【TechWeb】人类医生无可替代，AI是目前最好的辅助工具。

智能机器可以简化抽象的检查、诊断流程，却无法对患者病情确诊承担责任；机器无法理解CT影像，但可以运行人造神经网络为影像科医生提供更全面的信息。

TechWeb笔者坐在致远慧图（Vistel）研发的眼底检查仪面前，现场演示人员提醒笔者紧盯着机箱内闪亮的荧光点。启动键按下后，检查仪在2维平面内缓慢移动，准确的找到了眼球位置，机箱的摄像机前后对焦寻找最合适的距离，两次闪光后，笔者的眼底照片便在平板电脑上显示出来。

“系统正在将照片发送到云端决策后台，请您稍等”，演示人员讲到。

不到半分钟，“检查结果”出来了，在复杂的底片上，能看到笔者眼球内部的血管与潜在异常情况。“请放心，您的眼底没有问题。”演示人员在云端回传的检测报告上，并未发现任何异常病变。

病人的眼底检查结果，可以在一台机器人挂载的显示屏上查到。这台机器人连接着4G网络，可以在医院内任意角落摆放。

这是TechWeb在上海国际医疗人工智能会议上体验到的一款AI辅助诊疗机器，时间是2019年4月2日。

据药监局医疗器械部门副主任透露，国家对医疗人工智能监管政策去年已落实，鼓励厂商创新应用、支持技术创新，而截至4月1日，国内没有一款医疗AI仪器获得上市许可。

这不禁使人困惑：病人真的可以相信一台机器给出的诊断报告么？

1、苦苦寻觅，初见希望

“三甲医院人满为患，基层医院门可罗雀”，百度灵医负责人黄艳表示，人口老龄化、医疗资源有限、医疗经济负担是中国医疗长期面临的挑战，结构性失调一直是国内医院的常态。有数据显示，数量上占比8%的三级医院，承担着国人40%的诊疗重任。

结构性失调，让大量医生苦于疲惫。

以往影像的检查只需看几张片子，而CT诊断时间从几天到半把月不等，MRI（核磁检查）的诊断时间也随影像数量增加而延长。重复性、“吃经验”的工作不仅增加了影像医生的负担，同时增加了高压力工作状态下医生的犯错可能。

如同珍妮纺纱机，AI能“学习”医生的读片经验，成为提高人类工种劳动效率的机器。技术上，以卷积神经网络（CNN）为例，目前CNN为核心的影像诊疗仪已足够成熟，肉眼终究难以战胜机器的速度，同时机器不会因疲劳而犯错。“医疗+AI”，是一种改善现有医疗结构的最优策略，据悉，具备“辅助诊断”能力的智能机器在医疗AI领域占比61%，是最快落地的功能。

图片中，一边是国内AI影像公司BioMind的读片机器人，一边是人类代表的优秀临床专家，通过颅内、脑血管影像判读“人机大战”，人类代表毫无悬念的败给机器人。此举表面证明了机器读片的准确、高效、成熟，却忽略在现实生活中医患关系中的微妙关系。

2、AI与医生，相依相存

机器无望完全取代医生，但却是有力的“助手”，极有可能让医生从简单、耗时、耗人力的劳动中解放出来。比如，曾经人工用15分钟时间筛查300～400张影像才能判定的肺结节，AI只需要1分钟；人工3～5分钟才能测出的脑卒中出血体积，AI只需几秒钟。与此同时，后者拥有更高的准确率。

当然，回归根本问题：我们凭什么信任一个“黑盒子”？是因为它的准确率？显然不是。

陈宽，深圳人，在美国读的经济学，2014年辍学回国创业，创办AI影像公司推想科技（inferVISION）。陈宽本人讲起影像技术时，不由自主的透露出激情，按照他的说法：人工智能影像会成为未来临床的革命性技术。目前，推想科技已经在国内、日、德、美、西等国推行自己的临床产品。

陈讲到，公司最开始将InferRead CT（一套人工智能CT辅助工具）带到西班牙时，被当地顶级医学专家狠狠拒绝，理由很简单：临床不需要毫无情感的机器做诊断。于是陈宽表示让专家体验一周，不收取费用。结果，一周后西班牙专家对InferRead CT 表示认同，认为人工智能是外科读片最好用的软件。

“这是我用过最好的工具！”西班牙专家用英文对我们的产品评价到。”讲到这里，陈宽脸上露出一份对技术的自豪。

人类相信“黑盒子”，不仅是源于对诊疗效率的追求，更是为弥补人类医生的天然不足。

如果医疗人工智能可以学习人类医生的判断经验，成为诊断正确率99.99%（目前人或AI尚不能达到）的“专家”系统，这听起来恰如人意，但谁会成为“不幸的”0.01%？很明显，我们不可能将最终的判断交给机器。在医院里，人类医生也会出差错，误诊、错诊、漏诊，一项医疗事故可能不仅会改变一家人的命运，也可能改变一位医生的职业道路。当我们谈论AI+医疗时，聊的不仅仅是算法、数据，还有人类进化历程中不可规避的矛盾：道德。

3、前途未卜，道德先行

国内外，AI医疗器械的推广与销售，对于初创公司都是一项艰巨的任务，原因有三：

1）医疗圈层复杂，信任权重高。

2）国际标准不同，受当地政策影响。

3）市场成熟度差距。

国际上对AI+医疗的重视程度不一，国内已将此视为医疗改革重点方向，甚至逐步将大数据医疗、医疗AI上升为国家战略的高度。而多数发达国家对医疗AI有自己的看法，观望者居多，并未采取推进措施。推动发展中国家的医疗AI项目的力量，目前来自世界卫生组织（WHO）。相较国际水平，国内医疗AI产品有相对较高成熟度，在国际项目中具备足够优势。

国内的医疗AI还未正式启程，美国IBM的“沃森”似乎已石沉大海。

IBM研发的沃森是一台具备搜索算法、自然语言处理与知识图谱构建的智能机器人，它曾在综艺节目中战胜人类选手，负责人希望沃森可以在癌症临床医学发挥优势，但结果让其寸步难行。沃森不做影像，只专注自然语言处理，通过对大数据的学习，可以为病患进行诊断与药物推荐，推荐出的药方不能令人满意：有些癌症病人得到的处方具有一定潜在医疗风险，而人类医生绝不会像沃森一样担负高风险，优先采用稳定的治疗策略。

医疗AI的内核有三：算法、算力、数据。算法可以由数学家解决（究其原因，IBM的沃森机器人便是输于算法），计算的压力由硅基处理器应对，大多数人想不到：目前的数据才是制约医疗AI发展的关键。

“医疗领域少有完整大数据，几乎全是是稀疏的小数据。”上海交通大学附属第一人民医院副院长钟力炜认为：医疗数据的可用性很差，目前现有的公开可循、记录完备、诊断准确的医疗数据并不足以支撑医疗AI。即使某个病种有了足够数据训练出了一些AI产品，有没有标准测试库给AI一个客观评价呢？

“也没有”。钟力炜回答，这位数学系出身的医疗专家，对医疗AI的发展有较深入见解。他认为AI需要与人类医生共同决策，而这种组合又会带来新的复杂医疗模型。

你也许会继续问，如果可以改善算法、满足算力，并增加数据数量与质量，医疗AI就可以可以成为毫无差错的医生么？答案否定的。人类医生与AI，终将成为相辅相成的组合。

或许在未来的医院里，AI将如同被广泛应用的青霉素，成为该领域不可或缺的组成。