将来医院哪个科室医生最容易/不容易被人工智能取代？
未来医院：哪些科室的医生最容易/不容易被 AI 取代？
人工智能（AI）的飞速发展正在深刻地改变着医疗行业，医生这一古老而神圣的职业也不例外。未来，AI 在诊断、治疗、药物研发、手术辅助等方面将发挥越来越重要的作用。那么，在这样的浪潮下，哪些科室的医生最容易被 AI 取代，又有哪些科室的医生能够凭借其独特的价值，在 AI 时代依然保持其不可或缺的地位呢？
我们将从 “容易被取代” 和 “不容易被取代” 两个维度，详细分析不同科室医生的未来可能性。
最容易被 AI 取代的科室及原因：
“容易被取代”的科室，往往是指那些工作内容高度依赖于模式识别、数据分析、重复性操作和标准化流程的领域。AI 在这些方面展现出超越人类的优势：更快的处理速度、更高的准确性（在特定任务上）、更低的疲劳度以及更广阔的数据处理能力。
1. 影像科/放射科医生：
原因： 这是目前公认的最容易受到 AI 影响的科室之一。AI 在图像识别方面已经取得了惊人的成就。
模式识别能力： 肿瘤、骨折、病变等在医学影像（X光、CT、MRI、超声）中的模式非常复杂，但 AI 模型通过大量标注数据训练，可以高效、精准地识别出这些细微的异常。例如，AI 在检测早期肺结节、视网膜病变、皮肤癌等方面已接近甚至超越了人类专家。
数据处理速度： AI 可以在短时间内分析海量的医学影像数据，大大缩短阅片时间，提高诊断效率。对于一些需要筛查大量病例的场景，AI 的优势尤其明显。
标准化和客观性： AI 的诊断结果更加标准化，减少了不同医生之间的主观判断差异。
AI 的具体应用：
自动标记和测量病灶。
筛查和预警高风险病例。
辅助识别复杂或罕见的影像特征。
进行三维重建和量化分析。
未来趋势： AI 将成为影像科医生的强大助手，负责初步的筛查、标记和量化分析，医生则更专注于复杂病例的分析、疑难杂症的诊断以及与患者的沟通。完全取代的可能性较低，但工作内容和侧重点会发生重大变化。
2. 病理科医生：
原因： 病理诊断同样高度依赖于显微镜下的细胞和组织形态识别，这与图像识别是相似的领域。
细胞和组织形态分析： AI 可以通过深度学习算法识别癌细胞、良性增生、炎症等病理特征，并对其进行分级分型。
量化分析： AI 可以精确计算细胞数量、核分裂象、DNA含量等量化指标，这些数据对于疾病的诊断和预后判断至关重要。
辅助染色和分析： AI 还可以辅助进行免疫组化等特殊染色结果的分析。
AI 的具体应用：
自动化扫描和数字化病理切片。
辅助识别和标记癌细胞。
进行肿瘤分级、分期和预后预测。
提高诊断的一致性和效率。
未来趋势： 与影像科类似，AI 将成为病理科医生的重要辅助工具，提升诊断的准确性和效率。医生将更多地从事复杂病理的鉴别诊断、分子病理的解读以及与临床科室的沟通协作。
3. 皮肤科医生（部分领域）：
原因： 许多皮肤病具有典型的视觉特征，AI 在识别这些特征方面表现出色。
视觉识别： 皮肤镜图像和临床照片的识别是 AI 的强项，可以辅助诊断黑色素瘤、湿疹、银屑病等常见皮肤病。
远程诊断和筛查： 患者可以通过手机拍摄皮肤照片，AI 进行初步诊断和分诊，大大提高了医疗的可及性。
AI 的具体应用：
皮肤癌筛查。
识别常见皮肤病（如痤疮、皮炎）。
评估皮肤损伤的严重程度。
未来趋势： AI 在皮肤病筛查和常见病诊断方面将发挥巨大作用，尤其是在基层医疗和远程医疗中。然而，对于一些复杂的皮肤病（如罕见病、系统性疾病引起的皮肤表现）以及需要触诊和精细鉴别的诊断，仍需要医生的人工判断。
4. 眼科医生（部分领域，特别是视网膜疾病筛查）：
原因： 眼底照片的分析是 AI 的一个成熟应用领域。
视网膜疾病筛查： AI 可以高效地筛查糖尿病视网膜病变、青光眼、黄斑变性等疾病，尤其适合在普查和基层医疗中使用。
AI 的具体应用：
自动检测和分级视网膜病变。
预测疾病进展风险。
未来趋势： AI 将极大地提升视网膜疾病筛查的效率和可及性。眼科医生将更多地专注于手术治疗、复杂眼病的诊断和管理以及视光相关的咨询。
最不容易被 AI 取代的科室及原因：
“不容易被取代”的科室，往往是因为其工作内容高度依赖于复杂的人机交互、精细的手术操作、高度的创造性和同情心、跨学科的综合能力以及对患者全身情况的整体判断。这些是目前 AI 难以完全复制或替代的。
1. 外科医生（特别是复杂手术）：
原因： 手术是一个极其复杂、需要高度精准、适应性强的过程，涉及到精细的解剖学知识、对实时变化的反应能力以及熟练的手术技巧。
精细的手部操作和触觉： AI 和机器人可以辅助手术，提高精度和稳定性，但完全取代外科医生在手术中的“手感”和精细操作还有很长的路要走。
实时决策和适应性： 手术过程中，解剖结构可能存在个体差异，或出现意外情况。外科医生需要根据实时观察和经验，灵活调整手术方案，这是 AI 难以完全胜任的。
综合判断： 手术前、术中、术后的整体评估和决策，需要结合患者的整体病史、体征、影像、实验室检查以及术中表现进行综合判断，这涉及到经验和智慧。
AI 的具体应用：
机器人辅助手术系统（如达芬奇手术机器人），提高手术精度、微创性。
术前规划和模拟。
术中导航和识别关键结构。
分析手术视频，提供反馈和改进建议。
未来趋势： AI 将成为外科医生的强大助手，通过机器人辅助手术提高效率和安全性。外科医生将更专注于复杂手术的设计、主刀，以及在 AI 辅助下的精细操作和应变。
2. 精神科医生/心理医生：
原因： 精神疾病的诊断和治疗高度依赖于医患之间的深度沟通、情感共鸣、人际理解和心理支持。
人际沟通和同情心： 精神科医生需要建立信任关系，理解患者的情感、思维模式和潜意识动机，这需要高度的同情心、共情能力和人际交往技巧。AI 目前难以真正理解和表达复杂的人类情感。
个体化和非标准化治疗： 精神疾病的治疗方案非常个体化，需要根据患者的具体情况、社会背景、文化因素等进行调整。治疗过程中也需要不断反馈和调整。
倾听和引导： 医生需要通过倾听和引导，帮助患者梳理思绪，找到问题的根源，这是 AI 难以替代的。
AI 的具体应用：
辅助诊断（如通过自然语言处理分析患者的言语和文字）。
提供心理健康支持工具和虚拟治疗师（但更多是辅助而非完全替代）。
监测患者情绪变化。
未来趋势： AI 可以作为辅助工具，在筛查、初诊、信息收集等方面提供帮助。但核心的心理治疗过程，特别是深度心理分析和危机干预，仍需要有经验的精神科医生。
3. 肿瘤内科医生（尤其是复杂肿瘤和个体化治疗）：
原因： 肿瘤治疗是一个高度复杂且不断发展的领域，涉及多种治疗手段（化疗、放疗、靶向治疗、免疫治疗）的综合运用，以及对患者个体基因组学、免疫学等多方面信息的整合分析。
跨学科整合和决策： 肿瘤内科医生需要整合来自病理、影像、放疗、外科等多方面的诊断信息，结合患者的全身状况、基因突变情况，制定最合适的个体化治疗方案。
免疫治疗和靶向治疗的复杂性： 这些疗法对患者的基因组学和免疫学特征高度敏感，需要医生具备深厚的分子生物学和免疫学知识，并能根据患者反应不断调整方案。
人文关怀和支持： 肿瘤患者往往面临身心双重压力，需要医生提供情感支持、姑息治疗和生活质量管理，这需要高度的人文关怀。
AI 的具体应用：
辅助分析基因测序数据，推荐靶向药物。
预测药物反应和副作用。
优化放化疗方案。
文献检索和知识更新。
未来趋势： AI 将成为肿瘤内科医生强大的“智囊团”，帮助医生处理海量的基因组学数据，优化治疗方案。但最终的治疗决策和患者的沟通、关怀，仍需医生来完成。
4. 急诊科医生：
原因： 急诊科是处理各种危急重症的场所，需要医生具备快速、准确的判断能力，能够在复杂且信息不全的情况下做出最佳决策，并具备良好的应变能力。
快速评估和决策： 急诊患者病情变化快，需要在短时间内对多种可能原因进行鉴别诊断，并立即启动救治措施。这种压力下的综合判断和决策能力是 AI 目前难以复制的。
多系统协调： 急诊患者往往病情复杂，可能涉及多个系统的问题，需要医生协调多种检查和治疗手段。
人际沟通和安抚： 在紧急情况下，医生还需要与患者及其家属进行有效沟通，安抚情绪，传递信息，这是 AI 难以胜任的。
AI 的具体应用：
辅助诊断（如通过分析生命体征数据、病史信息）。
预测患者病情恶化风险。
辅助药物剂量计算和输注。
未来趋势： AI 可以为急诊医生提供辅助决策和风险预警，但面对瞬息万变的危急情况，医生的经验、判断和现场指挥能力仍然是核心。
5. 儿科医生：
原因： 儿科疾病的诊断和治疗需要医生具备丰富的儿科临床经验，能够理解儿童特殊的生理和心理发展特点，并与患儿及家长进行有效的沟通。
沟通和安抚儿童： 与儿童沟通需要耐心、技巧和善于观察其非语言信号。医生需要让患儿放松，建立信任，从而更好地进行检查和治疗。
儿童发育和生理特点： 儿童的生长发育、生理指标、疾病表现与成人差异很大，儿科医生需要掌握这些特殊知识，并能进行个体化判断。
家长沟通和教育： 许多儿科治疗方案需要家长的配合和执行，医生需要向家长解释病情、治疗方法和注意事项，并提供育儿指导。
AI 的具体应用：
辅助儿童常见病诊断。
儿童生长发育监测和预警。
提供儿童用药建议。
未来趋势： AI 可以辅助儿科医生在常见病诊断和数据分析方面的工作，但与儿童的沟通互动、对儿童特殊生理特点的理解以及对家长的指导和安抚，仍是儿科医生不可替代的价值。
6. 全科医生/基层医生：
原因： 全科医生是居民健康的“守门人”，需要具备广泛的医学知识，能够处理各种常见病、多发病，进行健康管理、疾病预防，并能进行初步的鉴别诊断和转诊。
全方位健康管理： 全科医生关注患者的整体健康，包括慢性病管理、疫苗接种、健康宣教等，这需要长期的医患关系和对患者生活方式的了解。
初步诊断和分诊： 全科医生需要根据患者的主诉，初步判断是小病可以自行处理，还是需要转诊到专科。这种综合判断能力是 AI 需要大量数据和场景才能逐渐积累的。
人文关怀和社区连接： 全科医生往往与患者及其家庭有更深的联系，能够提供更具人文关怀的医疗服务，并了解社区健康资源。
AI 的具体应用：
辅助诊断常见疾病。
健康管理和风险预测。
自动化健康报告生成。
未来趋势： AI 将成为全科医生的得力助手，帮助他们提高效率，处理更多患者。全科医生将继续发挥其综合、连续、个体化的医疗服务优势。
总结：
总而言之，AI 在医疗领域的应用是辅助而非完全取代。未来，医生的角色将会发生转变，从信息处理者和诊断者，更多地转向决策者、协调者、人文关怀者和技术使用者。
容易被 AI 取代的医生群体，其工作重心可能会从基础的诊断和数据分析，转移到更复杂的病例处理、疑难杂症的鉴别、AI 结果的验证以及与患者的沟通和人文关怀。
不容易被 AI 取代的医生群体，其核心价值在于那些高度依赖于人类的智慧、情感、经验、创造力和精细操作的领域。AI 将成为他们的强大工具，帮助他们突破能力的边界，提供更高质量的医疗服务。
对于医生而言，拥抱 AI、学习如何与 AI 协同工作将是未来职业发展的关键。终身学习和适应变化，将是所有医生的必修课。
人工智能（AI）的飞速发展正在深刻地改变着医疗行业，医生这一古老而神圣的职业也不例外。未来，AI 在诊断、治疗、药物研发、手术辅助等方面将发挥越来越重要的作用。那么，在这样的浪潮下，哪些科室的医生最容易被 AI 取代，又有哪些科室的医生能够凭借其独特的价值，在 AI 时代依然保持其不可或缺的地位呢？
我们将从 “容易被取代” 和 “不容易被取代” 两个维度，详细分析不同科室医生的未来可能性。
最容易被 AI 取代的科室及原因：
“容易被取代”的科室，往往是指那些工作内容高度依赖于模式识别、数据分析、重复性操作和标准化流程的领域。AI 在这些方面展现出超越人类的优势：更快的处理速度、更高的准确性（在特定任务上）、更低的疲劳度以及更广阔的数据处理能力。
1. 影像科/放射科医生：
原因： 这是目前公认的最容易受到 AI 影响的科室之一。AI 在图像识别方面已经取得了惊人的成就。
模式识别能力： 肿瘤、骨折、病变等在医学影像（X光、CT、MRI、超声）中的模式非常复杂，但 AI 模型通过大量标注数据训练，可以高效、精准地识别出这些细微的异常。例如，AI 在检测早期肺结节、视网膜病变、皮肤癌等方面已接近甚至超越了人类专家。
数据处理速度： AI 可以在短时间内分析海量的医学影像数据，大大缩短阅片时间，提高诊断效率。对于一些需要筛查大量病例的场景，AI 的优势尤其明显。
标准化和客观性： AI 的诊断结果更加标准化，减少了不同医生之间的主观判断差异。
AI 的具体应用：
自动标记和测量病灶。
筛查和预警高风险病例。
辅助识别复杂或罕见的影像特征。
进行三维重建和量化分析。
未来趋势： AI 将成为影像科医生的强大助手，负责初步的筛查、标记和量化分析，医生则更专注于复杂病例的分析、疑难杂症的诊断以及与患者的沟通。完全取代的可能性较低，但工作内容和侧重点会发生重大变化。
2. 病理科医生：
原因： 病理诊断同样高度依赖于显微镜下的细胞和组织形态识别，这与图像识别是相似的领域。
细胞和组织形态分析： AI 可以通过深度学习算法识别癌细胞、良性增生、炎症等病理特征，并对其进行分级分型。
量化分析： AI 可以精确计算细胞数量、核分裂象、DNA含量等量化指标，这些数据对于疾病的诊断和预后判断至关重要。
辅助染色和分析： AI 还可以辅助进行免疫组化等特殊染色结果的分析。
AI 的具体应用：
自动化扫描和数字化病理切片。
辅助识别和标记癌细胞。
进行肿瘤分级、分期和预后预测。
提高诊断的一致性和效率。
未来趋势： 与影像科类似，AI 将成为病理科医生的重要辅助工具，提升诊断的准确性和效率。医生将更多地从事复杂病理的鉴别诊断、分子病理的解读以及与临床科室的沟通协作。
3. 皮肤科医生（部分领域）：
原因： 许多皮肤病具有典型的视觉特征，AI 在识别这些特征方面表现出色。
视觉识别： 皮肤镜图像和临床照片的识别是 AI 的强项，可以辅助诊断黑色素瘤、湿疹、银屑病等常见皮肤病。
远程诊断和筛查： 患者可以通过手机拍摄皮肤照片，AI 进行初步诊断和分诊，大大提高了医疗的可及性。
AI 的具体应用：
皮肤癌筛查。
识别常见皮肤病（如痤疮、皮炎）。
评估皮肤损伤的严重程度。
未来趋势： AI 在皮肤病筛查和常见病诊断方面将发挥巨大作用，尤其是在基层医疗和远程医疗中。然而，对于一些复杂的皮肤病（如罕见病、系统性疾病引起的皮肤表现）以及需要触诊和精细鉴别的诊断，仍需要医生的人工判断。
4. 眼科医生（部分领域，特别是视网膜疾病筛查）：
原因： 眼底照片的分析是 AI 的一个成熟应用领域。
视网膜疾病筛查： AI 可以高效地筛查糖尿病视网膜病变、青光眼、黄斑变性等疾病，尤其适合在普查和基层医疗中使用。
AI 的具体应用：
自动检测和分级视网膜病变。
预测疾病进展风险。
未来趋势： AI 将极大地提升视网膜疾病筛查的效率和可及性。眼科医生将更多地专注于手术治疗、复杂眼病的诊断和管理以及视光相关的咨询。
最不容易被 AI 取代的科室及原因：
“不容易被取代”的科室，往往是因为其工作内容高度依赖于复杂的人机交互、精细的手术操作、高度的创造性和同情心、跨学科的综合能力以及对患者全身情况的整体判断。这些是目前 AI 难以完全复制或替代的。
1. 外科医生（特别是复杂手术）：
原因： 手术是一个极其复杂、需要高度精准、适应性强的过程，涉及到精细的解剖学知识、对实时变化的反应能力以及熟练的手术技巧。
精细的手部操作和触觉： AI 和机器人可以辅助手术，提高精度和稳定性，但完全取代外科医生在手术中的“手感”和精细操作还有很长的路要走。
实时决策和适应性： 手术过程中，解剖结构可能存在个体差异，或出现意外情况。外科医生需要根据实时观察和经验，灵活调整手术方案，这是 AI 难以完全胜任的。
综合判断： 手术前、术中、术后的整体评估和决策，需要结合患者的整体病史、体征、影像、实验室检查以及术中表现进行综合判断，这涉及到经验和智慧。
AI 的具体应用：
机器人辅助手术系统（如达芬奇手术机器人），提高手术精度、微创性。
术前规划和模拟。
术中导航和识别关键结构。
分析手术视频，提供反馈和改进建议。
未来趋势： AI 将成为外科医生的强大助手，通过机器人辅助手术提高效率和安全性。外科医生将更专注于复杂手术的设计、主刀，以及在 AI 辅助下的精细操作和应变。
2. 精神科医生/心理医生：
原因： 精神疾病的诊断和治疗高度依赖于医患之间的深度沟通、情感共鸣、人际理解和心理支持。
人际沟通和同情心： 精神科医生需要建立信任关系，理解患者的情感、思维模式和潜意识动机，这需要高度的同情心、共情能力和人际交往技巧。AI 目前难以真正理解和表达复杂的人类情感。
个体化和非标准化治疗： 精神疾病的治疗方案非常个体化，需要根据患者的具体情况、社会背景、文化因素等进行调整。治疗过程中也需要不断反馈和调整。
倾听和引导： 医生需要通过倾听和引导，帮助患者梳理思绪，找到问题的根源，这是 AI 难以替代的。
AI 的具体应用：
辅助诊断（如通过自然语言处理分析患者的言语和文字）。
提供心理健康支持工具和虚拟治疗师（但更多是辅助而非完全替代）。
监测患者情绪变化。
未来趋势： AI 可以作为辅助工具，在筛查、初诊、信息收集等方面提供帮助。但核心的心理治疗过程，特别是深度心理分析和危机干预，仍需要有经验的精神科医生。
3. 肿瘤内科医生（尤其是复杂肿瘤和个体化治疗）：
原因： 肿瘤治疗是一个高度复杂且不断发展的领域，涉及多种治疗手段（化疗、放疗、靶向治疗、免疫治疗）的综合运用，以及对患者个体基因组学、免疫学等多方面信息的整合分析。
跨学科整合和决策： 肿瘤内科医生需要整合来自病理、影像、放疗、外科等多方面的诊断信息，结合患者的全身状况、基因突变情况，制定最合适的个体化治疗方案。
免疫治疗和靶向治疗的复杂性： 这些疗法对患者的基因组学和免疫学特征高度敏感，需要医生具备深厚的分子生物学和免疫学知识，并能根据患者反应不断调整方案。
人文关怀和支持： 肿瘤患者往往面临身心双重压力，需要医生提供情感支持、姑息治疗和生活质量管理，这需要高度的人文关怀。
AI 的具体应用：
辅助分析基因测序数据，推荐靶向药物。
预测药物反应和副作用。
优化放化疗方案。
文献检索和知识更新。
未来趋势： AI 将成为肿瘤内科医生强大的“智囊团”，帮助医生处理海量的基因组学数据，优化治疗方案。但最终的治疗决策和患者的沟通、关怀，仍需医生来完成。
4. 急诊科医生：
原因： 急诊科是处理各种危急重症的场所，需要医生具备快速、准确的判断能力，能够在复杂且信息不全的情况下做出最佳决策，并具备良好的应变能力。
快速评估和决策： 急诊患者病情变化快，需要在短时间内对多种可能原因进行鉴别诊断，并立即启动救治措施。这种压力下的综合判断和决策能力是 AI 目前难以复制的。
多系统协调： 急诊患者往往病情复杂，可能涉及多个系统的问题，需要医生协调多种检查和治疗手段。
人际沟通和安抚： 在紧急情况下，医生还需要与患者及其家属进行有效沟通，安抚情绪，传递信息，这是 AI 难以胜任的。
AI 的具体应用：
辅助诊断（如通过分析生命体征数据、病史信息）。
预测患者病情恶化风险。
辅助药物剂量计算和输注。
未来趋势： AI 可以为急诊医生提供辅助决策和风险预警，但面对瞬息万变的危急情况，医生的经验、判断和现场指挥能力仍然是核心。
5. 儿科医生：
原因： 儿科疾病的诊断和治疗需要医生具备丰富的儿科临床经验，能够理解儿童特殊的生理和心理发展特点，并与患儿及家长进行有效的沟通。
沟通和安抚儿童： 与儿童沟通需要耐心、技巧和善于观察其非语言信号。医生需要让患儿放松，建立信任，从而更好地进行检查和治疗。
儿童发育和生理特点： 儿童的生长发育、生理指标、疾病表现与成人差异很大，儿科医生需要掌握这些特殊知识，并能进行个体化判断。
家长沟通和教育： 许多儿科治疗方案需要家长的配合和执行，医生需要向家长解释病情、治疗方法和注意事项，并提供育儿指导。
AI 的具体应用：
辅助儿童常见病诊断。
儿童生长发育监测和预警。
提供儿童用药建议。
未来趋势： AI 可以辅助儿科医生在常见病诊断和数据分析方面的工作，但与儿童的沟通互动、对儿童特殊生理特点的理解以及对家长的指导和安抚，仍是儿科医生不可替代的价值。
6. 全科医生/基层医生：
原因： 全科医生是居民健康的“守门人”，需要具备广泛的医学知识，能够处理各种常见病、多发病，进行健康管理、疾病预防，并能进行初步的鉴别诊断和转诊。
全方位健康管理： 全科医生关注患者的整体健康，包括慢性病管理、疫苗接种、健康宣教等，这需要长期的医患关系和对患者生活方式的了解。
初步诊断和分诊： 全科医生需要根据患者的主诉，初步判断是小病可以自行处理，还是需要转诊到专科。这种综合判断能力是 AI 需要大量数据和场景才能逐渐积累的。
人文关怀和社区连接： 全科医生往往与患者及其家庭有更深的联系，能够提供更具人文关怀的医疗服务，并了解社区健康资源。
AI 的具体应用：
辅助诊断常见疾病。
健康管理和风险预测。
自动化健康报告生成。
未来趋势： AI 将成为全科医生的得力助手，帮助他们提高效率，处理更多患者。全科医生将继续发挥其综合、连续、个体化的医疗服务优势。
总结：
总而言之，AI 在医疗领域的应用是辅助而非完全取代。未来，医生的角色将会发生转变，从信息处理者和诊断者，更多地转向决策者、协调者、人文关怀者和技术使用者。
容易被 AI 取代的医生群体，其工作重心可能会从基础的诊断和数据分析，转移到更复杂的病例处理、疑难杂症的鉴别、AI 结果的验证以及与患者的沟通和人文关怀。
不容易被 AI 取代的医生群体，其核心价值在于那些高度依赖于人类的智慧、情感、经验、创造力和精细操作的领域。AI 将成为他们的强大工具，帮助他们突破能力的边界，提供更高质量的医疗服务。
对于医生而言，拥抱 AI、学习如何与 AI 协同工作将是未来职业发展的关键。终身学习和适应变化，将是所有医生的必修课。
网友意见
谢邀 @吕拙
曾经是医生，现在人工智能产品经理，我先说结论：
- 如果是人工智能公司或者从业人员，现在还说「取代医生」，不是蠢就是坏；
- 如果是外行，如题主，那这种担心是多余的，因为
- 现在人工智能是弱人工智能，那他只能帮助医生做一些简单重复的工作
- 以后如果达到了强人工智能，理论上可以直接取代人类。
接下来依次分析2.1和2.2两个结论。
弱人工智能指不能制造出真正地推理和解决问题的智能机器，这些机器只不过看起来像是智能的，但是并不真正拥有智能，也不会有自主意识。
其实这类人工智能说到底层结构就是统计，他的简化版工作流程如下：
①经过学习大量的某一个类型的数据，如肺癌的胸部CT，从而建立一个模型，用于识别和诊断肺癌；
②当拿到一个新的胸部CT时，就去和已学习的胸部CT进行「比较」，从而得出一个结论。
他能减少一部分医生的人工，而减少的部分人工，会导致部分人员的失业，这其实算是行业进步的必然，离「取代」还有很长的距离。
王郝老师所言，「曾经是有心电图医生」，其实现在仍然是有心电图医生的，而且市场需求量还不小，只是在部分医院消失了罢了，这种消失有时也不是技术造成的，而是医院发展造成的。
因为我用过市面上的不少自动诊断心电图的机器......无法让我想到「取代」二字
强人工智能被认为是有知觉的，有自我意识的，是有可能进化为「终结者」、「天网」这种类型的，那你说还需要担心么？那时候已经是必然的事实了。
其实我觉得题主，你的问题更适合如下描述：哪个科室的医生更具有不可替代性？
我的回答是：当你掌握核心技术时，且与时俱进时，你就具有了不可替代性；而如果你只是求混日子，当医疗真的开放市场时（现在有这个趋势了），是有极大的失业的风险的。
医生始终是一个技术工种。
最先被取代的应该是分诊台……
这个很快，就这一两年吧。
类似的话题
本站所有内容均为互联网搜索引擎提供的公开搜索信息，本站不存储任何数据与内容，任何内容与数据均与本站无关，如有需要请联系相关搜索引擎包括但不限于百度，google,bing,sogou 等
© 2025 tinynews.org All Rights Reserved. 百科问答小站 版权所有