AI人工智能會取代醫生嗎這個問題有兩種答

AI人工智能會取代醫生嗎？這個問題有兩種答案：

看好AI的人會說YES，因為用不了幾年AI真的會取代那些平庸的醫生，會取代那些Below average（低于平均水平）的醫生，但是暫時不會取代那些Above average（高于平均水平）的醫生。

不看好AI的保守醫生會說NO，TA真的是發自內心的，天真的以為AI不會取代任何醫生。其實未來最需要AI的是Below average的醫生，也是最不理解和最不能接受AI的人。

最近AI很火，不僅僅是在投資界很火，在學術界也很火。

好的AI公司很容易融到錢，連不咋地的AI公司也拿到錢了，這也難怪一些臨床醫生說有些AI項目純粹是圈錢和燒錢，將來肯定進不了臨床。

但是，好的AI項目還是挺靠譜的，最近Nature自然雜志連續發了好幾篇AI完勝各個學科醫生的文章。

看看這些奪人眼球的文章題目你就會明白了。

“人類完敗……診斷乳腺癌，30小時病理分析竟不如谷歌AI準確”

近日，來自谷歌、谷歌大腦與Verily公司的科學家們開發出了一款能用來診斷乳腺癌的人工智能，它的表現甚至超過了專業的病理學家。

內行人都知道，病理診斷的準確性嚴重依賴于病理醫生的水平，即便是對于同一名這才是真正的幫助人病人，不同病理學家給出的診斷也往往會有很大不同：一篇2015年的論文發現，不同病理學家對乳腺癌診斷的一致率只有75.3%。在某些不典型的乳腺癌中，診斷的一致率竟下降到了48%，只有不足一半。

看了這種現狀你害怕不？而且在中國我們還缺很多很多的病理科醫生。

病理醫生必須經過數年甚至十幾年的訓練，才能掌握足夠的經驗，成為一名合格的病理學家，要成為優秀的病理學家更是難上加難，在醫療資源不足的地區，想要得到診斷，都是一種奢望。

為了解決病理診斷的瓶頸，谷歌和Verily的科學家們做了一個嘗試。他們將單張病理切片的圖像分割成了數萬至數十萬個128x128像素的小區域，每個小區域內可能含有數個腫瘤細胞。隨后，他們提供了許多腫瘤組織與正常組織的病理切片，供人工智能學習。最終，這款人工智能掌握了一項像素級的技巧——它能分辨出單個小區域內被標注為“腫瘤”的像素，從而將整個小區域標注為“腫瘤區”，這能有效將腫瘤組織與健康組織區分開來。

學習完畢后，這款人工智能迎來了實戰。科學家們邀請了一位病理學家，并讓他與人工智能進行一場比賽。這名病理學家花了整整30個小時，仔細分析了130張切片，并給出了他的診斷結果。在隨后基于靈敏度（找到了多少正確的腫瘤）和假陽性（將多少正常組織診斷為腫瘤）的評分中，這名病理學家的準確率為73.3%。人工智能交出的答卷是88.5%，完勝人類。

“FDA首次批準了一款心臟核磁共振影像AI分析軟件”

2017年1月10日，據FDA官顯示，其首次批準了一款心臟核磁共振影像AI分析的軟件Cardio DL，這款軟件將深入學習用于醫學圖像分析，并為傳統的心臟MRI掃描影像數據提供自動心室分割的分析，

這一步驟與傳統上放射科醫生需要手動完成的結果一樣精準。

這一基于深度學習的人工智能醫學影像分析系統已經進行了數以千計的心臟案例的數據驗證，該算法產生的結果與經驗豐富的臨床醫生的分析結果結果是不相上下的。

據悉，這款人工智能心臟MRI醫學影像分析系統不但得到了FDA510（k）的批準，還得到了歐洲的CE認證和批準，這標志著該軟件將被允許用于臨床。

《自然》（Hazlett et al.2017）重磅：AI在兒童自閉癥早期診斷上完勝醫生！

近期，在北卡羅來納大學（UNC）教堂山分校精神病學家Heather Hazlett的帶領下，人工智能在疾病診斷領域又下一城。她們開發的深度學習算法，在預測2歲前的自閉癥高危兒童（有個自閉癥哥哥或者姐姐）是否會在2歲之后被診斷為自閉癥上，以88%的準確度遠超準確度只有50%的傳統行為問卷調查法（Charman 2014）。

人工智能在疾病診斷領域再次戰勝人類。

“AI機器人，學完2186張肺癌圖譜，完勝病理學家”

2016年8月16日《自然通訊》發表了一份斯坦福大學醫學院研究人員的研究：計算機可被培訓得在評估肺癌組織切片時比病理學家更加精確。

研究人員使用了從腺癌、鱗狀細胞癌患者獲得肺癌基因圖譜2186張圖像。數據庫還包含了每例腫瘤的級別、期別和每例患者在診斷后的存活時間信息。

然后研究人員使用這些圖像來訓練計算機軟件程序，以確定更多肉眼所不能觀察到的癌癥特異性特征—近10000種個性特質vs幾百種病理學家通常使用的評估特征。這些特征不僅包括了腫瘤細胞的大小及形狀，也包括了細胞核的形狀與質地以及與相鄰腫瘤細胞的空間關系。

Stanford的遺傳學教授Snyder博士說：“事后看來，一切都在情理之中。計算機能夠比人類更加準確、快速的在數以千計的樣本中多次評估甚至是微小的差異。”

“AI再登Nature封面：沒有人對不起你；別把自己看得跟故事里的男女主角似的診斷皮膚癌，準確度堪比專家”

斯坦福大學的研究人員采用深度卷積神經絡，通過大量訓練發展出模式識別的AI，使計算機學會分析圖片并診斷疾病。

訓練計算機的數據庫由129450張皮膚病變圖片和對應的文字描述組成，涵蓋了2032種皮膚病。而診斷的“參考答案”則由皮膚病專家提供，他們依靠的是非侵入性圖像分析和組織活檢。

之后，計算機迎來了“畢業考試”。研究者向受訓的計算機和21名執業醫師分別提供了一批訓練數據集中沒有出現過的皮膚病變圖片，這些圖片都由組織活檢確定了對應的病癥。診斷比賽的結果是計算機的準確率和人類醫生差不多，有時候還勝過人類醫生。

AI人工智能會如何取代醫生？

人工智能不是萬能的，但是它的確會在某些學科和領域超過人類的能力，取代醫生的工作甚至是完全取代醫生。

如果用于診斷疾病或者是判斷預后的數據或者圖像是可以標準化，量化，結構化的話，基本上是可以用人工智能來完成的，在確立算法以后，可以讓機器不斷的學習和積累，逐步完善，最終會戰勝人類的。

從目前的應用來看，人工智能應用比較好的領域是皮膚科、病理科和影像科。

皮膚科在臺灣和一些歐美國家都是醫學院學生在畢業的時候最喜歡選擇的科室，因為工作相對輕松，收入頗豐，而且還不用值夜班。

皮膚科也是好大夫站上問診收入最高的科室。

很遺憾，人工智能要來了，而且很有可能會取代很多人的工作，假以時日，皮膚科人工智能醫生將會取代很多人的工作。

目前中國最缺的醫生是病理科，很遺憾，假以時日，病理科醫生和影像科醫生的工作也有可能被人工智能搶走，而且AI的水平將會高于大多數的普通醫生。

再看看我從事的婦產科，有很多的常規工作將來都可以用人工智能來完成，根本不需要那么多的醫生了。

宮頸癌的篩查：醫生收集宮頸脫落細胞以后，機器可以自動制片，自動判別是否有癌細胞。在宮頸細胞良惡性方面，至少%的病理醫生的工作可以被AI取代。

產科超聲：在胎兒畸形的篩查與診斷方面，北美的普遍做法是由一般的Sonographer超聲技師來按照標準的切面截圖保留，然后由來MFM母胎醫學專家審讀寫報告。理論上講，這些超聲截面圖的審讀是可以由AI來完成的，原理類似于AI對CT和MRI片子的解讀和判斷。

胎心監護：胎心監護結果的解讀和判斷也完全可以由AI完成。

機器比人可靠，機器比人類更精準，機器不會疲勞，隨著算法的不斷進步和數據的不斷積累，人工智能的水平會越來越高，會從現在的幫助人類做判斷演變到代替人類做判斷。

這個趨勢是不可逆的，是不可抵擋的，FDA也擋不住。將來會有一個Breaking Point引爆點，過了這個引爆點以后，會出現醫生常規工作量的斷崖式的下跌。

未來的情景將會是：Above average的醫生是讓AI做助理，Below average的醫生是做AI的助理。

當然，那些非標準化，充滿不確定性，以及人工操作的臨床工作，還是AI所無法替代的。