每次提到AI，我都會想起碼醫護領域永遠需要一個大白(●—●)，特別是我們這一代人，不結婚不生子，不關心自己也不關心別人，臨終時國家也靠不上，不如來個AI陪我們度過餘生，是的，我是說臨終關懷。

也是看《相愛相親》有感而發，很多時候，臨終病人對親朋無法說心裡話，或者是難以啟齒的症狀，親朋呢，誰能當面說出你還有幾天時間之類的噩耗，假如是陪聊機器人代替你來宣佈壞訊息，陪伴臨終病人度過孤獨悲傷的時光，甚至是透過情感支援讓病人病情好轉，也不是沒有可能。

這款陪聊機器人，是由波士頓醫學中心的專家提供設計意見，機器人的人設是中年女性，還附帶一些特殊的能力，比如能精確判斷疼痛等級，隨時監控服藥情況並提醒用藥等。還可以自由選擇，增添特定的功能模組，像壓力管理、增加運動量、專門解悶閒聊、提供精神食糧等。

在接下來的三年，研究團隊會把預裝了陪聊機器人的Surface平板電腦發給360個病人，這些病人，已經被確診能活的日子不超過一年。

研究團隊希望的是，臨終群體在進到醫院之前就能用到這款機器人，並從中獲得真實人類無法提供的情感支援和精神支柱。

不過實際上，機器人的背後是主動關懷病人的醫護團隊。她們隨時關注著病人和機器人聊天的內容，如果發現病人談到那些不好意思說的病痛症狀時，護士們會主動提供相應的醫療方案。或者一旦病人表現出提前終結生命的想法（像準備立遺囑之類的），護士姐姐就馬上知會家屬，提醒他們要多留意關懷病人情緒。

透過分類和追蹤這些症狀和問題，機器人可以把這些“心底話”反饋給醫生、護士、家人，從而及時地更好地給病人提供相應的醫療幫助、情緒上的關注。

當然AI陪聊機器人也不是萬無一失，完美無缺。

一篇2016年發表在美國醫學協會期刊的文章表明，病人們如果認為自己是在對機器人說話的話，他們會傾向於袒露出自己真實的感受和想法。這結果也許有助於我們未來降低治療的成本，以及可以初步把臨床上的臨終關懷陪護服務標準化，節省大量醫療資源的同時病人也能獲得高質量的陪護。

“但不可避免的風險是，機器人的陪聊也有可能會傷害到病人。研究團隊發現，尤其是幾大科技巨頭的虛擬語音助手，在面對病人問到關於精神健康方面的問題時，它們的回答前後不一致，甚至言辭內容都不合適。”

在專案最初的測試階段裡，一共有44個55歲及以上的老年人和機器人聊天，話題主要在精神層面，比如如何看待生命的終點。研究團隊發現，在和機器人聊了大概30分鐘之後，大部分的被試面對死亡的話題時不再感到焦慮，包括不信上帝的人和沒有宗教信仰的人。

現在，“醫生荒”已經成為醫療行業一個尷尬而棘手的問題。

如果我們留意 AI+ 醫療、網際網路+醫療等這些概念提出的背景 ，就會發現他們都包含一個共同的醫療行業痛點：醫生缺口大。此前，Lancet 雜誌一項研究分析了中國 2005 年至 2015 年中國衛生和計劃生育委員會公佈的衛生年鑑，發現在 10 年中，中國大學培養了 470 萬名醫學專業畢業生，而醫生總數只增加了 75 萬，增幅為 16%。也就是說有近 400 萬的醫學人才流失。

而造成這一現象的核心因素是醫學教育與就業機會的不匹配：一是成為醫生的培養過程漫長而嚴格。二是醫學知識的運用難。醫學知識海量且分散，解決一個臨床問題需要查閱多個資料源。這樣漫長且艱難的過程，有的人被淘汰，有的人中途放棄，最後成為合格的臨床醫生很不容易。“醫生數量少，醫生的時間不夠用，成長太痛苦。” 未來醫療 的 CEO 靳超總結了醫生行業的現狀。

人才是社會和行業發展的充分必要條件，所以醫學人才的教育就與醫療行業的繁榮程度息息相關。未來醫療就是一家用 AI 技術幫助加速醫學人才教育過程的公司。未來醫療的前身是 360 醫學網，是一家從事網路醫學教育的公司。不過，隨著 AI 技術的優勢展現，和之前該公司的資源累積沉澱，未來成為了一個醫療行業人工智慧產品開發及應用整合公司，以醫療大資料和深度學習為核心。未來醫療希望“科技重構未來醫療體系”，其主要產品是圍繞著醫學教育，包括臨床思維訓練系統和住院醫師規培系統。

“我們要做的第一件事情是將資料結構化。”據靳超介紹，和所有醫療大資料應用所面臨的門檻一樣，資料的結構化是一個大的障礙。未來醫療透過兩種途徑獲取結構化資料，一是將之前積累的資料進行清洗和整理；二是把應用到醫院的相關軟體改造升級，使軟體可產生結構化的資料。

在將醫療大資料結構化後，未來醫療推出一個 AI 臨床思維訓練系統。阿里巴巴曾經提出 AI 虛擬病人，和這個概念相似，未來醫療的 AI 臨床思維訓練系統被稱為臨床標準化病人（SP）機器人。“這個產品主意是幫助醫生或者醫學生成長。我們的系統可以讓他們模擬一個病人從門診到住院整個過程中的情景。因為醫生錄入病人資料是有限的，所以導致一般的思維訓練系統可知道的症狀也有限。而用 AI 就可以模擬出更多的情況與場景。”靳超說。

據悉，標準化病人（Standardized Patient，SP）是指經過特別培訓後，能夠充分了解臨床病人的心理狀態和病史並恆定、逼真地模仿其症狀，在臨床教學及技能考試中扮演病人、教學指導者和評估者等多種角色的人員。標準化病人（SP）包括兩種：一種是模擬某種或某些疾病的正常人；另一種是自願將自己所患疾病按標準模式用於教學的病人，他們都應是非專業人士。

“醫生初到醫院時，需要在各科室輪轉學習記錄所學的東西。然後每個科室學習完畢，要進行一個小考試，通過後再去下一個科室。這一過程，醫院端需要在後臺管理，但是這個任務量非常繁雜。我們將 AI 技術嵌入到規培系統後。系統就可以分析管理到醫生更多細微的情況。如幫組醫生輪轉排班之類的。另外，還可以詳細瞭解到這個醫生在哪些環節或者知識點有問題。如一些環節因為老師打分太鬆，而導致分數上是達標，但是實際上醫生對這個知識並沒有掌握夠。”

目前市面上 AI+ 醫療的嘗試主要是集中在醫療影像，但是未來醫療以醫學教育為醫療的切入口，對此，靳超表示：“我們的目的是對醫生的成長提供幫助。對於醫生從業的機構，包括醫院、醫學院，提供技術幫助，以助他們豐富專業知識。”雖然未來醫療尚未公開融資，不過依靠給醫院提供一些傳統的考試軟體等依然可以保持營收。

與許多醫療科技公司面臨的問題相似，靳超透露：“AI 醫療很大的挑戰是兩個專業性的結合，也就是需要即是大資料專家又是醫學專家複合型人才。”據悉，未來醫療的核心團隊均有多年的醫療行業經驗與技術經驗，此外，其在醫學方面特聘很多醫學專家，大資料方面則主要和一些科研機構合作。