在这些专科技能上的英文、专科技能专业

自2016年以来，人工智能威胁医生的说法广为流传。 2017年初，《自然（Nature）》、《美国医学协会杂志（Journal of the American Medical Association）》等多个核心期刊发表了多起“机器人”医生战胜人类医生的案例。

在讨论人工智能是否能够彻底让医生“失业”之前，我们先来区分一下“强人工智能”和“弱人工智能”。

强人工智能是一种通用智能，可以随机解决任何场景下的各种问题。它可以处理复杂系统中的开放性问题，例如政治问题、经济问题等。这种智能具有自我意识，像生物一样，有生存和安全的需求，因此可以针对自己的问题提出问题。自己的。

相比之下，弱人工智能只能解决特定场景、封闭系统内的特定问题。弱人工智能没有自我意识和主观能动性，需要人类输入一定的指令才能进行操作。

然而，即便是最初提出“强人工智能”概念的约翰·罗杰斯·塞尔也不相信强人工智能能够实现。

近日，在中欧健康管理与政策中心举办的第十九届上海卫生政策圆桌会议上，上海第一妇婴保健院原院长段涛表示，人工智能可能是医疗领域意想不到的力量。公立医院改革。实力，医院目前最缺的是病理医生、影像医生等，但三五年内，不会缺少这些医生。”

皮肤科

“最近，美国科技杂志纷纷发表文章，称皮肤科医生被人工智能打败了。”段涛在会上提到。 “有了皮肤科的人工智能诊断，中国90%的皮肤科医生都不需要你给它拍照，而且它的诊断水平比90%以上的中国皮肤科医生还要高。”

段涛指的是《自然（Nature）》出版的皮肤科人机大战。科学家们首先要求一个“卷积神经网络（CNN）”来分析和学习近13万张皮肤病的临床图片，涵盖2023种皮肤病。

21名医生受邀与机器人比拼两场皮肤癌诊断能力比赛：第一场是区分角质细胞癌和良性脂溢性角化病；第二场是区分角质细胞癌和良性脂溢性角化病；第二场是区分角质细胞癌和良性脂溢性角化病。第二个是区分恶性黑色素瘤和良性痣。结果，AI正确识别良恶性病变的整体灵敏度达到了91%，击败了许多皮肤科医生。

科学家表示，他们正在努力让这种智能诊断技术与智能手机兼容，“皮肤科家庭医生”离我们并不遥远。

事实上，以色列公司Emerald Medical Applications开发了一款利用云人工智能技术和手机摄像头检测黑色素瘤的移动应用程序，并已在FDA注册。

据市场研究公司IDC估计，虽然目前只有1%的软件应用具有人工智能功能，但这一数字预计到2018年将达到50%。

眼科

不仅在皮肤科，人工智能在眼科诊断方面也表现出色。

去年11月，谷歌研究人员在《美国医学协会杂志（Journal of the American Medical Association）》上发表文章，称他们开发了一种深度学习算法，用于解读视网膜照片中糖尿病视网膜病变的迹象。这个算法已经达到了眼科的水平。医生的诊断水平。

谷歌要求印度和美国的医生创建一个包含128,000 张图像的开发数据集来训练算法。随后，谷歌以9963张图像作为验证集，邀请8位医生和算法进行PK。

这次比赛的结果是，人类医生稍逊一筹。该算法的F 得分（结合灵敏度和特异性的衡量标准，最大值为1）为0.95，而八位眼科医生的F 得分中位数为0.91。

需要明确的是，诊断糖尿病视网膜病变是一个多步骤的过程，二维眼底照片只是其中的一部分。在某些情况下，医生需要使用3D 成像技术、光学相干断层扫描(OCT) 来详细检查视网膜的各个层。

国内Airdoc也开发了具有相同功能的深度神经网络。经测试，该算法对有明显症状的患者和无明显症状的患者进行分类的准确性与三级医院的高级眼科医生一样准确，而其根据国际标准5对眼底照片进行分类的准确性也不亚于专业眼科医生。

影像科、病理科

微软研究院提出，基于深度学习的图像识别技术的识别精度可以超过人类。在医疗大数据中，影像数据是相对结构化的数据，因此人工智能在该领域的应用最多，技术成熟度也最高。

段涛从几位投资人处了解到，“一家制作肺部结节图片的人工智能公司是放射科，他们以国内最好的肺部影像专家的结果为标准，用人工智能对不到两百个病人进行了案例中，他们的最终结论是什么？这个人工智能系统可以达到95%到98%的专家水平。”

在国外这个领域，Enlitic可能是最有名的公司了。他们致力于利用图像识别算法在X射线、CT扫描、超声波检查、MRI等图像中检测早期癌症。据悉，该公司曾在公共数据集上测试其图像识别算法，以诊断肺部疾病通过肺部CT结果对癌症进行检查，发现该算法的准确率比放射科医生高50%以上。

Enlitic的算法对于提高病理诊断的效率和准确性也发挥着显着的作用。例如，在乳腺癌前哨淋巴结转移的诊断中，人工智能算法的误诊率为7.5%。该公司邀请了一批病理学家对同批次切片进行诊断，误诊率为3.5%。当病理学家使用该算法进行辅助诊断时，误诊率进一步降低至0.5%。

国内人工智能医学影像公司DeepCare也做了类似的事情。他们请了北京顶级三级医院、普通三级医院和地方三级医院的四位医生看了70张疑似乳腺癌转移的片子。 4名医生的工龄分别为40年、30年、20年和10年。参与电影阅读的还有人工智能机器人。

70张照片中，30张为阴性，40张为阳性。一位拥有40年经验的医生的诊断准确率超过98%，而其他三位医生的平均准确率为70%。 DeepCare的人工智能机器人准确率高达93%。

据该公司介绍，测试两个月后，该算法的准确率提升至95%。

确实，随着人工智能算法“吃掉”越来越多的数据并学习专家意见，其在某些具体诊疗问题上的能力最终将超越人类，而这些都属于弱人工智能的范畴。

然而，当面对生命体这样的复杂系统时，人类全科医生面对开放性问题的综合处理能力却是“机器人”所望尘莫及的。应该说，如此强大的人工智能目前还没有出现。

此外，在处方权等法律问题，以及医学人文等情感问题上，人工智能系统永远无法取代人类的作用。

“为什么需要这么多医生？”

段涛在演讲最后表示，“我们真的不知道未来会是什么样子，所以人工智能将成为我们公立医院解构和重建的一个非常重要的驱动因素。”