前不久，百度宣布對醫(yī)療事業(yè)部進行重大改組，對醫(yī)療業(yè)務進行組織架構調整和優(yōu)化，集中優(yōu)勢資源，將醫(yī)療業(yè)務的重點布局在人工智能領域。此舉一出就引發(fā)了業(yè)內的關注，百度在醫(yī)療領域的任何動作都會招致各種議論，原因大家都知道，在這里也就不多說了，那么，人工智能技術與醫(yī)療事業(yè)的契合點在哪里？現(xiàn)階段的人工智能是否能夠對醫(yī)療事業(yè)帶來重大影響？我們簡單的來分析一下。

　　傳統(tǒng)醫(yī)療行業(yè)與模式存在眾多弊端

　　醫(yī)療作為一個特殊的行業(yè)存在，由于其自身體系的獨特性與封閉性，難免會存在著這樣或那樣的問題，就像大家知道的那樣，看病難、看病貴已經成為人們普遍抱怨的對象。人民的生活水平得到了逐步的提高，對醫(yī)療資源的需求也日益增強。由此一來，衛(wèi)生服務需求與醫(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)院帶來了很大的負擔。大醫(yī)院的功能本應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濟負擔，小毛病動輒開藥幾百上千元早就是家常便飯，回扣的潛規(guī)則導致一些醫(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城市，先進的醫(yī)療器械和優(yōu)質的醫(yī)護資源也都集中在這些醫(yī)院中，這就自然導致了大量的患者涌入這些醫(yī)院，就診效果難以保證。從另一個角度來看，傳統(tǒng)醫(yī)療手段對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。

　　人工智能技術在哪些環(huán)節(jié)擁有優(yōu)勢？

　　可見，醫(yī)療是個“歷史遺留”問題，在我國是這樣，在很多發(fā)展中國家乃至發(fā)達國家也擁有類似的問題。而對于人工智能技術來說，其在大數(shù)據(jù)領域與運算速度上的先天優(yōu)勢可能為醫(yī)療事業(yè)帶來驚人的進步。在最簡單的化驗分析階段，如今已經擁有人工智能設備在進行這一環(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行，但后續(xù)環(huán)節(jié)已經完全可以由人工智能技術代勞，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，即便是鑒定也可以通過將樣本數(shù)據(jù)與大數(shù)據(jù)進行分析比對來進行判定。

　　統(tǒng)計機構IDC的預測數(shù)據(jù)顯示，到2020年醫(yī)療數(shù)據(jù)量將達40萬億GB，數(shù)據(jù)生成和共享的速度將迅速增長，其中80％以上的數(shù)據(jù)為非結構化數(shù)據(jù)。IDC認為，未來人工智能技術將在醫(yī)療領域被廣泛應用，尤其在輔助診斷、藥物研究、醫(yī)學影像、基因科學等細分的醫(yī)療場景。從目前來看，IBM的“沃森”應該是全球領先的醫(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)生的診療經驗相結合，提供輔助醫(yī)療的處理邏輯。

　　新醫(yī)療技術更加依賴人工智能

　　中醫(yī)“望聞問切”的時代早已遠去，今天的醫(yī)療技術更加追求縝密、嚴謹、細致，這恰好是人工智能技術所擅長的。在疑難雜癥方面，人工智能技術可以把全球病例匯集成一個龐大的數(shù)據(jù)庫，只要幾毫秒的時間就能調取并檢索關鍵數(shù)據(jù)；而基于神經網絡、計算機視覺、深度學習和語音識別等技術的人工智能系統(tǒng)還能對阿爾茲海默癥、精神分裂癥等疾病進行早期預警與診斷。

　　Winterlight的機器學習軟件對阿茲海默癥患者和健康人的演講進行分析，從語料中找到語速、語調和語法的區(qū)別，找出規(guī)律。普通人用這個軟件去測試，能夠得知自己未來罹患阿茲海默癥或其他認知障礙的風險有多高這項技術能夠幫助人們提早預測抑郁、中風、失語、自閉癥、多動癥等認知障礙，進而進行預防或提早接受治療；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14萬億個數(shù)據(jù)節(jié)點中找到能夠“對癥下藥”的那些關鍵節(jié)點，而如此海量的數(shù)據(jù)節(jié)點完全無法依靠人類醫(yī)生來分析。由此可見，因為數(shù)據(jù)量龐大、病例罕見等原因導致很難由人類醫(yī)生的完成的工作，正在被人工智能技術一點點發(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時間，但其已經影響到了醫(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；同樣，未來的新醫(yī)療技術也更加依賴人工智能。

　　大數(shù)據(jù)系統(tǒng)為人群提供量身定做的醫(yī)療服務

　　相對于雇傭家庭醫(yī)生的高價格，人工智能技術可以通過人們的工作環(huán)境、工作時間、作息規(guī)律、飲食偏好、病患病史等眾多細節(jié)來量身定做一套適合每一個個體的醫(yī)療服務，還包括健身、保健等等。通過智能手環(huán)、智能心率帶、智能內衣等周邊設備獲取人們的數(shù)據(jù)，并上傳到云端服務器，再通過系統(tǒng)制定一套可供參考的醫(yī)療服務細則，類似的事情已經在歐美國家開始部分試點，想必距離全面鋪開也只是時間問題。而對于基因測序這種前沿科學，業(yè)內人士普遍認為基因測序在未來一定能夠實現(xiàn)全民普及，把基因和鍛煉、飲食、傳感器等加起來，基于大數(shù)據(jù)進行深度分析就可以進行有效的健康預測、健康管理。

　　“人工智能＋醫(yī)療”，不是噱頭，而是未來

　　總的來說，人工智能在醫(yī)療領域的機遇主要有七大方向：

　　一是提供臨床輔助診斷等醫(yī)療服務，應用于早期篩查、診斷、康復、手術風險等評估場景；

　　二是醫(yī)療機構的信息化，通過數(shù)據(jù)分析，幫助醫(yī)療機構提升運營效率；

　　三是進行醫(yī)學影像識別，幫助醫(yī)生更快更準地讀取病人的影像所見；

　　四是助力醫(yī)療機構大數(shù)據(jù)可視化及數(shù)據(jù)價值提升；

　　五是在藥品研發(fā)領域，解決藥品研發(fā)周期長、成本高的問題；

　　六是健康管理服務，通過包括可穿戴設備在內的手段，監(jiān)測用戶個人健康數(shù)據(jù)，預測和管控疾病風險；

　　七是在基因測序領域，將深度學習用于分析基因數(shù)據(jù)，推進精準醫(yī)療。