<tbody id="j99e4"></tbody>

<dd id="j99e4"></dd>

  • <button id="j99e4"><object id="j99e4"></object></button>
      1. <th id="j99e4"></th>
        <button id="j99e4"><acronym id="j99e4"></acronym></button><rp id="j99e4"><object id="j99e4"><input id="j99e4"></input></object></rp>
        首頁 > 科普新聞 > 正文

        替代醫生的人工智能可能嗎?
        2022-05-26

        隨著科技的飛速發展,人工智能在醫學領域的進步也是日新月異,有了非常不俗的表現,如臨床診斷數據分析,遠程醫療等等。因此,不少網友就提出了“未來人工智能會不會替代醫生?”。

        個人覺得,要說人工智能徹底代替醫生,我認為還早,但是可以減輕醫生的壓力,讓醫生把更多的經力投入到直接的診斷治療中。就比如醫學影像學。這個領域可以大大降低人工錯誤。為什么這么說?下面就來和大家聊聊。

        01,一場科技進步帶來的醫學革命

        醫學影像學(Medical Imaging)是典型的科技帶來的醫學進步,甚至可以說是一場醫學革命。

        對于體表的疾病,我們還可以判斷,比如皮膚病啥的。但是,很多疾病都是體內的,比如心肝脾肺腎或者大腦,這種情況下,如何了解病人體內的狀況?

        事實上,絕大多數時候,我們只能依靠:猜。

        通過十分間接的手段,比如望聞問切,或者各種可能的表現來推測可能的疾病,因此絕大多數時候,這種猜測,其實是十分依賴于經驗的,也誕生了大家對于醫生的一種認知,年齡大,靠得住。

        而有了醫學影像學,一切變得不一樣。

        自從1895年德國物理學家威廉·倫琴首次為妻子拍攝了一張左手的X光片以來,我們對醫學有了全新的認知。

        我們第一次可以在體外對病人體內進行深入的觀察和判斷,這一點在過去簡直是無法想象的。病人體內的情況如何,我們只能通過對病人總體進行觀察,以及觸摸等方式才能進行判斷。而體內的情況,我們根本不清楚。比如骨骼內部什么情況,我們是無法肉眼觀察的,內臟的病灶更是如此??梢哉f,在相當長的時間里,我們是在盲人摸象。

        而影像學的出現,直接推動了整個醫學的進步。

        通過借助一些媒介,諸如X射線、電磁場、超聲波等,我們可以在非創傷或者微創傷的基礎上,對人體內部的組織器官進行觀察,然后診斷醫師依據影像信息做出判斷。

        可以說,如今醫學影像已經成為很多醫院診斷的基本策略,凡是涉及到無法直接用肉眼觀察和判斷的疾病,醫生基本上要求去做個影像拍攝。

        02,影像學的制約——人

        盡管影像學發展到現在,已經成為了醫療必備,但是影像學這種科技進步,卻依然有個最大的問題:如何判斷?

        而對于醫學影像的判斷,依然依賴于人工。于是又繞回去了,這就有點像馬拉火車

        無論什么樣的影像,結果都依賴于人工判斷,于是,經驗又成為了一個重要的問題。

        然而,這也誕生了幾個嚴重現實問題:

        1,醫療影像的判斷十分依賴于嚴格訓練和醫生本身的經驗。

        2,醫療影像的判斷十分耗時耗力。尤其是一些細微的病灶總是在挑戰人眼的極限。

        3,人工的不穩定性。

        一個人一天的狀態,偶爾的疏忽,都可能造成影像上的判斷失誤,甚至可能引發更多的問題。

        盡管這么多年,醫學影像學已經發展了很好了,有一套非常嚴格的標準,也形成了一門學科。

        它可以說是很多疾病的最早也是最關鍵的一步,只有完成基本的確認后,才可以進行下一步的診斷和治療。但是依然無法避免這個問題。

        據統計,一位經過嚴格訓練且臨床經驗豐富的醫生,在診斷一個病例時需查看約200張以上的CT掃描圖片,診斷時間約在20分鐘以上。這種高強度的診斷工作,不僅嚴重損耗醫生的精力,也對病情診斷的時效性與精準度有著嚴重的影響。

        而一旦判斷錯誤,可能就會引發很多嚴重問題

        那么, 是否真的無解?

        03,人工智能,讓機器銜接機器

        人工智能的出現,使得我們有了一種新的思路。

        在人工智能中,最顯著的應用就是圖像識別,尤其是機器學習發展到現在,通過機器學習來識別圖像已經取得了長足的進展。

        醫學影像學,基本上是以圖片為核心數據,而這,正是人工智能的長處。

        既然醫學影像十分依賴于標準訓練和經驗積累,而且存在相應的標準,那么,完全可以用機器學習來去替代這個過程。給予機器相應的教程,輸入相應的標準,然后再給予足夠訓練,那么AI就可以成為影像診斷大師。不僅可以大大地節約時間,而且由于機器本身的嚴格分析,可以最大程度避免人類觀察不仔細導致的誤診。

        事實上,目前已經有相關的研究了,通過將醫院積累的大量的影像交給服務器進行深度學習,然后結合已有的判斷方式進行訓練,最后可以讓機器成為判斷影像學的大師。極大地縮短了診斷時間,而且提高了診斷的準確率。而且,按照機器學習的能力,時間越久,數據量越大,那么這個系統變得越來越聰明。

        在某些對照試驗中,其準確率可以穩定在85%以上,要知道,三甲超聲科經驗豐富的醫生在對應的測試中,準確率也不過是65%-70%。

        而且,機器學習最大的優勢之一還在于:機器不會累。普通人很難長時間集中處理一些內容,所以讀片對于醫生也是沉重的負擔,而機器不怕累,那么自然可以持續性的處理結果。

        這種情況下,甚至還可以加速醫療診斷。

        相信很多人去醫院拍片子的時候,一定經歷過的問題就是:等待。長長的等待,掛號排隊半天,然后就診排隊半天,診斷3分鐘,開個拍片子,接下來,又是排隊繳費,排隊拍片子,以及,長長的等待,等片子出來,醫生下班了……經歷過幾次拍片子,基本上這個周期能夠占到整個就醫的三分之二以上時間。

        而如果AI讀片可以發展好,那么這個周期可以大大地縮短。

        盡管目前AI讀片并沒有落地應用,但是國內外不少頂級機構都已經開展了大量的訓練和學習,我認為,AI讀片未來在醫學領域實際應用只是時間問題。

        而一旦實現,將極大地緩解醫生的壓力,可以進一步加速醫療上的進步。


        更多科普新聞 ......

        亚洲人成图偷偷小说_亚洲图片小说激情综合_国产精品亚洲自在线播放页码_久久综合亚洲色hezyo国产
        <tbody id="j99e4"></tbody>

        <dd id="j99e4"></dd>

      2. <button id="j99e4"><object id="j99e4"></object></button>
          1. <th id="j99e4"></th>
            <button id="j99e4"><acronym id="j99e4"></acronym></button><rp id="j99e4"><object id="j99e4"><input id="j99e4"></input></object></rp>