生的帮助下，基于大量的眼底图像，训练出了糖尿病性视网膜病变诊断模型，在灵敏性和特异性等主要指标上，获得了和人类医生相当的结果。

皮肤病诊：皮肤是我们给外界最直观的展示，因此皮肤疾给病人带来了巨大的困扰。美国斯坦福大学研究人员领衔的团队使用13万张与皮肤病变相关的图像来“训练”人工智能程序，利用深度学习技术训练谷歌公司开发的一项人工智能程序，让它利用图像去分类并识别皮肤病变处属于良性还是恶性。该模型与21名皮肤科医生进行皮肤癌识别结果对比，两者的表现基本处在同一水平上。皮肤癌症的识别不仅仅是外观上的帮助，更可以挽救无数人的性命，每年约有350万美国人罹患皮肤癌，比如恶性黑色素瘤（一般情况，黑色素瘤会出现在身体的任何部位，但80%以上的黑色素瘤发生在皮肤）在早期发现条件下的五年存活率超过99%，而晚期发现恶性黑色素瘤存活率则仅为约14%。

癌症诊断：癌症诊断是我们最希望看到，同样也是众多人工智能医疗企业最希望攻克的一个难关，每年有数百万人死于癌症，早期癌症治愈率远远高于晚期癌症，通过人工智能和深度学习方法早期诊断出癌症，能够挽救无数人的生命，动脉瘤是指主动脉壁局部或弥漫性的异常扩张，压迫周围器官而引起症状，瘤状破裂为其主要危险，一个直径为3厘米腹主动脉瘤一般认为是正常的。动脉瘤每增长1cm破裂风险则增大10 - 20%；直径为7 - 8厘米时有引起破裂的风险，Airdoc 的AAA检测工具通过对包含腹部的CT进行增强研究来自动评估，算法对于最大尺寸大于4厘米的腹主动脉瘤的识别精度超过90%，并且基于大量病历和医学知识，可以对动脉瘤进行预测和疾病转归预警。

多维数据分析是指通过对文本、影像等多模态海量数据的综合挖掘，发掘病人检查信息、既往病历和社会（自然）环境之间的联系，发现群体中的疾病模型及隐藏信息模型，建立预测分析模型，进一步探索疾病分布演化规律，确定危险因素，并对疾病流行趋势进行预测，为决策者提供可续而有依据的疾病监测、卫生制定政策。采用深度学习的方法，可以进行数据清洗、文字识别、自然语义解析，训练深度学习模型分析多个维度参数与患者发病的相关性和贡献度，挖掘患者行为、病史、基因与患者潜在的相关关系，生成预测模型，从而完成对疾病早期预测和早期预警。

手术机器人辅助医生做手术

机器人一直是对于未来科技的畅想之一，去年一个关于机器人的电视剧《西部世界》获得了国内外无数观众的好评，其实早在欧洲文艺复兴时期，达芬奇就曾经对机器人提出了幻想并且画下了机器人草图，1940年科幻作家阿西莫夫为保护人类对机器人做出规定，提出机器人三原则，很多人都不知道的是在医疗领域已经有很成熟的手术机器人，并且这些手术机器人已经服役多年，为数以万计的病人带来了帮助。在美国的一些一流医院，机器人做微创手术的比例已经超过全院外科手术的50%，很多接受达芬奇手术的病人，因为伤口小，损伤小，恢复非常快可以做到手术后24小时出院。2007至2013年间美国有170万名病人进行了机器人手术。

以达芬奇手术机器人为例，1995年Intuitive Surgical在美国成立，经过了三年时间，在1998年研制出了达芬奇手术机器人系统，在1999年研制成功，并且在2000年6月上市，如今已经推出四代产品，如今达芬奇手术机器人已经成为了全球最成功及应用最广泛的手术机器人。它主要由三部分构成：医生控制系统，三维成像视频影像平台，以及拥有机械臂，摄像臂和手术器械组成移动平台。截至2015年12月，分布在全国各地的几十台“达芬奇手术机器人”在去年共完成手术11445例，历年总计完成手术22917例。其中浙大一院已经将达芬奇手术机器人应用在肝胆胰外科、妇科和肾脏病中心等科室，手术涉及的病种涵盖了肺癌、肝癌和肾脏移植等，据美国达·芬奇机器人手术系统制造商Intuitive Surgical统计，浙江大学医学院附属第一医院蝉联2016年全球单台机器人手术量的冠军，达到了888台。达芬奇手术机器人（da Vinci）系统在临床上优异的表现，更是为未来医疗智能化、微创化、精准化的发展打下了重要基调。

从整体上上来说，目前人工智能在医疗领域的应用尚处于比较浅显的阶段，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，但是从更深一步的诊断决策和治疗尚有缺陷，Airdoc创始人张大磊曾表示，“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。”

免责声明

本文来源为其他媒体的内容转载，转载仅作观点分享，版权归原作者所有，如有侵犯版权，请及时联系我们。