前不久，百度宣布對(duì)醫(yī)療事業(yè)部進(jìn)行重大改組，對(duì)醫(yī)療業(yè)務(wù)進(jìn)行組織架構(gòu)調(diào)整和優(yōu)化，集中優(yōu)勢(shì)資源，將醫(yī)療業(yè)務(wù)的重點(diǎn)布局在人工智能領(lǐng)域。此舉一出就引發(fā)了業(yè)內(nèi)的關(guān)注，百度在醫(yī)療領(lǐng)域的任何動(dòng)作都會(huì)招致各種議論，原因大家都知道，在這里也就不多說了，那么，人工智能技術(shù)與醫(yī)療事業(yè)的契合點(diǎn)在哪里？現(xiàn)階段的人工智能是否能夠?qū)︶t(yī)療事業(yè)帶來重大影響？我們簡(jiǎn)單的來分析一下。

醫(yī)療作為一個(gè)特殊的行業(yè)存在，由于其自身體系的獨(dú)特性與封閉性，難免會(huì)存在著這樣或那樣的問題，就像大家知道的那樣，看病難、看病貴已經(jīng)成為人們普遍抱怨的對(duì)象。人民的生活水平得到了逐步的提高，對(duì)醫(yī)療資源的需求也日益增強(qiáng)。由此一來，衛(wèi)生服務(wù)需求與醫(yī)療衛(wèi)生資源的矛盾日益突顯。

醫(yī)療資源集中、小病也去大醫(yī)院，無形之中就給醫(yī)院帶來了很大的負(fù)擔(dān)。大醫(yī)院的功能本應(yīng)是收治危重病人和疑難病人，卻收治了大量常見病、多發(fā)病患者，不僅造成看病難、看病貴，還浪費(fèi)了大量的寶貴資源；“以藥養(yǎng)醫(yī)”的畸形發(fā)展更是給病患就診帶來了不必要的經(jīng)濟(jì)負(fù)擔(dān)，小毛病動(dòng)輒開藥幾百上千元早就是家常便飯，回扣的潛規(guī)則導(dǎo)致一些醫(yī)生并不是為患者考慮最優(yōu)的診療方案，而是最貴的方案。

地域之間的公共醫(yī)療資源分配不均，比如三甲醫(yī)院大部分都分布在省會(huì)城市，先進(jìn)的醫(yī)療器械和優(yōu)質(zhì)的醫(yī)護(hù)資源也都集中在這些醫(yī)院中，這就自然導(dǎo)致了大量的患者涌入這些醫(yī)院，就診效果難以保證。從另一個(gè)角度來看，傳統(tǒng)醫(yī)療手段對(duì)于疾病診斷方面存在一定的誤差，在某些疑難病癥上的診斷與治療更是存在兩眼一抹黑的情況。

可見，醫(yī)療是個(gè)“歷史遺留”問題，在我國(guó)是這樣，在很多發(fā)展中國(guó)家乃至發(fā)達(dá)國(guó)家也擁有類似的問題。而對(duì)于人工智能技術(shù)來說，其在大數(shù)據(jù)領(lǐng)域與運(yùn)算速度上的先天優(yōu)勢(shì)可能為醫(yī)療事業(yè)帶來驚人的進(jìn)步。在最簡(jiǎn)單的化驗(yàn)分析階段，如今已經(jīng)擁有人工智能設(shè)備在進(jìn)行這一環(huán)節(jié)的操作，雖然樣本采集諸如采血、采便、穿刺等還需要人工來進(jìn)行，但后續(xù)環(huán)節(jié)已經(jīng)完全可以由人工智能技術(shù)代勞，樣本分類、離心、推片、染色、劃片等步驟要比人類操作的效率高很多。

統(tǒng)計(jì)機(jī)構(gòu)IDC的預(yù)測(cè)數(shù)據(jù)顯示，到2020年醫(yī)療數(shù)據(jù)量將達(dá)40萬億GB，數(shù)據(jù)生成和共享的速度將迅速增長(zhǎng)，其中80%以上的數(shù)據(jù)為非結(jié)構(gòu)化數(shù)據(jù)。IDC認(rèn)為，未來人工智能技術(shù)將在醫(yī)療領(lǐng)域被廣泛應(yīng)用，尤其在輔助診斷、藥物研究、醫(yī)學(xué)影像、基因科學(xué)等細(xì)分的醫(yī)療場(chǎng)景。從目前來看，IBM的“沃森”應(yīng)該是全球領(lǐng)先的醫(yī)療人工智能系統(tǒng)，它將人工智能的數(shù)據(jù)整合、分析與判斷能力與人類醫(yī)生的診療經(jīng)驗(yàn)相結(jié)合，提供輔助醫(yī)療的處理邏輯。

中醫(yī)“望聞問切”的時(shí)代早已遠(yuǎn)去，今天的醫(yī)療技術(shù)更加追求縝密、嚴(yán)謹(jǐn)、細(xì)致，這恰好是人工智能技術(shù)所擅長(zhǎng)的。在疑難雜癥方面，人工智能技術(shù)可以把全球病例匯集成一個(gè)龐大的數(shù)據(jù)庫，只要幾毫秒的時(shí)間就能調(diào)取并檢索關(guān)鍵數(shù)據(jù)；而基于神經(jīng)網(wǎng)絡(luò)、計(jì)算機(jī)視覺、深度學(xué)習(xí)和語音識(shí)別等技術(shù)的人工智能系統(tǒng)還能對(duì)阿爾茲海默癥、精神分裂癥等疾病進(jìn)行早期預(yù)警與診斷。

Winterlight的機(jī)器學(xué)習(xí)軟件對(duì)阿茲海默癥患者和健康人的演講進(jìn)行分析，從語料中找到語速、語調(diào)和語法的區(qū)別，找出規(guī)律。普通人用這個(gè)軟件去測(cè)試，能夠得知自己未來罹患阿茲海默癥或其他認(rèn)知障礙的風(fēng)險(xiǎn)有多高這項(xiàng)技術(shù)能夠幫助人們提早預(yù)測(cè)抑郁、中風(fēng)、失語、自閉癥、多動(dòng)癥等認(rèn)知障礙，進(jìn)而進(jìn)行預(yù)防或提早接受治療。

波士頓生物醫(yī)療公司的BERG人工智能系統(tǒng)對(duì)比分析從癌癥患者和健康人身上采集的樣本，試圖在14萬億個(gè)數(shù)據(jù)節(jié)點(diǎn)中找到能夠“對(duì)癥下藥”的那些關(guān)鍵節(jié)點(diǎn)，而如此海量的數(shù)據(jù)節(jié)點(diǎn)完全無法依靠人類醫(yī)生來分析。由此可見，因?yàn)閿?shù)據(jù)量龐大、病例罕見等原因?qū)е潞茈y由人類醫(yī)生的完成的工作，正在被人工智能技術(shù)一點(diǎn)點(diǎn)發(fā)現(xiàn)并解決，雖然人工智能要形成完全的診療能力還需要很長(zhǎng)時(shí)間，但其已經(jīng)影響到了醫(yī)療行業(yè)的工作模式，讓新藥研發(fā)、病理診斷等工作變得更加高效。

相對(duì)于雇傭家庭醫(yī)生的高價(jià)格，人工智能技術(shù)可以通過人們的工作環(huán)境、工作時(shí)間、作息規(guī)律、飲食偏好、病患病史等眾多細(xì)節(jié)來量身定做一套適合每一個(gè)個(gè)體的醫(yī)療服務(wù)，還包括健身、保健等等。通過智能手環(huán)、智能心率帶、智能內(nèi)衣等周邊設(shè)備獲取人們的數(shù)據(jù)，并上傳到云端服務(wù)器，再通過系統(tǒng)制定一套可供參考的醫(yī)療服務(wù)細(xì)則，類似的事情已經(jīng)在歐美國(guó)家開始部分試點(diǎn)，想必距離全面鋪開也只是時(shí)間問題。

總的來說，人工智能在醫(yī)療領(lǐng)域的機(jī)遇主要有七大方向：一是提供臨床輔助診斷等醫(yī)療服務(wù)，應(yīng)用于早期篩查、診斷、康復(fù)、手術(shù)風(fēng)險(xiǎn)等評(píng)估場(chǎng)景；二是醫(yī)療機(jī)構(gòu)的信息化，通過數(shù)據(jù)分析，幫助醫(yī)療機(jī)構(gòu)提升運(yùn)營(yíng)效率；三是進(jìn)行醫(yī)學(xué)影像識(shí)別，幫助醫(yī)生更快更準(zhǔn)地讀取病人的影像所見；四是助力醫(yī)療機(jī)構(gòu)大數(shù)據(jù)可視化及數(shù)據(jù)價(jià)值提升；五是在藥品研發(fā)領(lǐng)域，解決藥品研發(fā)周期長(zhǎng)、成本高的問題；六是健康管理服務(wù)，通過包括可穿戴設(shè)備在內(nèi)的手段，監(jiān)測(cè)用戶個(gè)人健康數(shù)據(jù)，預(yù)測(cè)和管控疾病風(fēng)險(xiǎn)。