随着科技不断地发展，AI已渗入到我们生活的方方面面，本篇文章，作者分析AI与医疗的结合，能给我们提供的帮助。相信在不久的未来，我们的生活会随着AI变得更美好、更高效。

我们前面有聊到AI+教育、AI+美食、AI+法律、AI+旅游等多种场景的应用畅想，「AI+」似乎是一道魔法，可以将各行各业的场景重新粉刷一遍。

今天，我们来聊聊「AI+医疗」。在这个与人类健康息息相关的领域，AI可以带来怎样的改变？

实际上，AI在医疗领域已经应用得十分广泛：

• Google Health使用AI来追踪用户的健康数据（体重、血压、胆固醇水平等）并识别潜在的健康风险。
• Guardant360使用AI来检测血液中的癌症DNA，用以筛查癌症高危人群，或监测已被诊断患病的人群。
• Insilico Medicine使用AI来制定新药，它可以筛选数十亿种药物化合物，找到有可能有效对抗特定疾病的药物。

此外，自然语言处理技术——ChatGPT等的出现，也为AI医疗赋予更多的可能性。

现在，我们从普通用户的视角来感受，AI可能给我们生活带来的极大便利。

一、影像学测量的“第二双眼睛”

在体检中，最耗时的是哪个环节？

我想大多数人都会投票给「影像检查」，也就是我们常说的照彩超、照CT等。

相信不少小伙伴都有体验过，每一次在彩超室或CT室门口，都要排队1个小时以上。

那是因为，目前的影像检查大多还依赖于医生。

• 首先，医生需要用仪器在我们身体上进行缓慢移动，然后用「肉眼」在电脑屏幕上判断是否存在异样。
• 然后，如果医生发现有异样（比如结节），则需要手动测量结节大小，手动标记位置，以致于每一次检查都十分耗时。
• 而且，人工检查还可能会有难以避免的遗漏，有些小异样用肉眼很难分辨出来。

这时候，AI就能发挥显著的作用了。

• AI处理图像的速度要比人类快很多，甚至可以并行分析图像，在几分钟内扫描数千张图像。
• AI算法模型还可以用来识别与疾病相关的图像模式，更容易 “看见” 人类难以发觉的隐匿在图像中的疾病现象。

比如，在视网膜疾病早期，人工检查很难发现其微妙的变化。

因为视网膜是一个非常小而脆弱的结构，它位于眼球后部，厚度不到 0.5毫米。而且医生对于图像解释也有主观性，不同医生对于同一图像的解释可能存在差异。

而AI可以更轻松地“看见”这些细微的变化，帮助医生及早发现患者视网膜病变的迹象。

又如，在多发性硬化症早期，人工检测也难以精确诊断。

因为多发性硬化症的病变组织在大脑MR图像上对比度很低，很难用肉眼去识别。

而且这些病变组织在大小、形状和位置上都有很大差异，有的会位于脑深部结构，不容易被发现。

而AI可以更精准地判断MR图像中的异样，从而提高诊断精准度。

AI如同影像学测量的“第二双眼睛”，能快速对图像进行分割与特征提取，找到正常区域与异常区域的差异。

此外，ChatGPT的出现，进一步增强了医学影像的可解释性。

在没有ChatGPT等自然语言处理技术前，AI读图如同一个“黑匣子”：医生没有办法知道AI是如何判定该区域存在异常的，以及如何认定异常部位恶化的程度。

而有了ChatGPT等自然语言处理技术后，AI读图变得更加透明：医生可以更清楚地了解AI的判定原理，双重检验其判定的合理性。

除了医生，患者也可以通过自然语言提问的方式，了解自己的医学图像。这样将更有利于患者理解医生的决策，并更积极地配合治疗。

ChatGPT将拉近普通人与医疗学术领域的距离，多一份认知，多一份理解，多一份配合。

二、电子病历的“高效记录员”

目前，医生会诊时，仍需要手写病历。

有些病例情况较复杂（例如涉及多个器官系统的慢性疾病），病程较长，病历可能达到上千字。

而AI的自然语言处理能力，可以快速地将医生与患者的对话迅速记录下来，并摘取关键信息。

• 对于医生来说，问诊过程更加方便快捷，AI只需几秒就能生成电子病历。
• 对于患者来说，诊断过程可追踪可溯源，免去医生字迹难以辨认的麻烦。

AI化的电子病历，可提高会诊的准确率。

比如，一些罕见病（像囊性纤维化、镰状细胞病等）容易被误诊。

这些疾病难以诊断，因为它们的症状可能与常见疾病相似。

AI可以根据电子病历中患者的家族史、基因组成和病史，来识别患罕见疾病的高风险患者。

比如，一些慢性疾病较为复杂，可能涉及多个器官系统。

AI可以提取电子病历中患者的关键信息，例如患者的症状、药物和测试结果。

这些信息可以帮助医生追踪患者的进展，并对现阶段治疗做出明智的决策。

再如，一些多系统疾病（像狼疮、类风湿性关节炎和多发性硬化症等）也较为复杂，需要多位专家共同诊断。

AI可以利用自然语言处理能力，生成标准化患者记录，以便于专家信息共享。

AI也可以运用多学科背景知识，提供初步建议，辅助专家做出有关治疗的协调决策。

AI如同电子病历的“高效记录员”，能自动生成患者报告，让医生可以把更多的时间花在与患者的沟通上，提高会诊的质量。

ChatGPT的出现，有望进一步提高电子病历的普及率。

有些医生可能不熟悉电子病历的使用，甚至可能会出现“打字比写字还慢”的情况。

ChatGPT的多模态输入能力，可以让医生选择擅长的方式进行资料输入，比如语音、图像、视频等。

不管是医生与患者的对话，患者的CT、彩超等医学图像，还是患者的症状和体征视频，都可以被记录下来。

• 在输入端，数据输入多元化。
• 在输出端，电子病历标准化。

如此，电子病历将得到更大程度的推广，在不同地区和医院之间可以互通互用。

三、疾病风险的“侦查专家”

我们通常最担忧的是，对疾病风险一无所知，以致于疾病突如其来时，焦虑且不知所措。

AI可以通过模型训练，以更快的速度找到大量数据之间的联系，为疾病高风险患者发出尽可能早的风险提示。

比如，AI可以更精准地预测疾病。

AI可能会了解到，年龄超过65岁、有吸烟史、有高血压的患者患心脏病的风险更高；

AI可能会了解到，年龄在65岁左右，有家族患病史、有不良生活习惯（如吸烟、缺乏锻炼等）、有既往病史（如头部受伤、中风、抑郁等）患阿尔茨海默氏症的风险更高。

比如，AI可以预警相关并发症。

在病人住院期间，AI可以通过与可穿戴设备的结合，自动跟踪病人的心率、血压、呼吸频率和体温，及时发现病人潜在的并发症。

AI可能会了解到，肺病患者术后有肺炎、呼吸衰竭和感染等并发症的风险；

AI可能会了解到，肾脏疾病患者术后有发生肾衰竭、感染和电解质失衡等并发症的风险。

又如，AI可以提示药物排斥反应。

AI可以判断一个具有药物过敏史的患者，应尽可能避免服用哪些含有该成分或具有类似化学结构的药物。

即使是新上市的药物、医生不熟悉的药物，也能通过实时更新的数据库提供相关建议。

对于同时服用多种药物的患者来说，AI可以给出更全面的副作用提示；

对于未向医生报告症状的患者来说，AI可以给出更智能的用药跟踪提醒。

再如，AI可以发现不同过敏源之间的联系。

AI可能会了解到，对某种食物有过敏反应史的患者，也有可能对另一种食物过敏。

例如，某些患者报告暴露于某些环境因素后经常会有打喷嚏、咳嗽和气喘等症状，AI可以告诉患者可能对哪些因素过敏；AI还可以通过视觉算法，识别患者皮肤上的荨麻疹或其他过敏反应。

AI如同疾病风险的“侦查专家”，面对多元而复杂的疾病情况，提供尽可能充分的风险提示。

而ChatGPT的出现，可缓解患者的焦虑感。

当知道自己有可能或已经得了某种疾病时，许多人都会因未知而感到焦虑：不知道这个病严不严重，不知道治疗成本高不高、不知道会不会影响生命质量。

针对这些问题，患者可以通过自然语言的方式向AI提问。已经具备了医学知识的AI，可以给出初步建议，并跟你像朋友一样交谈。

在治疗结束后，你也可以用自然语言，询问有关疾病及护理的问题：比如这个药减量服用是否合适，头痛是正常现象吗，肌肉酸软应该如何处理。

ChatGPT能让AI医疗系统具备基本的沟通能力，给予患者情感上的陪伴。

四、写在最后

随着AI+医疗的逐步推广，我们有望看到「看病难」、「看病慢」等症结的改善。

1. AI+医疗，可缓解紧张的医疗资源

依据《中国卫生健康统计年鉴2022》统计：2022年我国医疗卫生机构的总数约为103万家，但医院只占其中的2.5%，且作为诊疗首选机构的三级医院数量仅3725个。

从医院技术人员情况看，2022年我国卫生人员总数约为1398万人，执业（助理）医师占比为35%，但该数量仍然难以满足庞大的病患基数的诊疗需求。

AI可以提供远程问诊，减少患者到医院问诊的需求。这对于居住在农村地区等医疗资源相对匮乏的地方，或因身体残疾等原因未能到医院就诊的患者来说，尤为有益。

2. AI+医疗，可提高医疗诊断效率

AI可自动化执行当前一些人工任务，例如数据输入、安排就诊时间、解释测试结果等，为医护人员腾出更多的时间和精力，专注于更复杂的任务，为患者提供更好的服务。

AI可分析大型数据集，识别可能指示特定疾病的模式和趋势，为医护人员增配一个聪明的“大脑”，帮助他们更快做出判断与决策。

当AI的“魔术棒”挥向医疗领域，它就如同按下了加速键，促使医疗诊断、药物研发、健康管理等不同赛道进入“快车道”，实现更多技术突破与创新。

同时，我们也欣喜地看到，随着自然语言处理等技术的成熟与落地，医疗行业也将从学术领域走进寻常百姓家。

有了专业训练的AI小助手，就如同有了一个私人陪伴的医疗咨询师。

相信在不久的将来，我们能看见一个更美好、更高效的医疗生活。