人工智慧在醫療產業方向，目前已經有MR混合技術應用到真實手術中了。在就診過程中，從之前常見的CT或者核磁二維的膠片，到現在是非常接近你的真實人體結構的一個全息的模型，無論是對醫生來講，還是對醫患、或者家屬來講，它是一種顛覆，它幫助大家，更好的理解空間的三維結構關係。讓大家在手術過程中有一個全息的模型可以去參考，大大增加手術成功機率。

不管你還在接受培訓，處於醫學職業生涯的初始階段，還是即將退休，毫無疑問，人工智慧將會影響你作為醫生的生活。美國科技巨頭蘋果，亞馬遜和谷歌在醫療保健領域投入大量人力資源，一些技術專家大膽宣稱人工智慧將取代80％的醫生任務，並最終勝過醫生。那麼未來的醫生會做什麼？這個問題比其他人對某些專業提出了一個存在的難題。有人甚至認為，人工智慧將導致新的專業，並可能取代其他一些專業。關於哪些專業最容易受到AI革命的影響，引發瞭如此多的爭論，讓人們對技術在塑造醫學專業發展中的作用產生了疑問。為了瞭解哪些專業可能是即將接受人工智慧接管的未來證明，或許對歷史上形成醫學專業化並影響醫學專業存活的力量進行回顧可能是合適的。

專業化是擴大醫學和科學知識的集體願望的自然結果。這促使臨床醫生和科學家專注於特定疾病，以便對臨床病例進行更嚴格的經驗觀察。隨後的專業化促進了知識的指數增長，從而導致了進一步的次專業化，因為任何單一的從業者都不可能掌握髮展專業的所有方面。專業化是基於臨床表現對個體進行分類來管理大量人群的需要 ，相同的病例被歸入同一類別，不同的病例歸類於其他類別。專業化是在資本主義社會的職業分工和自由市場競爭的較大社會背景下產生的。資本主義社會去了，醫藥就隨之而來。

自動閱片寫報告，AI輔助診斷讓醫生患者都受益

閱片是影像科醫生的一項常規工作內容，需要非常專業的知識，但同時也是一項機械、繁瑣的工作。醫生需要對影像資料進行分析對比，然後書寫診斷意見或進一步檢查的建議，重複的工作無形中佔用了大量的時間，降低了醫療效率。醫生疲憊不堪，病人也因為排長隊而叫苦不迭。

面對這種情況，計算機和醫學領域的研究人員都在考慮：如果能夠讓“全能”的人工智慧幫助醫生閱片，自動診斷寫報告，豈不是能節省大量的時間，讓醫生和病人都受益？

目前已經出現了不少AI自動診斷的成果，不僅能做出準確的判斷，還比人類更快：“啄醫生”——便捷高效的閱片機器人：

啄醫生”——由四萬餘塊260核晶片組成的“超級計算機”，將超算技術與人工智慧結合，學習了10萬多套肺片，在短時間內，迅速達到了有15年臨床經驗的影像科醫生的閱片水平。

CheXNeXt——基於神經網路的X光診斷演算法：

去年年底，吳恩達的斯坦福團隊釋出了一個基於深度神經網路CheXNeXt的X光診斷演算法，該演算法可以自動診斷14種疾病。在其中10種疾病的診斷上，AI的表現與放射科醫生旗鼓相當，還有一種疾病的診斷效果甚至超過了人類。並且，這個AI診斷演算法的診斷速度是人類的160倍！

吳恩達團隊還針對這個演算法開發了一個名為XRay4All的手機應用，只要給胸片拍個照，AI就能夠自動診斷。

VISPI——生成閱片報告的自動醫學影象解釋系統：

計算機輔助醫學影象視覺感知和解釋（ computeraided medical image visual perception and interpretation）這項研究一直在進行中。但是，由於缺少經過註釋的影象報告樣本和能夠充分提取並利用區域性特徵的生成模型，尤其是缺少能夠提取相關聯的語義特徵的生成模型，之前嘗試過的種種方法得到的效果總是不盡如人意。

不過，在經過不斷地創新和實驗後，最近一個叫做VISPI的自動醫學影象解釋系統，首次嘗試了利用疾病定位來生成X射線影象報告，在疾病分類、定位和報告生成方面都取得了不錯的效果：

VISPI生成的報告草稿：有穩定的輕度心臟肥大，無明顯的肺血管充血。主動脈彎曲穩定，無急性肺實變，無大量積液及氣胸。

VISPI首先預測並將疾病定位為語義特徵，然後生成報告。下圖是VISPI的工作流程：

VISPI首先透過對胸部疾病進行分類和定位來註釋X光影象（a），然後生成相應的語句，構建整個報告（b）。其中，c顯示了用於生成報告的Attentive LSTM的結構（Attentive LSTM基於編碼器-解碼器結構）。

具體步驟如下：

VISPI的分類模組以一個121層的密集卷積神經網路（DenseNet）為基礎，將最後的全連線層替換為一個維度為M的新層（M指疾病的數量）。應用Grad-Gams（Gradient-weighted Class Activation Mapping，梯度加權類啟用對映）對疾病進行熱圖定位。如果在X光片中未發現活動性胸廓疾病，則根據綠色虛線框中所示的原始X光片，由Attentive LSTM直接生成報告。否則（如紅色虛線框所示），裁剪出一個帶有區域性疾病的子影象，生成異常描述，而原始的X光片則用來生成報告中的正常描述。

分別用一個正常的胸片和一個出現“心臟肥大（Cardiomegaly）”症狀的胸片來測試一下VISPI系統的表現：

上圖展示了兩個胸片的診斷報告。第一行顯示了一張正常的胸片，第二張是一個“心臟肥大”的病例（第二行胸片熱圖紅色邊界框中的區域）。

針對每張胸片，分別提供一份醫生書寫的報告和一份VISPI系統自動生成的報告。

正常病例：

醫生書寫的報告內容：the heart size and cardiomediastinal silhouette are within normal limits.pulmonary vasculature appears normal.There is no focal air space consolidation.no pleural effusion or pneumothorax.（心臟大小和心臟縱向輪廓在正常範圍內。肺血管系統正常。沒有局灶性氣囊鞏固。沒有胸腔積液或氣胸。）VISPI自動生成的報告草稿：the cardiomediastinal silhouette and pulmonary vasculature are within normal limits in size. the lungs are clear of focal airspace disease pneumothorax of pleural effusion.there are no acute bony findings.no acute cardiopulmonary findings.（心臟縱隔輪廓和肺血管系統的大小在正常範圍內。 肺部沒有局灶性空氣病胸腔積液氣胸。沒有急性骨性表現。沒有急性心肺表現。）

“心臟肥大”病例：

醫生書寫的報告內容：mild cardiomegaly. mild unfolding of the thoractic aorta.no focal air space opacity.no pleural effusion or pneumothorax.visualized osseous structures are unremarkable in appearance.otherwise no acute cardiopulmonary abormalities.（輕度心臟擴大。胸主動脈輕度張開，無局灶性氣隙混濁，無胸腔積液或氣胸，可見骨結構外觀無明顯改變，無急性心肺衰竭。）VISPI自動生成的報告草稿：mild cardiomegaly.there is no focal consolidation.no pleural effusion or pneumothorax.there is no focal air space consolidation.no pleural effusion or pneumothorax.degenerative changes of the thoracic spine.no acute cardiopulmonary abnormality.（輕度心臟腫大，無局灶性實變，無胸腔積液、氣胸，無局灶性氣隙實變，無胸腔積液、氣胸，胸椎退行性改變，無急性心肺異常。）

對比醫生書寫的診斷報告和VISPI自動生成的報告，可以看出，VISPI醫療解釋系統能夠準確地診斷胸部疾病，並生成語義準確，結構良好的診斷報告。

AI在醫療診斷領域出色的表現吸引了越來越多的目光，武漢同濟醫院在2016年就上線試用了AI-DR輔助診斷技術。短短5個多月，使用AI-DR技術共診斷X線片8093張。在測試實際病人X線片的過程中，AI-DR於160例病例中發現了兩例醫生診斷中遺漏的病灶。

人工智慧對大資料出色的學習能力，讓它可以獲得比人類更豐富的經驗。更重要的是，機器不會遺忘，也不會疲勞。在目前醫療資源緊缺的情況下，AI將能夠把醫生從專業但重複的繁重工作中解脫出來，更專注地攻克醫療難題；患者也將能獲得更及時的訊息。AI輔助診斷的未來非常值得期待！

對科技知識感興趣的朋友可關注