隨著人工智慧技術的日益發展，炙手可熱的人工智慧概念的應用場景越來越廣泛，無人駕駛的熱潮方興未艾，如今醫療AI已經跨越而來，快速走入醫療服務場景之中了。

11月份，原百度人工智慧首席科學家吳恩達和他的斯坦福大學的團隊提交了一篇論文，論文題目為CheXNet的新技術已經在識別胸透照片中肺炎等疾病上的準確率上超越了人類專業醫師。吳恩達興奮的發揮推文說，「放射科醫生是否該為自己的飯碗擔憂了呢？」

醫學影像是AI的天然入口，醫學影像本身就具有大量重複性的閱讀診斷，影像本身客觀、可量化，機器閱讀片子速度更快，更準確。醫療影像的現有病例數量存量龐大，給AI提供了豐富的參考資料，符合深度學習的場景要求。

AI醫學影像的篩查讀片的能力普遍較強，尤其對於各種常見癌症的診斷，比如肺癌、乳腺癌等，其胸部X光片的檢出率在90%-93%之間，胸部CT肺結節或癌症檢出率在89%以上，這表明，AI醫學影像識別已經趨於成熟，其診斷準確率遠高於中國三甲醫院醫生的平均水平。

放射科醫生對AI的態度喜憂參半

AI醫學影像的出現並沒有受到放射科醫生的攻擊，而更多的是歡迎態度。因為AI醫學影像目前還不會替代放射科醫生，反而大大減輕了放射科醫生的工作量。尤其是重複性高、效率低下的工作，這些工作目前讓放射科大夫不堪重負，比如找病竈、量化病竈、隨訪對比等。

AI醫學影像還解決了我國基層醫生缺乏、放射科醫生工作時間過長，因醫生疲勞或經驗不足，造成大量誤診帶來醫患糾紛等痛點。

然而，AI醫學影像還在繼續高速發展，這也讓放射科醫生感受到了空前的壓力。AI對圖像的認知已經快速超過了人類，但AI比人眼的精度更高，可以在小數點後面多加兩個零。

更恐怖的是，AI醫學影像不僅可以「定量」，還可以「定性」分析，從理論上而言，AI醫學影像可以做成比醫生更為精確的結論性報告。

專家型醫生不會被替代，AI不適合臨牀的綜合診斷

殷鑒不遠，隨著心臟支架技術的成熟，胸外科的醫生逐漸被邊緣化了。只會看片子、不會做治療的基礎型放射科醫生將可能被替代。

而放射科中的專家型醫生正在受到熱捧，被稱為「AI醫學工程師」，AI公司在獲得醫療大數據並完成初始模型開發之後，必須對醫療影像數據進行標註。標註的準確率都需要多名資深的放射科專家共同完成診斷。

行業數據、專家資源和核心技術是打造智能影像缺一不可的三要素，大多數AI公司與醫院合作開發，專家資源是疾病診斷的最終權威，是行業的制高點。AI只能在權威制高點之下，進行攻城拔寨，不可能替代專家。

更重要的是，AI診斷只能根據圖像，算出是某種疾病的概率，而不能給出確定性的信息，即使是1%的誤差，都將陷入醫療糾紛。人類還是要負最終責任。

機器畢竟是機器，同病異影和異病同影，是AI醫學影像繞不開的兩座大山，AI顯然不具備臨牀的綜合診斷的能力。

精益求精，藝多不壓身。機器只能在重複性的速度上和精確性上，超越人類。在選擇和判斷上，永遠不可能超越人類。拓天速貸在精益求精這件事上，做的不比AI差。

推薦閱讀：