Local EPUB Text
请到算法诊所就诊
商用人工智能并非只能用在跟钱有关的领域，它同样可以用在数据驱动的公共服务上，让许多之前负担不起这些服务的人享受科技带来的红利，促成高质量服务大规模推广。这方面，最具前景的领域之一是医疗诊断。美国的顶尖研究人员如吴恩达和塞巴斯蒂安·特伦，已经展示了一些依据影像在诊断某些疾病时媲美专业医生的一流算法，如根据胸部X光片来诊断肺炎，根据照片来诊断皮肤癌等。不过，医疗领域商用人工智能的更广泛应用，将有望处理多种疾病的整个诊断流程。
目前，拥有专业医学知识以及能为患者做出正确诊断的人仍然以少数专业人士为主，但他们精力有限，记忆力也不能支持他们记住所有的病例与治疗方法，一流的医疗服务仍然由为数不多且资金充裕的医疗机构提供。互联网上虽然散布着海量的医学信息，但并不是以大众能够理解的形式存在。在人口众多、医疗资源相对紧张的中国，训练有素的医生大多集中在大城市的一流医院，在偏远的城镇或乡村，医疗资源并不是很丰富。因此，中国各地的病患总是想尽办法到北京、上海的大医院看病，哪怕需要等很多天。这让大医院本就有限的资源更加紧张。
第二波人工智能浪潮有望改变这一切。疾病诊断涉及的数据（如症状、医疗史、环境因素等）以及从与这些数据有关的现象（如某种疾病）中寻找关联性并做出预测，这些工作正是深度学习擅长的。有了足够的数据——精准的医疗记录，由人工智能驱动的诊断工具能够把一般水平的医疗专业人员变成处理过数千万个病例的超级医生，还能发现患者症状数据之间隐藏的关联性，同时还有完美的记忆力。
曾经在硅谷及百度从事深度学习工作的中国人工智能研究人员邓侃，创立了大数医达科技公司，该公司研发了专门训练医疗领域的人工智能算法，使它们成为能够部署在全国各地的超级诊断师。它们并不想用算法取代医生，而是要辅助医生诊断。算法在诊断流程中扮演“导航”的角色，用大数据规划最佳路径，但人类医生会主导最终的判断。诊断的范围随着算法得到的信息增加而缩小，这时更详细、高度确定的数据可以帮助判断症状的起因，以及其他诊断结果的正确性及患病概率。这款应用给医生的建议，是依靠其超过4亿条医疗记录（并且还在持续扫描最新医学文献）的数据，把全球顶尖医学知识平均分配在医疗资源不均衡的社会中，让所有医生和护士都能聚焦在机器做不到的人类工作上，如使病患感受到关怀，更人性化地和病患分享诊断结果。