盲人能够“看见”周围事物的变化，残疾人通过传感器连接的神经假体运动自如，采集人体多维数据预测肿瘤发生风险……这些在过去被视为脑洞大开的黑科技如今借助人工智能技术的广泛应用正在变为现实。 

    在日前举行的复星医药人工智能日暨互联健康创新中心启动仪式上了解到，目前人工智能技术仍处于婴儿期，未来还需加强公众认识，推动用户体验研究，将有限的资金用到刀刃上，从而应用于更多有价值的医疗场景中。

                                　　

    从我国的实际医疗健康环境来看，目前面临的最大问题是三甲医院医生疲于应付大量的就诊患者，而基层医生业务水平不高，高素质人员偏少，临床思维缺乏有效固化和传递。因此，人工智能在提高医疗效率和诊断同质性方面大有用武之地。有专家透露，目前国内60%-70%的人工智能技术主要应用于影像诊断。

    以肺结节诊断为例，传统方式是医生根据影像图谱判断是否有肺结节，一般这一过程耗时10-20分钟。不过，这种依赖个人经验的“手工作坊式”阅片很容易因不同医生之间诊断水平的差异导致截然不同的结果。

    据上海市呼吸研究所所长白春学教授介绍，在其推出的基于人工智能技术研发的肺结节智能诊断系统下，不仅阅片效率提高数十倍，恶性概率判断准确率达到91.2%，诊断结果也可达到10年以上医生的水平，并通过多次重复验证。

    凭借在计算和深度学习领域比人类具有更快更好的优势，目前人工智能在医疗健康领域主要有三大应用：第一，提高影像诊断的效率、速度、精准度以及一致性；第二，解决医疗系统行政问题，例如帮助编码和文档收录循环优化；第三，加速精准药物的研发，尤其是加工处理组学数据，应用于预测、发现以及治疗疾病。

    7月20日，国务院印发《新一代人工智能发展规划》，其中针对医疗领域，提出探索智慧医院建设，开发人机协同的手术机器人、智能诊疗助手，研发柔性可穿戴、生物兼容的生理监测系统，研发人机协同临床智能诊疗方案，实现智能影像识别、病理分型和智能多学科会诊。基于人工智能开展大规模基因组识别、蛋白组学、代谢组学等研究和新药研发，推进医药监管智能化。加强流行病智能监测和防控。

    记者在活动现场了解到，以往传统疾病预测模型在数据收集量和精度上都十分有限，而人工智能技术的出现使得收集海量真实世界数据成为可能，在其帮助下建立更精准的模型，根据预先定义好的分析模板，对路径和患者分群分析，通过大数据平台对如院内死亡率等特定的指标进行运算，最终获得风险评估报告，包括健康指标控制和干预措施。

                                　　

    尽管以AlphaGo为代表的人工智能技术在围棋领域全面碾压人类能力，但目前仍依赖于对限定范围内的大数据进行学习，人工智能必须通过大量数据来“训练”自己，才能不断提升输出结果的质量。此外，人工智能技术还无法理解具体场景下的含义或内容，比如识别“招手”这一动作并不难，但其尚做不到阐明“招手”这个动作背后的含义。

    相比之下，人类智能的优势在于举一反三，顺应环境变化掌握新的知识，也因此而构建了兼具广度和深度的医学知识图谱。从这个角度来看，人工智能在知识体系复杂的医疗领域还有待于进一步突破。

    “我们希望在未来的医学环境，人工智能可以做到，比如看到一幅肺部影像图谱最终解释什么是肺结节，什么是正常的肺，将深度学习人工智能建立在医学知识的体系之上，而非有限的、离散的训练数据上。”科大讯飞智慧医疗总经理陶晓东指出，人工智能核心技术围绕着以深度神经网络（DNN）为代表的神经网络算法进步，以及脑科学和类脑科学研究两方面发展，这两种模型的结合将有助于实现上述愿景。

    Gartner 研究副总裁Tracy Tsai强调，人工智能与医生之间的关系并非取代，而是互相帮助，医疗人员的认识具有不足，而机器也需要人类指引方向。“人工智能发挥的作用是根据既有资料加速取得答案的过程，加速研究和判别的过程，节省时间，最终还是需要医生来判断是对还是错。”

    Tracy Tsai表示，应用人工智能技术的目的是如何让过程更有效率，或者建立新的营运模式，如果企业想要运用人工智能最好是购买现成的技术，即已经通过实践被证明是行之有效的技术，除非企业本身有数据科学家或者很强的团队实力可以从头开发。

    值得关注的是，当前我国人工智能发展还面临两大问题：一方面尽管企业能够通过专有平台获得海量数据，但在创建一个标准统一、跨平台分享的数据友好生态系统方面，中国仍落后于美国，我国政府的数据开放仍极为有限；另一方面，芯片、应用模型、测评工具、可视化工具、云服务等模块化和标准化技术尚未成熟。