一、人工智能系统是怎么把人脑疾病诊断出来的
医生要失业，“人工智能”明年可为人脑诊病。
很快，“人脑”疾病将由“电脑”给出精确诊断，并提供最佳的治疗方案。昨天（12月22日），全球首家“神经疾病人工智能研究中心”在北京天坛医院正式成立。北京天坛医院常务副院长王拥军透露，到明年6月，在脑肿瘤、脑血管病方面可由人工智能系统替代医生，从看片子到开具临床诊断处方，其能力相当于神经科高年资主任医师。
电脑给人脑看病
神经细胞的损伤具有不可逆性，因此，神经系统疾病的早发现、早诊断、早干预，是影响治疗效果的关键。
“但全国能看神经病理的医生只有不到20个人。这么多患者如果仅仅靠远程会诊，医生是忙不过来的。”王拥军说，“人工智能系统，可以用机器代替医生。”
人工智能系统是怎么把人脑疾病诊断出来的？
人工智能应用研发的核心，是领先的深度学习技术与临床顶级专家的技术和经验。记者在采访中了解到，人工智能系统的学习能力非常强大，它通过对患者临床症状的识别，捕捉影像颜色的改变和信号强度改变，完成数据处理后，迅速和专家的诊断经验进行比对……通过这样海量疾病信息深度学习，它会不断提升疾病的诊断效率，诊断准确率可达到95%以上，相当于一个高年资主任医师级别的水平。
设备将自带读片专家
“在前期医院内脑瘤核磁诊断的PK中，除了放射科的主任外，人工智能技术几乎打败了我们医院所有的医生。”王拥军透露，它解决的最大问题就是可将全国神经影像、神经病理顶级专家的经验迅速普及，省出大量医生读片的时间。以前患者等核磁报告可能至少需要1天时间，以后把人工智能系统镶嵌在核磁设备上，患者做完核磁瞬间就能产生一个报告单，由机器来帮助医生读片子、写报告单。未来该人工智能系统将预装在出厂的核磁系统上，购买设备的任何医院都可以使用该系统。基层医院接入该系统后，相当于引进了一名拥有国际领先技术的专家。
“它对每一种疾病的学习大约需要1000个病例，如果疾病非常常见，一般1个月就够了，如果不常见，也可能5年才能攒够。”王拥军透露，该人工智能系统刚刚学习完脑瘤这一疾病病种，其中包括临床最常见的6种脑瘤症状，下一步，它马上要学习脑血管病，预计在今年春节前后就可以基本学完。“下一步，我们还希望这台人工智能机器能和临床治疗紧密联系在一起，通过给患者提供处方和临床建议，成为一个临床辅助决策系统。”
“智能医生”明年6月出诊
“为验证人工智能诊断的准确性。明年6月底，我们要在北京进行一场神经系统疾病诊断的‘人机大战’，到时候，这台人工智能机器将和全球最顶级的神经科专家同台竞技。”王拥军颇为自信地说，“我相信那时候机器一定会得到第一名的成绩。”
据悉，神经疾病人工智能研究中心先期已开展了头部MRI、CT影像人工智能诊断产品的研发，是全球首款头部疾病（涵盖了脑肿瘤、小血管病变、大血管病变、脑卒中等）MRI、CT影像人工智能诊断的整体应用产品，预计将在明年6月举办的天坛国际脑血管病会议上正式推出。
作为世界三大神经外科研究中心之一，也是我国唯一的国家神经系统疾病临床医学研究中心，北京天坛医院每年接诊来自全国各地的神经系统疑难杂症患者30万人次，开展手术10000余例，拥有全国最大的脑病组织样本库及血样样本库。“未来将展现出更多的人工智能应用场景，比如神经病理切片人工智能判断，脑神经疾病病人的智能护理，依据病人医疗数据智能制定治疗方案，神经系统疾病的肢体及语言康复训练等。”王拥军说。
脑病人的福音啊！
二、人工智能对医学有着怎样的贡献
人工智能（AI）有可能显着改变医生的角色并彻底改变医学实践。这篇定性评价文章总结了过去12个月的人工智能健康研究，涉及不同的医学专业，并讨论了与这一新兴技术相关的当前优势和挑战。
医生，特别是担任领导职务的医生，需要了解人工智能在健康方面的进展速度，以便他们随时准备领导卫生系统采用所需的变革。关键点：“人工智能现已被证明在诊断各种疾病方面与人类一样有效，在某些情况下，更有效。”
在预测自杀未遂时，最近的研究表明AI比人类更好。“人工智能目前的优势在于能够从大型数据集中学习并识别可用于诊断病症的模式，使其与涉及模式识别的诊断测试中涉及的医学专业直接竞争，例如病理学和放射学”。AI目前面临的挑战包括法律责任和错误发生时的疏忽归因，以及与患者选择相关的道德问题。
人工智能系统也可以与需要识别和减轻的偏差一起开发或学习偏差。作为医生和健康领导者，我们需要开始准备专业，以便与AI合作，并在将来可能被AI和先进的机器人系统取代。将其与涉及模式识别的诊断测试的医学专业直接竞争，例如病理学和放射学。AI目前面临的挑战包括法律责任和错误发生时的疏忽归因，以及与患者选择相关的道德问题。
现在的人工智能发展到这样的水平，其实并不是基于医学上对大脑的工作原理掌握，目前医学上对大脑的工作原理知之甚少的。所以现在的人工智能是通过一条与人大脑工作原理不一样的途径发展起来的，而结果可以达到人脑工作的效果。
三、医学影像学会被人工智能取代吗
近年来，人工智能(AI)以各种方式进入了日常生活，从智能手机的语言识别工具到金融交易的分析，到自动驾驶汽车的算法，以及各种棋盘游戏，医学影像非常有可能是不久后的一个根本性的转变。
AI智能影像产品可以帮助放射科医生提升诊断的准确率、节省工作量不断加大的放射科医生的时间，以及可以进行良恶性检测和自动生成检测报告等。本文将从国外媒体报道和国内AI医疗影像企业盘点两方面来解读。
用人工智能给医学影像增加价值
在未来的5到10年内，人工智能很可能从根本上改变诊断成像。虽然这绝不能取代放射科医生，但它可以帮助满足日益增长的成像检查需求，防止诊断错误，并使生产力持续提高。
人工智能时代的影像
“很容易预测到，人工智能将越来越多地应用到医学成像系统中，”意大利医生Francesco Sardanelli在一篇关于放射学主导趋势的社论中评论道。
同样的，根据最近的一项民意调查，超过50%的医学领导者期望人工智能在监测和诊断方面的发挥重要的作用。尽管在成像领域的某些方面，人工智能已经是一种常见的应用，但市场分析预测到在未来5到10年，人工智能将进一步发光发热。一些新的人工智能方法，如“深度学习”，可以为定量、标准化和个性化成像铺平道路，同时有助于防止诊断错误，同时还能持续提高生产力。
哈佛医学院的放射学家基思·德雷尔(Keith Dreyer)在美国的一次专家会议上强调，“有意义的人工智能将会提高质量、效率和结果”，根据最近的一项民意调查，超过50%的全球卫生保健领导人期望人工智能在监测和诊断方面的作用能够扩大。
改变准则的挑战
有几个因素同时使AI融入放射学中。首先，在世界上许多国家，随着对诊断成像的需求不断上升，在放射学方面接受培训的医生遇到了短缺问题，这就导致了对工作效率和生产力更高的需求。例如，在2012年至2015年期间，英国的放射科顾问工作人员增加了5%，而同期CT和MR扫描的数量分别增加了29%和26%。如今，基本上放射科医生每3- 4秒就要解释一个图像。
其次，随着数据的不断增多，如今扫描仪的图像分辨率不断提高。事实上，医疗数据的总体数据每三年翻一番。放射学在未来很有可能会从定性解释转为定量准则，从广泛的数据集中推导出临床相关的信息。“图像不仅仅是图片，它们更是数据，”美国国家放射学家Robert Gillies和他的同事们说。然而，这种转换需要很多自动化程序，至少其中一部分会在人工智能领域中出现。
最重要的是，错误诊断是一个尚未解决的问题。研究表明，有大概4%的错误诊断概率，错误率根据各个案例不同而变化，并且严重依赖于程序。此外，被忽视的病理结果不仅导致更糟糕的患者结果，而且也导致患者买单的机会。
人工智能可以帮助克服这些挑战，对于有效率的、基于数据的、且容易出错的诊断来说，AI是不可或缺的一部分。该领域一系列惊人的进展为这种乐观提供了足够理由。
让AI成为临床的一部分
人工智能在医学成像领域的应用并不算是新的，然而算法在目前是新的，它比传统的应用更强大。与以往的人工智能方法不同（美国在上世纪90年代末首次引入人工智能技术，主要用来筛查乳房x光检查，然而这有许多缺点），如今的技术会被证明是革命性的。
特别是深度学习，一种创新的机器学习方法，是分析成像数据的非常有力工具。深度学习依赖于被称为人工神经网络(ANNs)的计算机程序，这种神经网络受到大脑中神经生物结构的启发，在图像识别任务中，这样的ANNs的错误率现在只有几个百分点。
例如，一项初步研究表明，当使用两种深度神经网络进行图像分析，放射科医生仅仅评估可疑病例的情况下，几乎所有的肺结核病例都可以在胸片上检测到。这样的工作流程可能具有重大的实际意义，特别是在那些缺少放射科医生的地区。其他的临床人工智能应用范围包括CT的肺结节的改进检测、对脑组织和神经疾病的定量分析、成像生物标记、对心血管病人的死亡率风险评分。
今天，人工智能已经在加速放射科的工作。例如西门子Healthineers开发了一款基于AI的诊断软件“syngo.via”。它可以自动检测解剖结构、独立给椎体和肋骨编号、帮助精确的覆盖不同的测试。公司目前拥有400项专利和申请，并支持与顶级医院开展各种研究合作，以推广该领域。
显然，在实践中实施人工智能将需要跨学科合作，所以放射学专家在其中发挥了重要作用。对于证明每一种新算法的益处、考虑许可程序和技术标准的要求来说，这也是至关重要的。
然而，先进的人工智能方法很可能会在诊断成像中设置一个基准，不仅允许更高的自动化和生产力，而且还史无前例地使用了超出人类认知限度的定量成像数据。
“这些即将到来的发展并不会取代医生的角色,但将为医生们提供高度精确的工具来检测疾病、以一种容易理解的方式来分层风险、优化特定病人的治疗方式和进一步的测试,”洛杉矶 Cedars-Sinai医疗中心的Piotr Slomka和他的同事在最近的一次专家评审中写道。
具体地说，在一些领域，比如说心脏成像，已经形成了定量导向，人工智能的采用可能非常迅速。然而，在许多其他领域，基于人工智能的算法很快就会把它们自己变成虚拟的“第二读者”，从而使放射学朝着更有价值和更高效的治疗方向发展。
