AI+医疗意义深远，但仍需砥砺前行
每当一项新兴技术出现之时，教育、医疗这些关乎民生的领域，总是会最先得到应用。而最近，关于AI+医疗的新闻月时越来越多。据外媒报道，百度上周发布了一款新型人工智能工具，课以扫描糖尿病视网膜病变、黄斑变性和青光眼等病症，并且该系统的敏感度和特异度分别达94%。11月8日，临床诊断智能平台公司MaxQ AI宣布，其Accipio Ix颅内出血（ICH）检测软件已获得美国食品和药物管理局（FDA）的510（k）许可。
恰逢今天是联合国糖尿病日，我们也来谈谈AI+医疗的意义和其可能遇到的挑战。
对于如今看病难，以及诸多顽疾难以攻克的问题，AI+医疗都可以很好的解决。
随着深度学习算法的逐渐普及，通过建立深度学习神经元数学模型，从海量医疗诊断数据中挖掘规律，学习和模仿医生诊断的人工智能疾病诊断技术将会达到前所未有的精度，随之而来的，是智能化诊疗逐渐成为医院不可缺少的医疗组件。医务工作者也将从大量的诊疗业务中被解放出来，将走向复杂度更高、服务更细致的岗位。
医院数字化的发展解决了诊疗信息数字化采集、传输、存储等问题，然而数据同构化、诊疗信息共享化亟待解决。AI对于非结构化数据的处理能力使医疗大数据的有效获取、分析、应用成为可能。同时，将信息提取、自然语言语义分析、自动化推理、知识表现、深度学习等人工智能的研究方法和应用技术应用于大数据分析的前沿领域，结合预测性分析挖掘医疗大数据蕴含的规律和价值，从而为医疗事业的发展和医院运行决策提供有力支撑，提高服务效率，实现智能化管理。
在健康管理服务领域，目前全球的AI+医疗创业公司主要集中在风险识别、虚拟护士、精神健康、在线问诊、健康干预以及精准医学的健康管理。用户可通过智慧健康服务平台，获取健康诊断、养生知识、保健建议等信息，并能通过包括可穿戴设备在内的手段，监测用户个人健康数据，预测和管控疾病风险。
人工智能在基因测序、遗传学和分子医学领域，利用数据挖掘、本体等大数据分析技术方法对医疗大数据进行转化规约，建立疾病知识共享平台，寻找疾病的分子基础及驱动因素，重新将疾病分类，实现精准疾病分类及诊断，并在此基础上，开展循证医学研究，对相同病因、共同发病机制的患者亚群实现精准评估、治疗及预防。同时，可加速准确地开展药物临床筛选和分析。人工智能技术正在加速精准医疗时代的到来。
尽管AI+医疗有诸多的好处，可是和其他许多AI应用场景一样，人工智能医疗也面临许多挑战。
俗话说，算法、算力、数据库是人工智能的“三驾马车”。和自动驾驶一样，AI+医疗面临着数据库不完善的问题。大数据是以深度学习为代表的人工智能技术的基础。发展人工智能医疗应用需要大量可以开放共享的高质量医疗数据的支撑。
虽然我国出台的《“健康中国2030”规划纲要》和《关于促进和规范健康医疗大数据应用发展的指导意见》对健康医疗大数据的开放和应用作出了部署，但当前医疗数据质量不高，开放程度仍然有限。
比如，医疗健康行业信息化程度不够，医疗数据开放的方式、质量、标准、隐私保护、使用条件等缺乏国家法规政策依据，以及卫生计生、社保、公安、民政等政府部门之间、医疗机构之间及医疗机构和社会第三方机构之间均存在不同程度的数据壁垒，导致数据重复生产、采集、归档等，阻碍了健康医疗大数据的系统性建设和开放。
此外，按照当前医疗领域政策，民营企业等第三方依然难以有效利用医疗健康数据，进行医疗健康服务创新，开发人工智能医疗产品和服务。
当前，我国在人工智能基础理论、核心算法、关键设备等方面与发达国家存在较大差距，人工智能技术在医疗健康领域尚未取得大规模突破；手术机器人柔性控制模块、传感器等软硬件技术尚不成熟；深度学习决策过程的不透明性和不可解释性，可能限制其在医疗领域的大规模应用。
在公众信任方面，虽然人工智能医疗应用不断趋于成熟，但调查发现，其尚未获得公众信任，很多消费者对此存远观和怀疑态度，不愿意接受人工智能诊疗、手术等，仅希望用人工智能进行常规指数监测、心率监测、健身监测等非治疗环节。
此外，还有伦理挑战，包括人工智能医疗应用研发、部署和使用的伦理规范，改变传统的医患关系。举个例子，当智能机器人出现医疗事故时，这个责任该谁负责。近日，yahoo曝光了一则消息，英国一所医院三年前进行了该国首例机器人心脏瓣膜手术，但最终以失败导致病人不治身亡告终。据了解，在最初的案情报道中，媒体都认为是由于机器人“发疯”导致的。但是调查团队发现，机器人也是人操作的，主刀医生奈尔的失误要对手术失败负起更大责任。历时三年，这起案件才告一段落。由此可以预见，未来也许会有更多类似的纠纷。
另外，AI+医疗也会冲击医疗健康领域就业，人工智能医疗产品和服务价格加剧患者之间机会不平等。
一方面，医疗行业历来受到政府严格监管，所以人工智能技术在医疗行业的应用和发展离不开政府的政策支持。
另一方面，与人工智能在医疗行业广泛应用形成强烈反差的是，相关的政策法规相对落后。智能诊疗软件的监管和认证需要创新。数据使用和算法模型中的问题，可能导致人工智能的诊疗结果影响个人权益，或者对某些群体造成歧视。
问题虽多，但都有相应的解决办法。建立健全医疗数据开放共享机制并强化信息安全和隐私保护；国家层面出台并完善相关法律法规；引导公众接纳新技术、消除偏见和恐惧；以及加强复合型人才培养和医务人员再培训。总而言之，如今阻碍AI+医疗发展的问题，我们都可以用时间来解决。
至于AI+医疗何时能普及大众，相信不远了。
最后，如果你也是一名人工智能和深度学习领域的爱好者，或许你也需要一台深度学习GPU服务器，那么请继续关注我们的云轩DIY整机专营店。
