普惠AI时代即将来临，开发者如何向AI开发转型？ 第1页

介绍一个人工智能的新领域：智能医学。

谈及医学，很多人都会皱眉，因为这个学科，太过于复杂，以至于直到今天我们依然无法彻底搞清楚一种疾病的全部机理。而疾病的种类繁多，疾病的因素多样化，疾病的表现更是千差万别，导致医学十分依赖于经验的积累，这也是很多时候，我们看病，更希望找到那些年长的大夫来。说穿了，本质上是对他们丰富的医学经验的依赖。

不过，在科技飞速发展的今天，AI正在助力这个领域的快速发展。最典型的就是医学影像学。

提到医学影像学，做过体检或者去过医院的一定熟悉这个学科。医学影像学（Medical Imaging）是典型的科技带来的医学进步，可以说是一场医学革命。B超，CT，X光，核磁共振，血管造影等这些名词相信很多人耳熟能详。

在此之前，我们要通过十分间接的手段比如望闻问切来对一个病人进行判断，而有了医学影像学，一切变得不一样。通过借助一些媒介，诸如X射线、电磁场、超声波等，我们可以在非创伤或者微创伤的基础上，对人体内部的组织器官进行观察，然后诊断医师依据影像信息做出判断。

医学影像学的判断，有一套非常严格的标准，也形成了一门学科。

它可以说是很多疾病的最早也是最关键的一步，只有完成基本的确认后，才可以进行下一步的诊断和治疗。

然而，医疗影像判断十分依赖于严格训练和医生本身的经验。

据统计，一位经过严格训练且临床经验丰富的医生，在诊断一个病例时需查看约200张以上的CT扫描图片，诊断时间约在20分钟以上。这种高强度的诊断工作，不仅严重损耗医生的精力，也对病情诊断的时效性与精准度有着严重的影响。

人工智能的出现，使得我们有了一种新的思路。

既然医学影像十分依赖于标准训练和经验积累，而且存在相应的标准，那么，完全可以用机器学习来去替代这个过程。

下面是一个简单的机器学习的示例图

图像识别是最常见的人工智能，通过对输入信息的不断处理以及对输出结果的判断，最后机器拥有了较高的识别能力。而这一能力，对于影像学来说，可以说是革命性的进步。

给机器相应的教程，输入相应的标准，然后在给予足够训练，那么AI就可以成为影像诊断大师。

不仅可以大大的节约时间，而且由于机器本身的严格分析，可以最大程度避免人类观察不仔细导致的误诊。

比如现在有的公司已经在尝试AI阅片了。下图是一个甲状腺的影像识别系统，通过对超声影像进行深度学习，同时引入了旋转不变性等现代数学的概念，最终让这个系统变得越来越聪明。

这是该系统的一个诊断过程，在输入影像图片后，AI可以对图片进行处理，然后寻找出异常的内容，给出肿瘤良性和恶性的判断，极大的缩短了诊断时间，而且提高了诊断的准确率。

在实际检测中，其准确率可以稳定在85%以上，要知道，三甲超声科经验丰富的医生在对应的测试中，准确率也不过是65%-70%。

而其他一些企业也在尝试着医学影像的识别，比如有的公司收集了数百万级别的医学影像。通过建立人体器官模型以及深度神经网络技术，实现了病灶的高识别度。据称目前对于胸部X光的气胸、肺结核、肿块的自动诊断准确率已经达到90%。脑核磁肿瘤的自动识别率超过85%。胸部CT中肺结节的识别率超过85%。乳腺钼靶中钙化斑点以及肿块的识别率均超过90%。

可以说，有了AI影像识别技术。在当前医生严重不足的情况下，不仅可以缩短医生的诊断时间，更关键的是极大的提高了医生的诊断精确度，可以说是患者和医生双方共同的福音。

除了影像学，未来我们还可以期待他们在医学领域获得更多的进步，甚至我们可以期待智能医疗机器人的出现。

通过集合成像系统、控制平台和机械臂系统，可以采取微创的办法进行复杂的外科手术，就像电影《普罗米修斯》里的智能医疗机器人一样，可以直接进行外科手术。

当然这对AI的要求更高，但是这是未来发展的必然趋势。相比于人本身存在诸多问题，比如人的情绪问题，比如人的能力差异，比如人本身还容易疲劳，以及操作中存在诸多的不可控，AI可以很好地克服这些人类先天的劣势，只要给他们电和设备，他们就会不知疲倦的精确的进行操作。

然而技术的开发不是一朝一夕的，在当前，尽管人工智能已经开始大面积的推向社会了，但是主流的研究还是集中在一些顶级的公司如Google、Baidu里，而未来AI的发展，必然是一个越来越多的人参与的体系，那么这个时候，必然要求AI做到一些基本的前提

1：用得起。普通人或者团队可没有那些大集团财大气粗，所以降低使用成本是一个很可观的需求。

2：用的好。在用得起的同时，也要兼顾产品的质量，别搞出一堆粗制滥造的东西

3：用的放心。这一点尤为关键，前段时间某云公司把客户的数据给直接删除了，造成了巨大的损失，也让很多网友雷的不得了，不断拷问能否放心的使用。所以，用的放心，也是一个重要的要求，别辛辛苦苦搞半天，一夜回到解放前。