“内科怎么走？”
“请问您想找哪个内科？还是说想去内科住院大楼？”
“我找消化内科。”
“请您到大厅里乘坐扶梯或电梯到五层B区北侧，科室在五层的详细位置请看下面的地图。”
这段对话，发生在不久前的解放军总医院门诊楼大厅，因腹痛前来就医的北京市民赵先生正在向智能导诊机器人“晓医”询问看病科室的位置。
“没想到这机器人的回复还挺准。”赵先生循着“晓医”指的路，很快就找到了就诊科室。
2017年3月，6台由科大讯飞研发的智能导诊机器人在解放军总医院上线，其中4台放置在门诊楼大厅。每天一早，这些样貌讨喜的机器人就被前来问诊的人团团围住，有人出于好奇，有人有事相求，对于人们提出的问题，机器人都会耐心解答，遇到和它开玩笑的人，它还能跟人逗个闷儿。
“现在它们可忙了，每个机器人每天平均要回答超过900个问题，患者想要找科室、找病房，以及咨询医院周边的生活服务信息，机器人都能提供指引。”解放军总医院门诊部主任国家喜介绍。
“如今的AI就像互联网一样，成了一种基础设施。”腾讯“互联网＋医疗”负责人常佳介绍说，近年来，国内外多家涉足AI的企业加速向医疗领域布局，医疗AI正在从概念走进现实，除了智能导诊，还出现了能帮医生看片子、做筛查的智能医生。
在中山大学附属肿瘤医院内镜操作室里，病人躺在手术台上，医生操作内窥镜伸入患者的食管采集照片。这些照片被实时传输到电脑，再接入AI系统，拍照结束后十几秒钟，电脑上就显示出一行文字：“疑似癌风险55％。”医生根据这个结果评估是否需要进一步做病理活检，以避免癌症漏诊。
这行文字，就是来自腾讯的医学影像AI系统“腾讯觅影”给出的癌症风险提示。“它用起来非常方便，就像医生的第三只眼睛。” 中山大学附属肿瘤医院消化内科主任徐国良介绍，“有个医生给患者查食管内镜，看着没问题，就让患者走了，后来AI提示患者的食管有异常，医生叫人回来一复查，还真是早癌。”
具备学习能力，正在解决医疗行业难题
培养一名主治医师，需要十几年时间，培养一个熟练的导医也至少需要一年。AI到底凭什么本事，能在这样一个行业站住脚？
“智能导诊机器人和几年前遍布公共场所的电子查询机不一样，它们具备学习能力。”国家喜说，遇到答不上来的问题，电子查询机可能一直“卡壳”，但智能机器人通过积累、更新数据，能够不断解答人们提出的新问题。
这种汇集并运用经验的能力，正在解决一些医疗行业的难题。
第一是高效填补医院中巨大、复杂的信息服务需要。
解放军总医院日门诊量约1．8万人，其中70％为外地患者。许多人来这看病，先就诊还是先挂号？看病科室各自在哪？住院、手术在哪栋楼？“每碰见一个‘白大褂’，患者就上前询问，但指路并非医生的主业，他们也不是每次都知道答案，所以长期以来，群众对信息服务的需要得不到很好满足。”国家喜说。
以前医院的解决办法，是建立导医团队。2014年，解放军总医院在门诊楼招了14个专职导医，又外聘了17个小时工，却依然无法满足巨大的咨询量。“智能导诊机器人上线后，很好补充了信息需求和供给不平衡的问题。”国家喜说，“它们反应快、不厌其烦，连‘川普’‘广普’等口音浓重的普通话都懂，这正契合实际，可以更好地帮助外地患者。”
第二是减少医生检查中的误诊、漏诊。
上海交通大学自动化系副教授阎威武表示，在医疗领域，AI已应用到信息咨询、医学影像、电子病历等方面，其中在医学影像上进展最快。
“我国食管癌高发，但早癌诊断落后于发达国家。”徐国良分析，我国早癌发现率低的原因主要有两点，一方面，医生普遍工作量大，难以保证对患者的精细核查；另外，早癌表现难以察觉，比如早期食管癌，从内镜观察，症状往往表现为局部充血、黏膜粗糙或细微糜烂，同一般炎症非常相似，一些经验不足的医生很容易忽视。
“当知道AI能学习看内镜照片的时候，我们很欢迎，因为AI能对医生主观的疏忽做出弥补。”徐国良说，2016年底，中山大学附属肿瘤医院把积累的10多万张脱敏的食管内镜照片提供给腾讯觅影用于科研，AI通过 学习大量照片数据，形成一套检查标准，可以显著提高早癌发现率。
在浙江省人民医院，腾讯觅影已用于食管癌、糖尿病视网膜病变、肺结节（用于诊断早期肺癌）的筛查发现工作。实验环境下，AI系统对前两种疾病的发现准确率超过90％，对肺结节的发现准确率达85％。
浙江省人民医院院长黄东胜认为，借助AI来分析胸片、CT、病理切片等影像资料，提高了看片效率，把医生从辛苦的重复工作中解放出来。“这有助于医生投身于攻克既往经验缺乏的罕见病、疑难杂症，这些才是目前机器无法学习的。”
社会认可度提升，技术实用性增强
常佳告诉记者，腾讯觅影自2017年8月推出，已同全国30多家三甲医院组建“人工智能医学联合实验室”，“如今，AI对行业的渗透在增加，社会认可度在提升，技术实用性在增强。”
但在现阶段，医疗AI的前景并非一路坦途。
“在技术上，医学影像设备与AI系统的兼容是个问题。不同厂商的拍照设备、数据格式和图片质量都不同，这给机器学习的准确性带来干扰。另外，各地医院的AI数据库需要精细微调，AI诊断的准确性可能受地域影响，同一疾病在不同地区会呈现微小的数据差别，对此技术人员正在解决。”常佳说。
“在用户习惯上，老百姓对人机交互还停留在触控方式为主，不习惯与机器人直接说话交流。还有一些人不信任机器，只选择求助于人，这说明社会要完全接受新技术还需时间。”国家喜说。
在宏观上，阎威武指出，医疗AI的发展面临如下几个障碍：一是行业认可，医生对AI持观望态度，这项新技术尚未完全取得医学界信任；二是数据资源，政策上还没有完全开放，对居民健康数据的隐私、权属等问题有待明确；三是法律伦理，AI既不是传统医疗设备，也不是人类，对它如何进行技术认证？医疗事故责任怎么认定？这都值得讨论，毕竟AI辅助的准确率尚未达到100％。
“最重要的，是对医疗AI的解释问题。”阎威武说，“医学是一门严肃的学问，诊断病症有一套传统逻辑，但AI正在挑战这种逻辑。尽管它能达到乃至超越医生诊断的准确性，但它基于大数据的诊断原理和医生运用医学知识做诊断是不一样的，对这种不同于既往医学规律的新技术的可解释性，影响着医学界对AI的接受度。”
尽管离普及尚有距离，但许多业内人士对医疗AI的发展持乐观态度。
“综合来看，中国在医疗AI上的水平仅次于美国，发展非常快，在很多AI竞赛中成绩突出，我们是国际领先的。”阎威武说，工信部此前印发《促进新一代人工智能产业发展三年行动计划（2018—2020年）》，重点培育的8类智能产品中，就有医疗影像辅助诊断系统。“行动计划的推出，给定了时间表，给出了发展路径，具体的要求都提出来了，我认为在这个领域很快会实现产业化。”
“有些人对AI的安全性心存忧虑。站在医院管理者的角度，我觉得面对一项新技术，不能一开始就抗拒它，而要先去了解它，如果验证是好的，就应该主动去拥抱。”黄东胜说，“通过医生和技术人员不断合作，我认为医疗AI会越学越聪明，未来能向人们提供更高水平的服务。”（人民日报）
（免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。 ）
