從2016年開始，人工智能威脅醫生的論調不絕于耳。2017年剛開年，包括《自然(Nature)》和《美國醫學協會雜志(Journal of the American Medical Association)》在內的幾家核心期刊，就接連刊登了幾起“機器人”醫生打敗人類醫生的案例。

　　在討論人工智能是否能徹底讓醫生“失業”之前，我們先來區分一下“強人工智能”和“弱人工智能”。

　　強人工智能是通用型的，在什么場景都能夠隨機解決各種問題的智能，能夠在復雜系統內，應對開放式問題，比如政治問題、經濟問題等。這種智能具有自我意識的，和生物一樣，有生存和安全的需求，因此它們可以自己提出問題。

　　與之相對，弱人工智能只能在某個特定場景，并且封閉的系統內，解決某個特定的問題。弱人工智能沒有自我意識和主觀能動性，需要人類對其輸入某一指令才會運轉。

　　不過，連最初提出“強人工智能”概念的約翰·羅杰斯·希爾勒本人都不相信，強人工智能可以實現。

　　日前，在中歐衛生管理與政策中心舉行的第19期衛生政策上海圓桌會議上，原上海市第一婦嬰保健院院長段濤表示，人工智能可能是掀起公立醫院改革的一股意想不到的力量，醫院現在” 最缺的是病理科醫生、影像醫生等，但再過三五年，這些醫生將一點不缺。”

　　皮膚科

　　“美國最近科技雜志連著發文章，皮膚科醫生已經被人工智能打敗了”，段濤在會上提到，“皮膚科有了人工智能的診斷，全中國90%的皮膚科醫生可以不需要了，你把照片拍好給它，它診斷水平比90%以上中國皮膚科醫生的水平都要高。”

　　段濤指的是，《自然(Nature)》刊發的皮膚科人機大戰。科學家先讓一個“卷及神經網絡(CNN)”分析學習了近13萬張皮膚病臨床圖片，涵蓋了2023種皮膚疾病。

　　21位醫生受邀，與機器人展開了兩場針對皮膚癌診斷能力的較量：第一場區分角質細胞癌和良性脂溢性角化病;第二場區分惡性黑色素瘤和良性痣。結果，人工智能正確識別良性病變和惡性病變的綜合靈敏度達到91%，打敗了多名皮膚科醫生。

　　科學家表示，正在努力讓這項智能診斷技術與智能手機兼容，“皮膚科家庭醫生”離我們不遠了。

　　其實，以色列公司Emerald Medical Applications已經開發了一款運用云人工智能技術和手機攝像頭檢測黑色素瘤的手機應用，并已在FDA注冊。

　　據市場調查公司 IDC 估測，雖然目前只有 1% 的軟件應用有人工智能的特征，但到 2018年，這個數字預計能達到50%。

　　眼科

　　不止皮膚科，人工智能在眼科的診斷水平也表現不俗。

　　去年11月，谷歌的研究者在《美國醫學協會雜志(Journal of the American Medical Association)》上發表的一篇文章，稱其開發出了一種解讀視網膜照片中，糖尿病性視網膜病變發病跡象的深度學習算法，這種算法的水平已經達到眼科醫師的診斷水平。

　　谷歌請到印度和美國的醫生，共同創建了一個包含12.8萬張圖像的開發數據集，用于訓練這種算法。隨后，谷歌用9,963張圖像作為驗證集，請到8位醫生和算法進行PK。

　　這場競賽的結果是，人類醫生略遜一籌。算法得到的F-Score值(結合靈敏度和特異性的度量，最大值為1)為0.95，而8位眼科醫生F-Score的中位數值是0.91。

　　需要明確的是，診斷糖尿病性視網膜病變是一個多步驟的過程，2D眼底照片只是其中一部分，某些情況下，醫生需要使用3D成像技術，光學相干斷層掃描(OCT)，詳細檢查視網膜的各個層。

　　國內的Airdoc也開發了一個功能相同的深度神經網絡。經測試，該算法在有明顯癥狀和無明顯癥狀二分方面的準確性與三甲醫院資深眼科醫生持平，在眼底照片國際標準5分類方面的準確性也不遜于專業眼科醫生。

　　影像科和病理科

　　微軟研究院曾提出，基于深度學習的圖像識別技術的識別精度能夠超過人類。在醫療大數據中，影像數據是相對結構化的數據，因此人工智能在這個領域的應用最多，技術成熟度也最高。

　　段濤從幾個投資人處獲悉，“一家人工智能公司，做肺部結節的圖片，就是放射科，他們把全中國最好的幾個肺部讀片專家的結果作為標準，用人工智能，做了不到兩百個病人的案例，最終他們得出來的一個結論是什么呢?這個人工智能系統可以達到95%到98%的專家水平。”

　　在國外的這個領域，Enlitic可能是最有名的一家公司，他們致力于用圖像識別算法，在X光、CT掃描、超聲波檢查、MRI等的圖像中做癌癥早曬。據悉，該公司曾在公共數據集上測試其圖像識別算法，通過肺部CT結果診斷肺癌，結果發現算法的準確率比放射科專家高出50%以上。

　　Enlitic的算法在提高病理診斷的效率和精確性上，也發揮了顯著作用。例如，在乳腺癌前哨淋巴結轉移診斷中，人工智能算法的誤診率為7.5%。公司請到一批病理學專家對同批切片做診斷，誤診率為3.5%，而當病理學家運用該算法做輔助診斷時，誤診率被進一步降至0.5%。

　　國內的人工智能醫療影像公司DeepCare也做過類似的事。他們請了4位分別來自北京的特級三甲、普通三甲和地方三甲醫院的醫生看70張疑似乳腺癌轉移的片子。4名醫生的年資分別是40年、30年、20驗和10年。同時參與讀片的還有人工智能機器人。

　　70張片子中，有30張是陰性的，40張是陽性的。40年經驗的醫生對此的診斷準確率達到98%以上，而其他3名醫生的平均準確率在70%。而DeepCare的工智能機器人準確率達到了93%。

　　據該公司透露，測試之后的兩個月，該算法的準確率提升到了95%。

　　的確，隨著人工智能算法“吃”的數據和學習的專家意見越來越多，其在某些特定診療問題上的能力終將超越人類，而這些都屬于弱人工智能范疇。

　　但是，在面對生命體這樣一個復雜的系統時，人類全科醫生那樣的，面對開放問題的綜合處理能力，卻是“機器人”望塵莫及的，應該說，這樣的強人工智能，至今尚未出現。

　　另外，涉及處方權等法律問題，以及醫學人文等感性問題時，人工智能系統永遠無法代替人類的角色。

　　“你還要那么多醫生干嘛?”

　　段濤在演講結束時表示，“未來真的不知道會怎么樣，所以人工智能會導致我們公立醫院解構和重構非常重要的驅動因素。”