ai技術如何落地成靠譜的產品，如何讓醫生和病人敢用、愿意用？

不用擔心看不懂病歷上的字了

捂著疼了一晚上的牙到口腔科就診，你費勁地向醫生一一告知病史、癥狀。醫生一邊拿著工具替你檢查，一邊跟你說話。等到診療結束，他們還要根據記憶填寫你的病歷，這就難免出現個別遺漏。如果再遇上一位愛好手寫狂草的醫生，拿回病歷卡的你恐怕瞬間崩潰——你可能完全看不懂病歷上那些究竟是什么字，但你又不好意思問得太多，更拉不下臉來讓醫生給你朗讀一遍。于是，你可能根本無法獲知醫生對自己的準確診斷。

這樣的場景，在以往的看牙經歷中并不罕見。因為口腔科的特殊性，醫生尤其不方便在問診的同時停下手中的工具寫病歷，于是，能不能在工作的時候解放牙醫的雙手，這個問題亟待解決。

以語音識別為眾人所熟知的科大訊飛，從2016年開始試驗“語音電子病歷系統”，以期提高醫生診療的效率。目前，它已經成為較為成熟的醫療領域應用，受到醫生和患者的歡迎。

口腔醫院使用語音電子病歷系統

這個系統有什么用？記者了解到，在科大訊飛為北大口腔醫院設計的門診語音電子病歷系統上，醫生在與患者溝通、檢查、處置的過程中，可以使用專門定制的醫學麥克風設備全程錄音，只要以口述的方式記錄電子病歷內容，經過后臺語音識別和自然語言理解處理，一張結構化的電子病歷就可以自動生成了。由于目前技術識別準確率超過95%，醫生經過簡單確認，可以立即打印，既提供給患者，也能同時完成電子檔保存。

輔助“讀片”，讓醫生節省人力

除了“聽懂”，醫學對于人工智能的要求還有“理解”。

排很長的隊拍完ct，再排隊候診，你一定希望接待你的醫生是個讀片高手。

過去，醫生要從10000個病人中找到真正有問題的、需要隨訪的病人，就必須翻閱全部10000張片子。如今，成像分辨率越來越高，醫生要看的影像也越來越多，但是醫生需要的不是數據，而是信息，怎樣把這些有效信息更好地呈現給醫生？這正是智能影像需要解決的問題。它需要自動圖像分析工具做更精準的判斷，很多技術僅憑眼睛是很難做到的。

利用人工智能做病灶檢出和分析，可以大大提高讀片效率，前面說的10000個病人，可能只需要看1000張片子，甚至不是去翻這1000張平片，而是從三維圖像里快速找到醫生要的信息。據科大訊飛醫療執行總裁鹿曉亮介紹，人工智能未來要承擔的，就是醫生的工具輔助任務，大多數重復性、事務性工作交給人工智能，醫生就能節省人力，投入到更專業的醫療服務中去。

訊飛醫學影像輔助診斷系統涉及的技術，于2017年8月刷新luna醫學影像國際權威評測世界記錄，以平均召回率94.1%的檢測效果獲得該項評測的第一名，這個成績保持到了今天。

科大訊飛醫學影像輔助診斷系統

慢性病管理，拒絕孤軍奮戰

作為人工智能在醫療領域應用的實驗者之一，科大訊飛除了與全國上百家大小醫院展開合作，最近又在上海與互聯網醫療健康社區丁香園達成戰略合作，引入如醫藥企業、設備、專家、醫生等第三方合作伙伴，以期讓整個鏈條產生可運行的商業模式。后者用18年時間，打造了國內知名醫療學術論壇及一系列移動產品。

這會擦出怎樣的火花？

假如你是一名糖尿病患者，只是因為忍不住偷食了一小塊月餅，也許接下來你的血糖就會發生波動。作為慢性病的典型代表，治療糖尿病患者不能單純注重降糖,日常更要以長期穩定控制血糖、預防糖尿病并發癥為目標。

需要長時間療養、長期預防和控制，是慢性病的一大特點。如果一年按365天計算，有8760小時。據測算，在現有的醫療條件下，你一年與護士、醫生、營養師或者其他健康工作者接觸的時間，多不過6小時，那么剩下的8754小時，只憑你一個人自覺，想來也過于艱難孤獨了。

兩者合作，有望用機器語言代替人工干預，引入糖尿病患者的日常管理。丁香園副總裁張偉表示，“人工智能技術在慢性病管理中會發揮越來越重要的作用。在常見問題、常見交流中用人工智能語言代替人類語言，我認為特定疾病領域下完全可以實現。”在不久的將來，你可以自己測量完血壓后，上傳到云平臺，在那里對數據進行分析，而你的專屬ai助理，立刻就能用智能語音交互系統對你進行督促了。

醫療人機耦合，尚面臨諸多挑戰

兩者疊加的野心不止于此。科大訊飛醫療執行總裁鹿曉亮表示，希望能夠構建一個人工智能+醫生的人機耦合新模式，“讓60分的醫生能夠做80分的事情，提高服務效率，提升服務質量，同時讓90分的醫生不再去做簡單重復60分醫生的工作”。

事實上，這種模式已經有不少應用的案例，主要使用在虛擬助理、輔助疾病診斷、健康管理、醫學影像、臨床決策支持、醫院管理、疾病風險管理等場景。而疾病風險管理和醫學影像，是眼下較為熱門的兩大應用場景，相關產品也相對成熟。

據公開資料顯示，國外互聯網巨頭在人工智能+醫療領域都有或多或少的布局，其中ibm布局最早也相對深入，谷歌、微軟均有部分參與。而在我國，2016年起人工智能+ 醫療逐漸形成投資風口，不過，因為醫療領域的專業門檻和技術發展的不確定性，商業化進程依然比較緩慢、投資風險也較高，因此目前并未形成大規模的投資形勢。

盡管ai在醫療領域的應用能產生巨大的潛在價值，我國在人工智能技術開發市場也具備大數據的優勢，但是現實中，除了一些技術發展還處于實驗室階段以外，“ai+醫療”在數據質量、標注準確性、市場認可等方面，都面臨挑戰；此外，在政府監管、法律倫理和隱私安全等領域，也面臨一系列風險。這是與廣闊的商業空間并存的。ai技術如何落地成靠譜的產品，如何讓醫生和消費者敢用、愿意用？將成為接下來國內外相關行業摸索的重點。

以上是網絡信息轉載，信息真實性自行斟酌。