文章图片
人工智能，人工智能已经在人类生活工作的各个领域展现着令人们惊叹的潜力，尤其是医学领域。

文章图片
我们感到人工智能无处不在。那么什么是人工智能呢？对于这样一个比较大的概念，有一句比较贴切的话能将其概括：人工智能（简称AI）就是让机器实现原来只有人类才能完成的任务。其中最为引人注目的便是与每个人息息相关的医疗领域。
医疗领域人工智能的主要方向，则是医学影像与诊断。这就包括我们经常提到的放射医学，超声，核医学，还包括涉及图像分析的病理学，皮肤科，眼科等等涉及影像诊断的各个医学专业。

01人类智能“短板”亟需弥补

【『谈医论』谈医论症 | AI为医学影像插上智能“双翼”】医学影像诊断是靠图像特征进行病变诊断的，往往需要很专业的经验和繁杂的图像分析过程。

文章图片
比如一名放射科医生每天要诊断超过60个病人的CT ，有时甚至上百个，一个病人的医疗影像有250-300张，而医生往往要对一个病人的影像反复看3-4遍。
如果是医院多次就诊患者，还需要调阅既往影像图片，作出对比，寻找发现问题；然后按照要求进行描述——哪些结构正常，哪些结构异常，如何异常；之后结合检查申请单上的临床症状（有时临床科室没有提供）作出“影像诊断” 。

文章图片
这就意味着在每个病人身上，医生都要看上千次图，这名医生一天下来就要看几万甚至上十万张图，这对视力是非常大的伤害，并且长时间的疲劳作业还会增加漏诊的风险。
三甲医院面对每日大量的病患，医生的读片量也变得巨大，任务十分艰巨。在这过程中，为避免误诊、漏诊，医生需要动用大量的基础知识以及临床诊断经验，一旦遇到专业性不够的问题，那可是性命攸关的大事。

文章图片
从影像方面的误诊人数来看，美国每年的误诊人数达到了1200万，这些误诊主要发生在基层医疗机构。
电子胶片的广泛使用使得医学影像数据大幅度增长，美国的数据年增长率达到了63.1% ，在中国也达到了30% 。
放射科医生的年增长率，美国和中国分别只有2.2%和4.1% ，远远低于影像数据的增长，形成了巨大的缺口。这意味着医师工作量大增，判断准确性下降，借助人工智能对影像进行判断则能有效弥补该缺口，是解决这个难题的关键。

02 AI是怎样开展工作的？

在全球人工智能研究者的不断努力下，我们欣喜地看到人工智能在医学影像诊断中取得重要进展。

文章图片
斯坦福大学在《Nature》上发表了一篇文章：利用深度学习算法诊断皮肤癌，将其诊断结果与24位资深皮肤病专家的诊断结果做对比，准确度达到91%；北卡罗来纳大学的研究人员近日已经开发出了一套深度学习算法，可以预测婴儿的自闭症。这种预测方法具有81%的准确率，远超准确度只有50%的传统行为问卷调查法。