优质医疗资源短缺 智慧医疗的高效解决方案

人工智能系统AlphaGo已经在围棋领域证明了自己的能力，AI在语音识别、人脸识别、机器人、自动驾驶等领域同样取得了巨大的进展，而医疗作为和科技紧密联系最紧的领域更是备受关注。智慧医疗作为医疗方向的补充，将会大大提升用户体验！

优质医疗资源短缺是全球面临的共同问题，这要靠医疗和科技界人士在已有的医疗资源供求环境中挖掘“增量价值”，创造出提高效率的解决方案以普惠民众。摆在医疗机构管理者和科技企业家们面前的是，如何将顶尖医学专家的学识和诊断经验进行快速复制，训练成更多模拟专家诊断路径的“人工智能医学专家”，这样做的好处是，用AI代替人工，可复制的模式降低了培养高级医学人才的成本。

在中国，还有20%的县级医院没有眼科(数据来源于，2016年中华医学会第二十一次全国眼科学术大会)，资源分布不均匀，导致很多偏远区域的医疗资源短缺，并且中国眼科医师尤其是眼底专业医师较少，且多分布在城市大医院，我国约有1.14亿糖尿病患者，中国的眼科医生约为3.6万余名，患医比达到惊人的3166：1，这令医院和医生负担很重。

在类似眼科等医生非常稀缺的领域，人工智能则可发挥其独特的价值，辅助医生们的日常工作，大幅提升工作效率。

目前人工智能技术日趋成熟，已经可以在多个领域为医疗提供服务，比如医学影像识别，帮助医生更快更准地读取病人的影像所见; 比如临床诊断辅助系统等医疗服务，应用于早期筛查、诊断、康复、手术风险评估场景; 比如药物研发，解决药品研发周期长成本高的问题等。这些都是智慧医疗层面的突破。

早在2012年，在深度学习尚未进入爆发阶段时，我国的研究人员已经意识到基于深度学习的人工智能图像识别能力，可以用在医学图像的识别和分析上。与传统的图像识别算法不同，识别医学图像需要算法具有极高的准确率和可靠性。

“我们搭建了多个强大的深度神经网络，通过和顶级医院合作，在大量的医学图像上进行标注和持续迭代训练，使得深度神经网络可以不断从中学习，最终产出灵敏度和特异性与人类医学专家接近甚至持平的识别模型。类似的模式，还被引用到了CT、MRI、X光、心电等领域”。

近年来眼科疾病病发率持续增高，我国的研究人员在多年之前就意识到眼科疾病会为成为患者的困扰。比如糖尿病性视网膜病变是最常见的糖尿病并发症，糖尿病患者发病率约为25%~38%，失明几率较非糖尿病患者高25倍并且不可逆，目前全世界有数千万人患有这一疾病，已经成为四大致盲眼病之一。

在糖尿病性视网膜病变领域已经取得了巨大的成果。花费大量时间从多家国内外顶级医院收集了数十万张眼底照片，构建超过100层卷积神经网络，准确解析原始图像的高阶信息，单次迭代持续训练超过120小时，最终研发出了糖尿病性视网膜病变辅助诊断模型，在灵敏性和特异性等主要指标上，获得了和人类医生相当的结果。

在可以预见的未来，智慧医疗的发展，可以提升资深医生的阅片效率，让其有更多精力投入到学术研究和疑难杂症处理;可以辅助年轻医生进行快速准确的诊断和筛查;也可以助力公共卫生机构及基层医疗机构大面积疾病筛查。

本文由朗锐慧康编辑整理，素材来自网络。