人工智慧的進步雖然看起來一片熱火朝天，實際上，具體應用並不是那麼接地氣，依然處於行業發展的爬坡期，山腳下。

而醫療的應用場景和行業現狀也不像大家想的那麼簡單，這個行當是大家迫切有需求，但是醫工結合做的還是比較差的。

因此，工作流程上的進化會給我們帶來很多便利，但是真的像IBM那樣把診斷治療等滲透到各個細分科室，依然在路上。

人工智慧已經開始對醫學產生影響，但是和很多影響人類的技術一樣，都是從終端使用者看不到的地方開始產生影響，然後經歷一段時期的普及難題，最終無處不在。

我們都知道，醫生非常依賴自己的經驗，以及透過論文會議等渠道去和同行切磋，那麼疾病的診斷就非常考驗醫生的判斷力。除了診斷水平的不足導致的誤診以外，症狀本身就可能會代表很多種疾病，而醫生難以在時間做出準確判斷。考慮到國內醫生普遍工作強度過大，疲憊和時間壓力也會影響醫生的判斷力。

實際上人工智慧已經嘗試做輔助診斷了，人工智慧的加入會讓醫生擁有更強大的診斷能力。醫生做出初步判斷後，將病人症狀以及檢查結果輸入臨床決策支援系統，在很短的時間中就會得到可能的診斷結果。這時醫生再做進一步診斷，可以大大降低誤診和不當治療的發生機率。醫生的經驗配上一個不會疲憊的系統，會對疾病，特別是罕見病的診斷體現出強大的優勢。

現代醫學大量依賴影像學的輔助，人工智慧還能體現出處理能力的優勢。優秀的影像學醫生難以培養，更要命的是醫生每天的精力有限不可能認真的讀每一個片子。有了人工智慧，可以將檢測影象上傳到系統中，由機器替代醫生做基礎的讀片工作。這樣出報告的準確率提高、效率也提升，影像學的醫生可以把寶貴的精力用在重要報告的解讀當中。

上面僅僅是舉出兩個具體應用的小例子，實際上人工智慧已經在醫學的各個領域中嘗試身手。遺憾的是，目前人工智慧和醫學的結合依然很初級，而且醫生們也並非各個都樂意使用輔助決策的系統。好在人工智慧會有成長的機會，會越來越被醫學界所認可。

醫生會被取代嗎？這樣的話題很多，技術的發展當然會讓一部分人失業，但是樂於進取和吸納新東西的人群總是能和新技術結成夥伴關係。同時也別忘了，人工智慧對於打破地區間醫療水平的不平衡可能是一個重要的解決方案。在遇見的未來中，人工智慧的身影一定會出現在醫學的方方面面。

人工智慧是研究使計算機去完成過去只有人才能做的智慧工作的一門學科。也就是說人工智慧研究人類智慧活動的規律，構造具有一定智慧的人工系統，讓計算機模擬人類某些智慧行為。對人工智慧的定義大多可劃分為四類，即機器“像人一樣思考”、“像人一樣行動”、“理性地思考”和“理性地行動”。目前人工智慧的發展,在很多領域獲得了大量的成果: 專家系統、自動規劃、人臉識別、機器視覺、指紋識別、視網膜識別、博弈、虹膜識別、智慧搜尋、定理證明、自動程式設計、智慧控制、機器人學、語言和影象理解、遺傳程式設計等。最有名的人工智慧成果就是2017年5月，AlphaGo在烏鎮與柯潔進行人機大戰，最終3:0完勝。

專家系統是人工智慧技術在醫療診斷領域中的一個最富有代表性和最重要的應用,專家系統”（Expert System）是指具有相當於專家的知識和經驗水平以及解決專門問題能力的計算機系統。醫學人工智慧研究成果最顯著的是醫學專家系統。醫學專家系統是一個具有大量專門知識與經驗的程式系統，它應用人工智慧技術，根據某個領域一個或多個人類專家提供的知識和經驗進行推理和判斷，模擬人類專家的決策過程，以解決那些需要專家決定的複雜問題。一個完整的醫學專家系統由知識庫、資料庫、推理機、知識獲取模組和解釋藉口組成，透過分析儲存的該領域知識、專家經驗和患者生理資訊，計算推理出結論，輔助醫生確定患者的病情。

人工智慧可以輔助醫生診療，機器可以記憶大量的醫學文獻、病歷資料、教科書、藥物說明書、臨床指南、影像圖片及病理切片。幫助醫生作出判斷，在將來的臨床工作中 , 如化驗單診斷、病理診斷、或影像學診斷, 人工智慧完全可以輔助醫生診斷甚至可能替代醫生進行獨立診斷。人工智慧可以幫助規範醫療行為，經驗不足的醫生或許能從人工智慧系統得到學習及提高。

目前人工智慧的發展遠遠還沒有達到代替醫生的程度，將來有沒有可能實現，我們拭目以待，但是人工智慧將是未來人類醫療的一個發展方向及趨勢,人工智慧將能很好的輔佐醫生, 緩解醫療壓力、提高醫療服務質量、促進醫學不斷地發展及進步。

人工智慧在醫學領域可能有的一些應用包括：

（1）以 IBM Watson 等為代表的專家系統。這些系統能根據醫學論文、書籍以及患者的病歷以及各種檢查資料等資料，進行大規模的資料分析，進而能夠對患者的情況進行為準確的評估，並且在藥物選擇及用藥方案的設計等方面提供建議。目前，IBM 的癌症專家系統沃森腫瘤專家（Watson for Oncology）已經在國內和國外許多醫院開始得到了初步的一些應用。根據相關新聞報道，這一專家系統能夠提供的治療方案的準確率、科學性目前已經超過了MSK（斯隆•凱瑟琳癌症中心）的醫生們的平均水平。

（2）醫學影象識別。所謂的醫學影象通常指的是例如胸透、CT、核磁共振等檢測得到的影象。這一領域也是目前發展最為迅速的領域，現在的影象識別程式常常能很好地提取圖片的特徵，生成圖片的摘要，切換圖片的風格等等。這些在計算機視覺方面的一些新進展都會馬上被用到醫學影象識別的領域，而在生物影象領域，本身也還有有許多基礎性的問題，例如影象的切割，器官的識別和對齊，異常的發現等等，這些領域的發展也很迅速。用人工智慧的方法進行醫學影象識別可以更好地排除人為主觀因素，提高診斷準確性和效率。

（3）藥物開發。在這一領域，目前人工智慧的一些方法已經可以用於研究新藥的設計，這些方法將已有藥物的一些特徵進行提取，再加上一些變化，進而可以設計出與原藥物功能接近但結構不同的新藥。除此以外，由於人工智慧的方法已經可以進行一些化學物質毒性的預測，因此，人工智慧方法還可能可以啟發降低天然物質毒性。除了新藥的開發，人工智慧方法還可以幫助舊的藥物（這些藥物已經上市）找到新的可能的一些應用。

（4）其他基礎研究。例如基因組、代謝組相關的生物資訊學分析（識別基因序列上的一些特定的位置），蛋白質分子結構（包括與藥物結合之後的一些特定結構）的預測等。

目前人工智慧的發展是計算智慧的一個泡沫期，其理論的限制，已經決定其在醫學上的應用是受侷限的，目前的深度學習，其本質上是一種模式識別，只是解決了區域性的一個點。而醫學本身的龐雜和複雜性，很難透過點去解決。別忘了醫學除了診斷治療還有社會心理，人文情懷，這些都是人工智慧所達不到的。

要知道IBM的AI和安德森腫瘤中心已經去年叫停了,吹的有點兒大發了，在某些方面的應用是可行的，但是涉及到整個醫學治療，還是有很多欠缺的地方。

AI的大牛希頓也承認，目前的深度學習已經是進入了瓶頸期，需要理論和基礎的突破，強人工智慧的實現還離我們比較遙遠。