虽然很高调，但也不要怕被AI抢饭碗，用到医疗上还得慢慢来 / 四六文摘

很多人害怕AI最终会代替我们现有的某些工作岗位。不过现实就是这件事情正在逐渐发生，而且我们只能在一旁感叹AI的确高效到无人能及。当然，这将造成全世界岗位分工上的一些调整，但最终我们或许会收获只有从科幻小说中才能见到的神奇世界。

今天，人工智能已经开始扎根医疗领域，永远地改变了行业提供服务的方式。自然语言处理、假设生成技术以及基于证据的学习能力，正被用到临床决策支持系统上，为医药专家服务。

医疗AI领头范例：IBM与医院合作训练AI

2017年早些时候，动脉网（微信：vcbeat）看到了一则新闻：创办于1923年的日本富国相互人寿保险公司，将解聘34位工人，取而代之的是一个AI系统，公司由此将省下约一年110万美元的员工薪酬支出。据称，此系统的初始投资在两年之内能够回本，并能提供比以前更精准的服务。

而IBM比富国相互人寿保险更早使用AI替代人工。2013年2月，IBM就宣布Watson软件系统的首个商业应用会进入纽约的纪念斯隆凯特琳癌症中心（MSK），被用于肺癌治疗。据说，现在正在使用这套系统的护士之中，有90%都会参考AI的指导信息。

IBM Watson浏览器是一个认知搜索及内容分析平台，可以从任何相关的数据中提取见解，解锁一切数据中的隐藏价值，360度地观察到患者病情的来龙去脉。现在，纪念斯隆凯特琳癌症中心的一群医生和分析师已经对IBM Watson“训练”了一年多，目的是为了开发一种可以根据患者个人情况来选择最佳治疗方案的系统。

这就是Watson肿瘤系统的观念：用认知分析支持肿瘤医生的治疗决策。纪念斯隆凯特琳癌症中心曾表示：“作为IBM Watson的导师，我们希望延伸自己的使命，创造一种先进的医疗资源，帮助那些无法到MSK这样的癌症专业中心治病的人们。与IBM Watson一道，我们可以缩短新疗法从实验室到临床的时间、帮医生合成有效信息、并提升治疗水平。”MSK每年都会对至少13万癌症患者进行治疗，为顶尖的肿瘤机构服务，并引领开创性的临床试验。其专业肿瘤学家将整合数十年的临床纵向数据，来“教导”IBM Watson系统。

IBM：精准医疗即服务（图片来源：venturebeat）

MSK总结道，Watson定义了认知计算。其最核心的自然语言处理、不断演进的机器学习模型、快速处理大量的数据的能力，都被用以解决当今肿瘤学家面临的挑战。

除了与MSK的合作，IBM还把认知系统用到了全球30多家医院，包括MD安德森癌症中心（不久前宣布解除合作）、缅因州癌症医学中心、纽约Westmed Medical Group、印度的连锁医院领导品牌Manipal Hospitals、克利夫兰诊所等。

据IBM的想法，其目标是要增强系统的医疗专长，最后要让计算机能够与人类在各领域的应用上直接进行交互，理解人类提出的问题，并能提供人类能理解和证实的答案。

高调：AI成为2017医疗话题中心

2016年，人工智能频繁地出现在新闻报道中。AI领域已形成了一个全世界瞩目的高调组织，即由Facebook、谷歌、亚马逊、IBM、微软在2016年9月联合组建的“AI联盟”；2017年年初，组织又添新成员，包括美国公民自由联盟，麦克阿瑟基金会，OpenAI，AAAI，甚至苹果公司也作为创始成员加入联盟。

阵容强大的AI联盟（图片来源：Opptrends）

而对于医疗行业来说，AI也会成为2017年的年度热点话题。年初的HIMSS医疗信息化大会上，IBM的CEO Ginni Rometty就概括了医用人工智能的五个必要特征：提供多种服务、保证数据透明化、在每个领域有专门的AI、支持混合云计算、必须是公开平台。微软也宣布了与匹茨堡大学医学中心的合作，用人工智能提升工作流效率；通用医疗、Optum健康护理公司等也在一遍遍强调AI在个性化精准医疗中的重要意义。

疑问：医疗AI时代会不会来得太快？

众多大企业都在宣扬医疗进入AI时代，令人不禁产生了疑问：这一切是不是来得太快了？毕竟，医疗行业一直以来都有着新科技接收速度“慢”的名声。

不得不说，尽管人工智能的概念听上去很让人激动，但对于医疗行业来说还是一个相当新的概念，落地还为时尚早。现在已经出现了不少业务，是为传统的电子病历系统加上新的功能，但并不都起到了更高的效率；很多的医生现在仍在用电子邮件与患者交流。对于目前的医疗技术基础设施来说，AI等新潮科技的使用近乎是一个太大的飞跃。

另一方面，AI还不是你想装就能装。比如，如果你是一家偏远乡村的医疗供应商，看到这些大型机构讨论的AI安装成本，可能会产生极大的疑问。在HIMSS大会上的人工智能圆桌上，大家在讨论的是进入AI领域的启动经费需要1500至2000万美元。

普华永道的董事总经理James Golden说，现在的问题是对于大多数机构来讲，可能并没有强烈的需求去把每天审查15张医疗影像的效率提升至每天100张，也不太值得花大价钱去购进价格高昂的AI工具。圆桌提问环节上，很多来自小医院的人都表示他们没有1000万美元去买AI，而是用附近大学的开源数据解决问题。

自动化的风潮改变了各行各业。但目前我们仍不知道，人工智能是否会是照亮未来医疗的一道强光。而对于医疗AI来说，现在的要点是收集和破译分散的信息，为医生提供建议；并且突破时空限制，帮助专业人士进行即时、畅通的互联，最终得以提升人们的健康质量。