劉麗

隨著互聯(lián)網(wǎng)到移動(dòng)互聯(lián)網(wǎng)再到物聯(lián)網(wǎng)的演進(jìn)，使得數(shù)據(jù)的積累量達(dá)到了前所未有的規(guī)模，以大數(shù)據(jù)為基礎(chǔ)的智慧醫(yī)療可以給醫(yī)療帶來(lái)的革新主要包括三個(gè)方面：降低醫(yī)療成本、輔助診斷以及幫助解決醫(yī)療資源分配不均與短缺的問(wèn)題。

降低醫(yī)療成本

根據(jù)世界銀行數(shù)據(jù)，美國(guó)與醫(yī)療相關(guān)的開(kāi)銷可以占到GDP的17%-18%，并且呈逐年上升趨勢(shì)，預(yù)計(jì)到2020年將會(huì)達(dá)到GDP的20%左右。在中國(guó)看不起病、因病致貧的例子也并非罕見(jiàn)。導(dǎo)致醫(yī)療成本過(guò)高的原因主要有兩個(gè)：高昂的藥費(fèi)與診療費(fèi)。藥品開(kāi)發(fā)成本過(guò)高與醫(yī)生的培養(yǎng)成本過(guò)高似乎給了藥品價(jià)格與治療費(fèi)用居高不下很好的解釋。

人工智能系統(tǒng)通過(guò)閱讀專利數(shù)據(jù)庫(kù)、醫(yī)療數(shù)據(jù)庫(kù)、醫(yī)學(xué)論文，學(xué)習(xí)從分子結(jié)構(gòu)、基因組序列和圖像的一切信息，建立關(guān)聯(lián)，形成假設(shè)，尋找可用于制造新藥的分子或配方。人工智能算法可在幾周內(nèi)闡明數(shù)據(jù)之間的強(qiáng)相關(guān)性，提供新的思路，可以很大程度提高新藥的研發(fā)進(jìn)度，降低藥品的研發(fā)成本與風(fēng)險(xiǎn)。而人類要想得到同樣的成果，除了需要大量專業(yè)人員花費(fèi)大量時(shí)間外可能還需要醫(yī)藥專家們的靈光一現(xiàn)。

輔助疾病診斷

在很多患者心目中，看病要找有經(jīng)驗(yàn)的年長(zhǎng)的大夫。老大夫的經(jīng)驗(yàn)積累來(lái)源于一個(gè)病例一個(gè)病例的學(xué)習(xí)與研究。然而學(xué)習(xí)能力再?gòu)?qiáng)的大夫也不如計(jì)算機(jī)學(xué)得快。一個(gè)放射科的大夫每天能夠閱讀的X光片數(shù)量有限，窮其一生也很難研究10萬(wàn)個(gè)病例，而計(jì)算機(jī)則很容易在短時(shí)間內(nèi)學(xué)習(xí)能夠獲得的所用病例。應(yīng)用輔助診療軟件，放射科醫(yī)生可以根據(jù)計(jì)算機(jī)輸出的結(jié)果結(jié)合經(jīng)驗(yàn)對(duì)病人的病情進(jìn)行判斷，不僅提高了診斷效率，由于計(jì)算機(jī)學(xué)習(xí)了大量案例更是提高了診斷的正確率。

相比醫(yī)生，計(jì)算機(jī)在診斷方面具有更大的優(yōu)勢(shì)，首先，計(jì)算機(jī)診斷的失誤概率非常的低，能夠發(fā)現(xiàn)醫(yī)生很容易忽視的問(wèn)題，其次，計(jì)算機(jī)診斷的準(zhǔn)確率很高，并且隨著醫(yī)療數(shù)據(jù)的不斷累積，診斷的準(zhǔn)確率會(huì)不斷提高：最后，計(jì)算機(jī)不像醫(yī)生那樣有情緒問(wèn)題的困擾，診療的穩(wěn)定性更好。

解決醫(yī)療資源短缺

當(dāng)今，世界醫(yī)療水平分布極為不均，很多國(guó)家醫(yī)生數(shù)量不足，社區(qū)醫(yī)院與頂級(jí)醫(yī)院醫(yī)生的診療水平相差甚遠(yuǎn)。在人工智能的幫助下，同樣數(shù)量的醫(yī)生可以服務(wù)幾倍甚至更多的患者，醫(yī)療資源匱乏的地區(qū)可以通過(guò)引入智慧醫(yī)療系統(tǒng)為患者提供頂級(jí)醫(yī)院頂級(jí)醫(yī)療專家的服務(wù)。

在人工智能的幫助下，頂尖的醫(yī)生和科學(xué)家可以騰出時(shí)間研究更具挑戰(zhàn)型的項(xiàng)目。在醫(yī)療資源匱乏的地區(qū)，醫(yī)療水平一般的醫(yī)生可以提高診斷的準(zhǔn)確率，提高醫(yī)療服務(wù)質(zhì)量。智慧醫(yī)療無(wú)疑是解決醫(yī)療資源分配不平衡的最好方法。