吳醫生對軟件處理的結果仔細檢查了一遍，她更正了兩處假陽性的錯誤位點，神經網絡誤將血管誤識別成了腫瘤。但是該神經網絡同時也標注出了一個她之前遺漏的結節，這個結節或許是早期疾病的征兆。
目前國內正大力推進人工智能算法在醫療領域的應用。美國及歐洲也存在著這樣的趨勢，但是國內對于數據以及新技術的限制更少，并且對自動化的需求更加迫切。在中國大約每1000人會覆蓋1.5個醫生，而在美國這個數字是2.5。
國內該領域的進展非常迅速，根據北京一家咨詢公司Yiou Intelligence的數據，國內大約有130多家公司正在開發人工智能算法，并將其應用于醫療領域。
而從下個月起，北京的一家醫院也將會使用人工智能算法處理所有肺部掃描數據，從而加速疾病篩查的過程。
去年工信部印發了人工智能三年計劃，力爭在2020年獲得重要突破，而人工智能在醫療領域的應用也是該計劃的重要組成部分。上個月IDC發布的一項報告預測到2020年中國的人工智能醫療服務市場將達到59億元。不僅是初創公司，國內的科技公司巨頭也加入了這場爭奪戰，阿里巴巴以及騰訊均設有研發中心進行人工智能診斷工具的研發。
除了政策導向，國內公眾對于人工智能的態度和觀念也可能會使中國相比西方國家在人工智能落地方面的障礙更小，更容易憑借人工智能推進醫療行業的健康發展。在西方國家人工智能的崛起對就業崗位的影響一直是醫生們所擔心的問題，但是大部分國內的醫生卻非常希望能夠利用軟件將大部分重復性的勞動自動化。
盡管如此，人工智能在醫療領域仍然存在著很大的障礙，這類神經網絡通過復雜的運算過程所得出的結論人類通常很難解釋，這就會引發很多問題，比如在使用人工智能進行醫療診斷的過程中出現的事故究竟誰應該負責。
研發能夠處理CT，X光等醫學影像數據的算法是國內一個比較熱門的領域。影像學領域之所以受追捧是因為利用人工智能進行圖片識別的技術現階段相對成熟。吳醫生使用的人工智能軟件是由北京的一家初創公司研發的，國內已有超過20家醫院安裝了這一軟件，該公司匯總了超過180家醫院的數據，形成了一個龐大的網絡。
但是人工智能同時也能夠應用于醫療行業的其他領域。呂醫生是北京的一名口腔修復科醫生，他正在與清華大學合作研發能夠設計義齒的人工智能算法。他們使用來源于教科書的義齒設計原則，以及醫生標注過的三萬個真實案例對算法進行訓練。呂醫生說該算法設計出的義齒已經能夠與經驗豐富的醫生相媲美。因此他也計劃在今年下半申請評價該算法的臨床試驗。
北京的劉醫生是一名專注于淋巴瘤的醫生，他正在與清華大學的研究人員共同研發機器學習算法，對超聲數據進行分析以檢測淋巴瘤病人因治療引起的血栓。如果能使用超聲波掃描篩查出仍然處于早期的靜脈血栓病人，就能夠對病人進行及時的治療。但這也存在一個比較難解決的問題，醫院并沒有足夠的資源對每一位病人進行篩查，通常只有在病人出現癥狀的時候才進行檢測。
國內的一些研究人員也在研究如何讓這些軟件自動學習醫學知識。去年科大訊飛與清華大學共同研發的曉醫順利通過了國家醫師執照考試，而且得分超過了96%的應試者。其實創建該類算法的難度并不在與擴充軟件的知識面，而是要教會機器如何理解不同知識點的內在聯系，并將其運用于推理和決策過程。
這類算法的核心仍然是自然語言的處理，只是更加專注于醫學領域。該類算法在解答多項選擇題時與人類選擇正確答案的過程完全不同。算法是通過計算文字間的統計學的相似性來尋找解答一個特定問題所需的證據的。
在對考試結果進行詳細的分析之后發現了一些機器無法與人類抗衡的地方: 常識以及倫理問題。機器算法回答這些領域問題的得分要低于全國的平均分。
清華大學的吳教授主導了這個研究項目，現在他正在探索該類算法應用于臨床的方式。他同時也承認這種方式并不會是在每一個醫生的電腦里都裝上這款軟件這么簡單。
但另一方面真正使用過這些軟件的醫生卻認為這些工具對他們的工作幫助很大，比如吳醫生所在的醫院每天的門診量大約有一萬人次，所以她其實并沒有足夠的時間非常仔細的查看每一張片子，因此這些軟件確實可以幫他們減輕一些負擔，她這樣說。
京公網安備 11010502049343號