上海市第一婦嬰保健院前院長、教授段濤近日撰文指出：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，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。

　　未來的情景將會是：Above average（高于平均水平）的醫生由AI做助理，Below average（低于平均水平）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，還是人工智能無法替代的。

　　人工智能會取代醫生嗎？

　　這個問題有兩種答案：

　　看好人工智能的人會說YES，因為用不了幾年人工智能真的會取代那些平庸的醫生，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。

　　不看好人工智能的保守醫生會說NO，TA真的是發自內心的、天真地以為人工智能不會取代任何醫生。其實未來最需要AI的是Below average的醫生，也是最不理解和最不接受人工智能的人。

　　最近，人工智能很火，不僅僅是在投資界很火，在學術界也很火。

　　好的人工智能公司很容易融到錢，連不咋地的人工智能公司也拿到錢了，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《自然》雜志連續發了好幾篇人工智能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，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%，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。

　　病理科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”，從而有效地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?？茖W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，美國FDA首次批準了一款心臟核磁共振影像人工智能分析軟件Cardio DL，這款軟件將深度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分析結果不相上下。

　　據悉，這款人工智能心臟MRI醫學影像分析系統，不但得到了FDA 510(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應用于臨床。

　　《自然》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：計算機可被培訓在評估肺癌組織切片時，比病理學家更精確。

　　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的2186張圖像。數據庫還包含了每例腫瘤的級別、期別以及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。

　　斯坦福大學遺傳學教授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、快速地在數以千計的樣本中，多次評估甚至是微小的差異?！?/p>

　　“AI再登Nature封面：診斷皮膚癌，準確度堪比專家”

　　斯坦福大學研究人員采用深度卷積神經網絡，通過大量訓練發展出模式識別的AI系統，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，沒有出現過皮膚病變的圖片，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。

　　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，判斷預后的數據或圖像可標準化、量化、結構化的話，基本上可用人工智能來完成。在確立算法后，可讓機器不斷地學習和積累，逐步完善，最終戰勝人類。

　　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。它也是在線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，皮膚科的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，屆時病理科和影像科醫生的工作也有可能被人工智能搶走，而且它們的水平將會高于大多數普通醫生。

　　再看看我從事的婦產科，有很多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80-90%的病理醫生的工作可以被人工智能取代。

　　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人工智能來完成的，原理類似于人工智能對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人工智能完成。

　　機器比人可靠，更精準，而且它還不會疲勞，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，也不可抵擋，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斷崖式的下跌。

　　未來的情景將會是：Above average（高于平均水平）的醫生由AI做助理，Below average（低于平均水平）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，還是人工智能無法替代的。