近年來，在傳統醫療行業，人工智能逐步在疾病輔助診斷治療、個人健康管理、基因藥物研發、醫院智能管理等多個環節，發揮出優勢和獨特作用，日益成為醫療專家的好幫手。
　　患者到醫院就診，可能需要做ＣＴ、核磁等影像檢查。一次ＣＴ檢查就能產生幾十到數百層的ＣＴ圖像。一家普通三級醫院的影像科，每月產生的影像數據相當于１５０萬張圖片。影像醫生需要瀏覽全部圖像并找出病變。這一過程相當耗時耗力。近年來，許多國家影像檢查數量劇增，而影像醫生的數量并沒有增加，導致錯誤率升高。針對這一問題，德國一家公司研發出一款影像人工智能系列產品，該產品通過大量學習，讀圖快，檢測病變準確，能很好地輔助醫生作出診斷。多家人工智能企業還研發了肺部ＣＴ智能讀片系統。
　　人工智能不僅“快”“準”，還很“全面”。現代醫療對患者身體各處的監控仍然處在“盲人摸象”階段，而人工智能可以根據捕捉到的一些細微病癥變化，分析其背后的多維度信息，完成“一葉知秋”的診斷預警。比如，英國醫學界的一個新項目就利用眼睛作為窗口，探測其他器官健康狀況，通過基于人工智能機器學習的系統，在視網膜圖片上尋找癡呆癥、心臟病等病癥的早期跡象。我國研發的人工智能眼底篩查產品，僅需一張彩色眼底照片，就可以快速高效地分析比對數據庫中的上百萬案例，提示眼底疾病風險。該產品在眼底篩查檢測５０萬人次中，還輔助發現了多例顱內腫瘤。
　　腦健康是人工智能應用的一片藍海。大腦是人體最重要的器官，但目前人類對它的了解還很有限。一方面，人工智能有助于腦健康篩查診斷。智能腦電圖分析產品可以檢測腦電波各類異常放電，分析腦功能狀態，僅需５分鐘即可處理完成兩小時的腦電圖數據，為在常規體檢中引入腦健康測試帶來了便利。另一方面，腦機接口等技術對大腦更深層的研究也有利于人工智能的發展。人工智能技術的核心，是模擬人類大腦的神經網絡系統和學習認知功能。對大腦了解越多，人工智能就越有人的“智慧”。目前，人工耳蝸是腦機接口最成功的臨床應用，通過設備與大腦聽覺神經纖維建立通路，幫助大量失聰者重新找回聽覺和交流能力。隨著人類更好地解讀大腦，運動康復、老年退行性病變等多個領域的診斷治療有望取得突破性進展。
　　此外，人工智能結合大數據分析將極大推動基因藥物研發。據統計，結合人工智能技術，新藥研發周期可縮短一半時間，研發成本也可節約５０％—６０％。
　　如同人類從嬰兒逐步學習成長一樣，人工智能是機器不斷學習知識的過程。面對復雜的病例，人工智能與人類智慧相比還稍遜一籌。然而，培養一名資深專科醫生至少需要１０年，其職業生涯中所見病例也是有限的。人工智能的優勢恰恰在于其強大的學習能力、計算能力和記憶能力。未來，通過不斷學習新知識和融合多學科信息，人工智能有望讓稀缺的醫療資源惠及更多民眾。
　　（作者為阿里健康人工智能創新實驗室主任）

　　《　人民日報　》（　２０２０年０４月０１日　１７　版）