最近醫療業可以說是處于水深火熱之中了。

《我不是藥神》的上映所引起用藥貴、用藥難問題的廣泛討論還沒停歇，這一端爆發的疫苗事件又引起了民憤。

去年10月，食品藥監總局在抽樣檢驗中發現長春長生生物科技有限公司生產的一批次百白破疫苗不合格。最近，隨著對該公司的處理公告一出來就備受社會關注，而隨著文章《疫苗之王》在朋友圈的瘋轉，更是使這個事件引發新一輪的民憤。

百白破疫苗是不少新生兒的必打疫苗之一。雖然有關部門稱這次不合格的疫苗可能對免疫保護效果有所影響，但是對人體健康安全并沒有影響。但因為事關健康，特別是涉及到兒童的健康問題，家長們對著手中的疫苗本表示無比的擔心甚至使憤怒。

醫療業的問題層出不窮，人們對于有關疾病的治療與防治關注度越來越高，如何使行業更好地發展，如何真正地解決人們的健康問題？

7月23日，美國國立衛生研究院nih開展了一次以利用人工智能和機器學習推進生物醫學研究為題的研討會，對包括醫學成像分析，診斷，基因組學，疫苗設計，大規模數據綜合分析，醫療分析，精準醫學和公共衛生等領域中人工智能應用的問題進行討論。

關于ai+醫療的話題再次引起業界討論。人工智能在其他行業不斷地宣布有新的發展，而在醫療行業又是否能融合，推動醫療事業的轉型發展？

人工智能與疾病的發現

醫療行業長期存在優質醫生資源分配不均的問題，放射科、病理科等科室醫生培養周期長，醫生資源供需缺口大。

有時候醫生對患者的醫療影像處理不及時或者誤診、漏診都有可能影響到治療的過程。

醫療數據中有超過90%的數據來自于醫學影像，但是對醫學影像的診斷依賴于人工主觀分析。人工分析只能憑借經驗去判斷，容易發生誤判。據中國醫學會數據資料顯示，中國臨床醫療每年的誤診人數約為5700萬人，總誤診率為27.8%，器官異位誤診率為60%。

面對嚴重的稀缺資源缺口問題，人工智能技術或將帶來解決這個難題的答案。人工智能輔助診斷技術應用在某些特定病種領域，甚至可以代替醫生完成疾病篩查任務。利用圖像識別技術， 通過大量學習醫學影像，人工智能輔助診斷產品可以輔助醫生進行病灶區域定位，有效緩解漏診誤診問題。

6月30日ai在腦腫瘤和腦血管影像判讀比賽中15分鐘內以高出20%的準確率擊敗15位高級醫生組成的專業團隊。天壇醫院院長王永軍表示，通過這次比賽，醫生可以體驗到人工智能的力量。對于一些對人工智能持懷疑態度的醫生來說尤其如此。我希望他們能夠進一步了解人工智能并消除他們對此的恐懼。

目前不少公司已經開始對這項技術進行研究探索，不少醫院也已經開始應用ai技術進行影響識別，深圳市南山人民醫院就在騰訊的ai醫學影像技術——騰訊覓影的輔助下對早期食管癌進行篩查，篩查準確率達到90%。

ai識別醫學影像作為計算機視覺一個重要應用，正不斷向著深化、多元化的趨勢發展，傳統的2d影像也正向3d立體（甚至4d）影像前進，其間ai在圖像分析過程發揮的作用日益顯著，ai輔助閱片成為一種新常態，緩步向下普及。

對于ai醫療影像未來的發展，北卡羅來納大學教授沈定剛表示，我們要做的是全鏈條、全棧式的人工智能，從成像、篩查、診斷、預后，以及后面的治療和隨訪，整個過程均可借助ai輔助醫生，這樣可以優化整個流程，達到最佳診斷效果。

人工智能與藥物

藥物是疾病治療的關鍵，對癥下藥才能使病者康復。但特效藥價格高一直都是行業難題。而且就像是一把雙刃劍，有些特效藥雖然療效好但伴隨的是各種副作用。

不少企業有嘗試研發新藥，但這個研發的過程是漫長的，也是昂貴的。nih表示，從新藥的發現到有關部門的批準可能就要花費十多年的時間，而且失敗率超過95%。即使是研發成功了，花費也超過了10億美元。

藥物研發需要經歷靶點篩選、藥物挖掘、臨床試驗、藥物優化等階段。發現和試驗所需要的數據量十分龐大，就拿發現新藥來說，就需要在10,000種以上化合物中選出有效的幾種成分，再對成分進行對比篩選。

而人工智能的作用就在于能夠快速地在大量的數據中匹配出最適合的最佳成分，在最短的時間內做到最佳的效果。而研發時間少了，成本降低了，藥物的價格自然也下降了。

另外，根據疾病預防控制中心的一項估計，僅6月就有23％的美國人服用了兩種或更多處方藥。此外，65歲以上的人中有39％的人需要五種或以上，這一數字在過去幾十年中增加了三倍。而在很多情況下，醫生不知道將另一種藥物添加到患者的個人藥房會產生什么副作用。

最近，美國研發出一個新的人工智能系統decagon，可以幫助醫生更好地決定開哪種藥物，并幫助研究人員找到更好的藥物組合來治療復雜的疾病。

目前許多制藥企業紛紛開始研究ai技術，主要應用在新藥發現和臨床試驗階段。

今年6月，英國就宣布了一個新項目，利用人工智能開發一個全自動藥物發現設施，以加速新藥的生產并“改造”制藥行業。

利茲大學的首席科學家亞當·尼爾森教授強調說，“它將擁有獨特的設計，并利用機器人技術和人工智能來自動化發現過程。它將允許一次研究數百或數千個候選分子。我們的目標是將生產力提高5到10倍。“他希望以找到更高質量的藥物發現起點，以最大限度地提高發現渠道后期成功的機會。

對癥下藥除了要用對藥還要看對什么病因用藥。

xbird是一家專門針對可預防疾病的ai醫療公司，通過使用智能手機或可穿戴設備中的傳感器來跟蹤患者的生活環境和行為習慣，通過一系列的數據分析向醫生提供與病情有關的原因，讓醫生更加明確致病原因，做到真正的對癥下藥。

人工智能與醫療護理

不少的醫院都要求護士每隔一小時對患者進行檢查，但由于醫院的護士數量有限，有時候一個護士要同時照看多個病房，分身乏術。數據顯示，美國每年因醫療失誤而死亡的人數就高達200以上。

為了更好地了解患者地情況，inspiren公司研發了一款能夠監控病房情況并通關過分析讓護士即使不在病房也能了解患者狀態的產品in。通過這款產品，護士能夠更好地完成工作的同時保證患者的健康安全。

通過人工智能，醫生還能通過反饋的信息了解患者全天候的身體情況，了解他們的康復情況以開展進一步的治療。

ai醫療美好的理想&骨感的現實

隨著醫療需求的不斷深入，人工智能成為了未來醫療行業的主要方向。美年大健康產業集團董事長俞熔認為，對于許多患者而言，專家資源稀缺才是最核心、最本質的問題。他認為，在這個方面，ai技術也是大有可為的：“ai的價值就在于，我們有這個技術路徑，可以把專家的智慧標準化、智能化、技術化，這其實就是變相提高了專家效率。”

如今不斷地有醫療企業加入了人工智能研究的行列，人工智能也在實際應用中減輕了醫生的工作負擔。但有一個現象我們把你忽視的是，盡管ai醫療產品可以進行嘗試的空間很大，種類多樣，但真正落地的很少，能夠符合臨床使用場景的產品仍缺席。

業內人士普遍認為，醫學領域的問題很復雜，維度多、門檻高，ai技術在此領域進行突破，難度比較大。以目前ai技術與醫療結合較為成功的影像科為例，曹原表示，肺部、眼部應用相對簡單，技術門檻比較低，所以許多企業都爭相開發相關產品，而針對脊柱、腹部等復雜部位診斷的試水則相對較少。

另外，要想把ai醫療落到實地，還要解決的是信任問題。要想解決信任問題就必須要拿出大量的證據證明這是可行的。對于醫療產品，無論是患者還是醫生都是保持著一種謹慎而又保守的態度。

《醫療人工智能醫生認知情況調研報告》顯示，外科和影像科醫生對ai的知曉率高于平均水平，但對ai的整體滿意度低于平均水平。不滿意主要集中在ai未能減少醫生的工作量，其次是對原理以及準確率不高的質疑。

以上是網絡信息轉載，信息真實性自行斟酌。