人工智能在醫(yī)療領(lǐng)域的應(yīng)用被普遍認(rèn)為是最有前景的方向。近年來，不僅是技術(shù)背景起家的公司在從事這這方面的探索，互聯(lián)網(wǎng)醫(yī)療企業(yè)也紛紛開始向AI醫(yī)療領(lǐng)域進(jìn)軍。中培專家團(tuán)隊(duì)在這里就人工智能在醫(yī)療領(lǐng)域的應(yīng)用價(jià)值進(jìn)行了探討。

中培郭老師指出，醫(yī)療一直以來都是人類生存和發(fā)展最重要的指標(biāo)之一。但直到今天，醫(yī)療問題依然是人類社會發(fā)展的短板。讓每個(gè)家庭都擁有一個(gè)家庭醫(yī)生，實(shí)現(xiàn)醫(yī)療服務(wù)的可及性也成為未來人類社會的一大愿望。

王老師進(jìn)一步指出，檢查項(xiàng)目基本上集中在望聞問切幾個(gè)方面，具體來講就是舌診、面診和脈搏。而恰恰舌診和面診是相對成熟的圖象識別可以深挖的領(lǐng)域。但難度在于脈搏，脈搏到底在中醫(yī)含義里到底是什么，缺乏統(tǒng)一標(biāo)準(zhǔn)。

AI+醫(yī)生的模式，我們嘗試去提供一種規(guī)范、可控的質(zhì)量的醫(yī)療服務(wù)。這是我們讓每一個(gè)家庭都有一個(gè)家庭醫(yī)生、讓醫(yī)療服務(wù)唾手可得的基礎(chǔ)。

舌診、面診雖然是相對成熟的圖像識別領(lǐng)域研究內(nèi)容，但難度還是很大的，尤其是舌診。關(guān)鍵難度在成像顏色校正上，以前實(shí)驗(yàn)室在這方面有十多年的研究基礎(chǔ)，還是無法完全解決開放環(huán)境下的舌像顏色校正。

非常高超。其他專家則指出，當(dāng)前人工智能在醫(yī)療領(lǐng)域應(yīng)用所面臨問題是，目前醫(yī)療大數(shù)據(jù)項(xiàng)目是實(shí)現(xiàn)有很高難度的一個(gè)課題。遠(yuǎn)的IBM WATSON商用已超五年，耗資上百億美金打造。但最近其最初承接醫(yī)療訓(xùn)練任務(wù)的加州大學(xué)醫(yī)學(xué)中心也宣布退出。因?yàn)橥度肓舜罅繉I(yè)醫(yī)生和高達(dá)10億的美金卻沒帶來理想的收益，正確率仍然徘徊在92％左右。

但真正給人看診是不允許8％的誤診率的。雖然人看診的誤診率也許更高！

比如，煙草總局對大數(shù)據(jù)的理解是方向指導(dǎo)而非操作指導(dǎo)，只能做顧問當(dāng)不了主管。國內(nèi)目前醫(yī)療大數(shù)據(jù)處于起步階段，國家衛(wèi)計(jì)委選擇了10家醫(yī)療機(jī)構(gòu)來試點(diǎn)醫(yī)療大數(shù)據(jù)，第一家301醫(yī)院招完標(biāo)不久，估計(jì)還沒上線。而且這還屬于數(shù)據(jù)架構(gòu)階段，遠(yuǎn)未達(dá)到以技術(shù)促創(chuàng)新的階段。其他試點(diǎn)機(jī)構(gòu)還在摸索階段，道阻且長！

這就是大數(shù)據(jù)和AI的區(qū)別。能正確識別和運(yùn)用95%這個(gè)理論確率所能涵蓋洐生的商業(yè)價(jià)值是大數(shù)據(jù)人在順風(fēng)豬飛之后的立足之本！但總的來說，時(shí)代的發(fā)展總是在不斷向前推進(jìn)的。隨著人工智能的不斷進(jìn)步，未來，人類醫(yī)療將越來越從人工智能的發(fā)展中收益！

想了解更多IT資訊，請?jiān)L問中培偉業(yè)官網(wǎng)：中培偉業(yè)