| 智能医疗可帮助医生减少误诊率
东京医科大学附属医院的病房里躺着一位六十多岁阿姨。她身患癌症，在此接受治疗已长达数月，病情却无丝毫好转。这让医生们感到有点手足无措。
情急之下，医疗团队想到可以借助 IBM 公司的沃森智能程序帮忙——这是一台曾在智力问答节目《危险境地》中打败人类冠军的超级计算机。医生们把患者的病症信息输入到沃森中，并在肿瘤数据库中进行搜索，结果发现，这是一种罕见的继发性白血病。医疗团队据此改换了治疗方案。没过多久，那位患者就病愈出院了。
一位医生告诉日本时报的记者，沃森几分钟就能搞定的事，换医生去诊断，得花上几周。“要说是人工智能救了那位患者的命，可能有点夸张，但它确实一下子就给出了我们想要的数据。”
这就是智能医疗未来的样子吗？让我们来看看，研究人员梦寐以求的人工智能机器能做什么：
能诊断人体健康状况
向医生建议治疗方案
甚至能预测出病人的健康状况会如何改变。
最大的优势，不是速度快，而是准确率高。
今年早些时候发布的一份研究结果发现，医疗事故为美国第三大致死原因。其中，相当一部分人死于误诊。
Herbert Chase 在位于纽约的哥伦比亚大学生物医学信息学院工作。他表示：
人们的健康状况太多样化了，论文也更新地非常快，一个初级护理医师很难把它们全都记下来。
我们设计的机器已经能做医生力所不能及之事，一台机器可以诊断出几十种医生无法诊断出的病情。
Chase 曾提议建立一个 IBM 沃森小组。现在，他在设计一种算法，可从医生的笔记中找到可能会发展为多功能硬化症的蛛丝马迹，最终建立一个程序，计算出每个人会有多大风险患上多功能硬化症。他设想，未来的软件可以自动分析每个人的电子健康数据，以此发出警告或提供建议。
“机器给出建议，人们参考建议做出行动，这是一种合作伙伴的关系。”但是鉴于人类疾病种类太过庞杂，“算法需要一步步地建立起来。”
| 其他成果与现存问题
近日，来自斯坦福大学的研究小组公布了一种新的机器学习算法，可用来检查感染了癌症细胞的肺部组织幻灯片。运用该技术，计算机可显示出每张幻灯片的个体特征，如细胞大小，形状，结构等等。它还可以从样本中区分出一个人经过医疗诊断后的存活时间长短——是短短几个月，还是更久。通过测试历史数据，该算法被证实确有成果。所以，从原则上讲，人工智能已可以应用于诊断人体健康状况。
而在众多医疗人工智能工具中，幻灯片阅读器仅是其中之一。
上周，机器学习及医疗保健会议在洛杉矶举行。会议中，研究人员向人们展示了新型算法：可以检测癫痫、预知肾病和心脏病的发展状况、发现孕妇和新生儿的异常身体状况。在一个编程比拼中，与会者用自己设计的人工智能来听心跳频率，以区分正常节奏和异常节奏。
不过，其他医疗诊断项目使用的信息资源却较为模糊和间接：
微软7月份发布新算法，通过网页搜索来推测谁患有胰腺癌。
谷歌旗下的Deepmind公司大量使用英国国家卫生署的匿名数据，设计新型人工智能，以更快解决严峻的眼疾问题。不过，该项目又引发一个新的问题——商业公司购买健康数据的价格是不是太低了。
虽然人工智能诊断对医生有极大帮助，但问题是，医学专家们愿意使用这个新手段吗？目前，人们还需要更多证据来证明，计算机预测确能帮助人们改善健康状况。
有些人担心，人工智能诊断技术的发展，会使医生过度诊断，过度试验，结果会适得其反。即使算法正常运行，如何将其与临床实践完美结合的问题依然存在。医生们工作已经很劳累了，他们不希望人工智能再来加重他们的工作负担。
| 专家观点
Chase 认为，人工智能最后应该和电子健康数据记录结合，这样向机器寻求治疗建议就会和获取病人相关数据一样，成为日常工作的一部分了。
“医生要让人工智能帮助自己完成任务，就意味着他们必须得承认自己偶尔会犯错。”
其实，市面上早有可以帮助诊断的app，如Isabel——它可为医生提供一个联网清单，在其录入症状和检验结果后，作出准确诊断，防止医生忽略可能存在的罕见疾病，造成误诊。但 Chase 表示，这种方法尚未普及。原因是：只有不给医生造成任何时间压力，人工智能才能在此领域大获成功。
Leo Anthony Celi 是贝斯以色列女执事医疗中心特护病房的的医生。他说，人工智能大范围应用于医疗领域，还存在一定的社会阻力。有了人工智能的帮忙，医生将更像一名“船长”。大部分日常工作，要么让机器完成，要么交给训练有素的护士、医疗电子或医师助手。想达到这样的工作方式，医生首先要退一步，承认机器在某些领域确实比人做得好。这很困难。因为无论是医学院教授还是患者，每个人都希望医生总是给出一个最正确的回答。
Celi表示，人们的观念需要转变，应该更尊重大数据和人工智能在医疗领域潜力。只有如此，机器和人类才能发挥所长，各尽其能。
“医生和病人的交流能力是无可取代的。医生应更专注于他们能精益求进的事，比如，和患者多沟通，引导他们说出自己的价值观和预设医疗指示。至于复杂决策，就交给机器来做，这方面我们真的不擅长。”
via new scientist
推荐阅读：
正在生成分享图...
刘洁