中医诊断，讲究望闻问切，其中“望”首当其冲。作为诊断的第一步，医生对病人的神、色、形、态、舌象等进行观察，初步大致判断病变情况。
事实上，现代医学在诊断方法上有着异曲同工之妙，只不过“望”的手段更数据化，“望”的结果也更精准。借助高科技成像设备，医生不仅可以观察体表，还能观察脏器、颅内等部位，像平时大家熟悉的CT、核磁共振等都属于医学影像的范畴。而随着智能化升级向各行业的渗透，医疗影像借助人工智能的力量能否更上一层楼呢？
医学影像正遭遇哪些挑战？
在讨论人工智能技术如何应用于医学影像之前，先要了解医学影像在无人工智能条件下难以解决的三大挑战。
第一，医疗数据增长快与医师数量缺乏。据南京医科大学的研究，我国医疗数据的年增长率约为30%，而医疗数据中绝大多数来自于医学影像，考虑到人口老龄化等社会问题，这一数字仍有上升的趋势。这意味着，未来需要更多的放射科医生“照片”与“阅片”来分析医学影像数据，但我国仅有8万多名放射科医师，年增长率约4%，且医师从业需要较长时间的培训和学习，供需关系的不平衡急需改善。
第二，人工分析的限制性因素显而易见。面对爆炸式增长的医学影像数据，如果仅靠人工，阅片的医师工作量加大，疲劳的情况下难免出现误诊、漏诊的情况。而且人工对医学影像的分析很难统一出量化的标准，医生凭借经验定性地去辨别不够精确，容易造成误判。
第三，人工难以完成数据的积累与互通。医学影像，如CT、动脉摄影、PET、核磁共振等集成的信息不是单一的，不像一份病历一样，包含病史、病人信息等零散信息，它本身具有信息集成度高的特点。而医师对“片子”的诊断却往往是针对某一特定病情的，并且如果转院或进行 的会诊，前一位医生的判断未见得能完整的传达。
在多学科相互渗透的时代，人工智能与医学影像的融合刚好可以在医疗领域为病患、医生以及医疗机构带来全新体验。
人工智能的改善
对于同一张二维医学影像，普通医师可能需要十几分钟来观察并做出判断，人工智能经过 学习训练，几十秒就可“读”出来。而在投入使用后，更多实际场景下的数据会进一步提高机器“读片”的准确度，较人工读片的速度与精度优势几乎没有上限。
对于医生而言，人工智能一是具有“过滤”的功能，“良性”、“阴性”的患者直接过滤掉，不必占用过多的医疗资源，让医生把精力集中在更复杂的病情上；二是能提供更丰富的历史图像比对，缩短读片时间、降低误诊率。
对于大部分的患者而言，真正关心的除了看病的效率，治疗效果更是关键，这就是为什么基层医院床位空置很多，而三甲医院的知名医生一号难求。如何让广大基层医院的患者也能享受到专家看诊的诊疗效果呢？人工智能可以。医院的医学影像数据非常多，同时医学影像数据具有多样性，包括多模态影像、病理、检验、基因及随访信息等，而且这些数据是标准化的，相较于其他医学领域更适合机器来学习，大范围落地更加现实。
对于医院而言，一台人工智能设备可以24小时无歇的工作，大幅压缩诊疗成本的同时还能应对特殊时段的突发状况。除此之外，人工智能的应用也提升了医疗机构的数字化进程。人工智能对医学影像数据的收集、处理和存储，便于医疗数据库的构筑，其中的数据可以随时调用，也便于整个学科的研究。
人工智能与众多学科及产业领域相融合，已经从基础研究逐步走向商业化进程，医疗领域是人工智能目前应用较为广泛的方向之一，除医学影像外，辅助诊疗、虚拟助理、新药研发和可穿戴设备等方向也均有落地案例。百度智能云也一直致力于此，百度智能云生命科学解决方案可以帮助生物信息领域用户存储海量的数据，并调度强大的计算资源来进行基因组、蛋白质组等大数据分析。
未来，在医疗健康这一关乎每个人生命质量的事业上，科技企业所能发挥的作用还有更多。百度智能云将发挥自身优势，积极引领人工智能、大数据和云计算技术在医疗行业的落地，帮助研究生命活动规律，促进医疗健康行业蓬勃发展。
免责声明：此文内容为第三方自媒体作者发布的观察或评论性文章，所有文字和图片版权归作者所有，且仅代表作者个人观点，与 无关。文章仅供读者参考，并请自行核实相关内容。投诉邮箱：editor@fromgeek.com。
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。
