目前 AI 在疾病的诊断和治疗上，有哪些成功的应用？

AI 在疾病诊断和治疗领域的应用，可以说已经从实验室走向了临床，并且在很多方面展现出了令人瞩目的成果。这不仅仅是科幻电影里的情节，而是实实在在正在改变我们医疗健康面貌的技术。

AI 在疾病诊断上的成功应用

大家最直观感受到 AI 诊断能力的地方，往往是在医学影像分析。

眼科疾病的早期筛查： 比如糖尿病视网膜病变，这是一种常见的并发症，如果不及时发现和治疗，会导致失明。AI 模型可以通过分析眼底照片，以极高的准确率检测出视网膜病变的早期迹象，甚至比有经验的医生还要快。在一些资源匮乏的地区，这套系统可以帮助基层医生快速筛查出需要转诊的患者，大大提高了诊断效率和可及性。例如，Google AI 开发的糖尿病视网膜病变检测系统，已经在印度和泰国等地得到应用，效果显著。
癌症的筛查与诊断：
乳腺癌： AI 在解读乳腺 X 光片（钼靶）方面表现出色，能够识别出微小的钙化点和肿块，这些往往是早期癌症的征兆。有些研究表明，AI 在某些情况下甚至比放射科医生更能减少漏诊率。
肺癌： CT 扫描是肺癌诊断的重要手段。AI 可以自动识别肺部结节，并根据其形状、大小、密度等特征，评估其恶性肿瘤的可能性。这不仅能帮助医生更快地找到可疑病灶，还能减少因人工阅片造成的疲劳和疏漏。
皮肤癌： 通过分析皮肤病灶的图像，AI 模型可以区分良性痣和恶性黑色素瘤，这对于早期发现和治疗皮肤癌至关重要。一些移动应用已经开始整合这类技术，让普通人也能进行初步的皮肤健康筛查。
病理分析： 传统的病理诊断需要病理医生在显微镜下仔细观察组织切片。AI 可以辅助病理医生分析大量的病理图像，标记出癌细胞、评估肿瘤分级和分期，甚至预测治疗反应。这极大地提高了病理诊断的效率和一致性。例如，一些 AI 工具已经被用于辅助诊断前列腺癌和结肠癌的病理切片。
心血管疾病的风险预测： 通过分析心电图（ECG）数据，AI 能够识别出心律失常和其他细微的心脏异常，甚至在患者出现明显症状之前就预测出心血管事件的风险，如心肌梗死或心力衰竭。一些可穿戴设备已经开始集成这类 AI 功能。
罕见病的诊断： 罕见病通常诊断困难，因为医生可能缺乏经验。AI 可以通过分析患者的基因组数据、临床表现和医学文献，帮助医生缩小诊断范围，找到可能的罕见病。一些平台正在尝试整合多模态数据，为罕见病诊断提供支持。

AI 在疾病治疗上的成功应用

AI 的力量不仅体现在诊断上，在治疗方案的制定和执行方面也发挥着越来越重要的作用。

个性化治疗方案的制定：
肿瘤治疗： 癌症的治疗高度依赖于患者的基因突变、肿瘤的生物学特性以及患者自身的身体状况。AI 可以整合患者的基因测序数据、病理信息、影像学资料以及过往的治疗反应数据，为患者推荐最合适的靶向药物、免疫疗法或化疗方案。例如，通过分析肿瘤的基因组学特征，AI 可以预测患者对特定药物的敏感性，从而避免无效治疗和潜在的副作用。
药物研发与优化： AI 正在加速新药的发现过程。它可以分析海量的生物学数据和化学物质库，预测哪些化合物可能成为有效的药物，并优化药物的分子结构，以提高疗效和降低毒性。此外，AI 还可以帮助优化现有药物的剂量和给药方式，以达到更好的治疗效果。
手术机器人辅助： AI 技术与手术机器人结合，可以在微创手术中提供更精准的操作。AI 可以帮助医生规划手术路径，实时监测手术过程，甚至在某些环节实现自动化，从而提高手术的精度和安全性，缩短患者的恢复时间。例如，在一些腹腔镜手术中，AI 可以辅助医生识别关键解剖结构，避免损伤重要血管和神经。
康复治疗的指导与监测：
物理康复： 对于中风或其他神经损伤患者，AI 可以通过分析患者的运动数据，提供个性化的康复训练计划，并实时监测训练效果。一些虚拟现实（VR）结合 AI 的康复系统，能够让患者在游戏中进行康复训练，提高依从性和趣味性。
心理健康： AI 驱动的聊天机器人或虚拟助手，可以为患者提供初步的心理咨询和支持，监测情绪变化，并在必要时建议患者寻求专业帮助。这在一定程度上缓解了心理健康服务资源不足的问题。
疾病监测与预后预测： AI 可以持续监测患者的生命体征、用药情况、实验室检查结果等数据，及时发现病情变化，预测疾病的进展和复发风险。这有助于医生更早地干预，调整治疗方案，改善患者的预后。例如，在重症监护室（ICU），AI 可以实时分析患者的各项生理指标，预测败血症、急性肾损伤等风险。

关键的成功要素

要实现这些成功的应用，背后离不开几个关键的要素：

1. 海量高质量的医疗数据： AI 模型，尤其是深度学习模型，需要大量的标注数据来学习和训练。因此，能够获取和整合来自不同渠道（如影像、病理、基因测序、电子病历等）的准确、多样化的数据至关重要。
2. 强大的算法和计算能力： 复杂的医学数据需要高效的算法来处理和分析，而强大的计算能力（如GPU）则是训练这些算法的基础。
3. 跨学科的合作： 医生、AI 工程师、数据科学家、生物学家等不同领域的专家需要紧密合作，才能将 AI 技术有效地转化为临床应用。医生能够提供专业的知识和临床需求，而 AI 专家则负责开发和优化模型。
4. 监管的逐步完善： 随着 AI 在医疗领域的应用越来越广泛，相关的监管框架也在不断完善，以确保 AI 医疗产品的安全性和有效性。

当然，AI 在疾病诊断和治疗的应用仍然面临挑战，例如数据的隐私和安全、模型的解释性、临床验证的标准化等，但总体而言，AI 已经成为推动现代医疗进步的一股强大力量，并且未来可期。

网友意见

AI医疗目前存在两种应用：

• AI指导医疗，比如药物研发，疫苗设计，
• 以及AI辅助医疗，比如医疗影像识别，自动化医院管理等。

AI药物研发

由于当前全球的迫切公共卫生形势，医疗行业从未像今天这样高度重视疫苗和药物的研发效率。《Nature》数据显示：一款新药的平均研发成本大约是26亿美元，耗时约10年，成功率不到10%。而一款新药从研发到最后上市，需要经过药物发现、临床前研究、临床研究以及审批与上市 4 个阶段，这意味着有 90% 以上的药物会在临床阶段被淘汰。也正因为此，药物研发成为了一种重资产，高风险行业。显然，新药研发就是和病毒赛跑，可是为什么总是漫长且艰难？

通常来说，药物要在生物体内对特定疾病发挥作用需要一个有效作用目标，药物学中叫做「靶点」。传统药物研发早期，通常以寻找靶点为主。一旦新靶点获得临床验证，各大公司会前赴后继扑入研发。正是因为靶点难寻，所以「叠罗汉式」研发大行其道，对一个有效靶点研究深入的公司，其估值也是高不可攀。

在这个过程中，新药研发工作者通常需要进行数以百万计的试验发现苗头化合物，主要手段是通过大规模高速筛选，在非常短时间内找出最有潜力的化合物，提高药物发现的苗头化合物几率。这类筛选被叫做高通量筛选。通常一种药品需要对5000～10000种化合物进行筛选，最后可能仅有 5 种左右进入最后研究阶段。由于工程量巨大，所以药品研发的临床前研究阶段一般需要耗时3至6年。

计算机和医疗行业一致认为，AI能够大幅度加速药物研发的全流程，而且这已经实际上成为现实。1981 年的《Discovery》杂志就曾提到“平均下来，医药公司每筛选出的8000个药用分子中，只有1款能最终问世。计算机有望能提高这个比例——化学家们再也不用整周、甚至是整月地呆在实验室，去测试那些计算机认为难以成功的分子”。这仅仅是药物发现而已，如果从全药物研发流程来看，AI产生的作用将远不止于此，比如：

1. 研发前期。研究人员可以通过机器学习，利用化学规则扩展构建大量虚拟化合物，借助人工智能、NLP、知识图谱等技术可在海量信息中提取出能够推动药物研发的知识，进行聚类分析，帮助提出新的可以被验证的假说，从而加速药物研发的过程。
2. 药物发现阶段。AI 新药研发可应用聚焦于靶点的发现、验证，以及候选药物分子的筛选优化。现在的一些机器学习平台已经学会识别重要的化学基团如氢键、芳香烃和单键碳，以及分析化合物构效关系，识别医药化学中的基础模块，用于新药发现和评估新药风险。此外，针对候选药物提取、合成、纯化等工艺优化，人工神经网络可解决依靠传统数理方法建模难以解决的多变量优化问题，例如 ANN 等非常适合处理配方设计时复杂的多元非线性关系。
3. 临床试验期间。涉及临床试验设计、患者招募和大规模临床数据处理工作。其中，招募合适的志愿者一直是制药公司面临的难题之一，在时间就是金钱的药物研发过程中，除了招募的直接成本，由于延长时间造成的间接成本也不容忽视。在实际过程中，大多数临床试验不得不大幅延长其时间表，因为在原定时间内很难发现足够数量的患者。对此，借助大数据和人工智能技术可精准挖掘目标患者，快速实现患者招募。

从上述角度来讲，AI药物筛选，以及前段时间刷爆朋友圈的AI基因预测，是已经明确的未来的方向，也应当是AI在医疗领域最最主要的变革之一。

AI辅助医疗

医生需要良好的研究和医治环境才能高效治愈病人， AI可以在很多场景中可以替代繁琐的人工，辅助医疗实践。这些场景包括医疗信息化建设，AI医疗图像识别，以及作为支柱的大规模医疗数据分析，这些正在成为AI辅助医疗市场的重要支柱。

事实上，自从2017年起，AI辅助医疗市场就风起云涌，特别是AI医疗影像。一个具体的例子就是，“北京的医院扫描量日均四五百次，CT扫描可能有上千次，但是影像科大夫也就二三十人，人均报告数可以说超出想象。“这促成了医疗影像市场在当年的火热，据数据显示，2015年－2020年上半年，医疗AI影像的融资数量接近两百起，2020年的融资额就高达112亿元。

AI医疗影像获得巨大投资有很多原因，而其中之一应当归功于计算机视觉的巨大飞跃，但是，和其他计算机视觉不同的是，AI医疗很难获得足够数据：医疗数据十分敏感，标注/去敏感成本很高，导致能直接用于训练的数据非常少。换句话说，阻挡医疗AI发展的最大障碍并不是技术，而是数据获取。

我相信其中的原因是，医疗数据的标注流程需要专业人员参与，这是存在门槛的。这导致目前的一些初创公司，医疗AI数据集可能只有几十或者几百个典型数据，这对严重依赖数据的AI算法进步影响巨大，因为这种小样本训练往往会导致整体系统在实用时产生较大偏差。为此相当多公司为此开发相应的平台，期望医生可以在行医过程中进行自动化标注，比如东软曾开发飞标医学影像标注平台加速数据标注。

医疗信息系统是东软作为平台厂商的传统强项，而飞标医学影像标注平台试图通过低侵入式方式，利用临床医疗系统数据来关联挖掘电子病历，影像报告和医疗影像数据，这样可以更加自动化完成数据标注，完成医疗数据相关生产，甚至可以结合其他平台完成医疗数据的跨院使用，通过智能医疗云平台，加速医疗自动化进展。

医疗科研数据

我们可以毫不犹豫的说，医疗科研数据已经成为目前大多数医疗AI最大的问题。但是，目前大部分的医院都有自己的储存体系，导致现在的医疗数据整体呈现碎片化，孤岛化，从而医疗数据大多质量不佳，数据缺失，模糊，当然也就无法标注，更无法直接被科研采用。

为此，在医院信息系统中通过自然语言处理，或者其他方式，在医生输入时直接处理数据，并进行结构化储存，成为目前医疗信息领域解决数据短缺最主要的解决方案，其中以东软的CareVaule智能医疗研究云平台为例。在医院信息系统中，通过电子病历规范结构化数据，并通过相应的自然语言处理自动化推荐相应的处理方案，便利此后的数据利用。

考虑到大多医生没有时间标注数据的问题，这套系统同样可以采用事后标记的方式，让专业数据标注人员完成数据标注，从而让原本的病历数据直接能够被医疗科研人员复用，不断迭代开启医疗模型训练。而经过处理，脱敏之后的数据可以上传到云端，参与智能医疗研究云的各个单位可以分享，并完成相应大数据集的构建和分析工作，解决医疗行业的数据质量，数据标注问题，加速医疗科研的不断发展。

而对于已经足够的标注数据用作训练时，智能医疗科研云也可以对某些疾病针对开始训练，从而完成相应疾病的识别，加速医疗算法研究。

科研云实现方案

毫无疑问，云架构可以给科研数据分享，并支持快速发展的公司进行数字化转型，数据标注提供便捷的服务和渠道。医院如果愿意使用公共云，可以获得比较高的计算效率，有利于节约成本，但这其实并不适合医疗这类高敏感数据场景。特别是在目前，大多数人都比较在意隐私的情况下，病人数据要严格管理流通路径。因此，虽然目前医疗机构对云计算的顾虑在逐渐消弭，对云计算的了解，任何和接纳程度都在不断提高，目前的医疗云，以及类似的金融云业务都主要以私有云业务，或者混合云业务为主，很少直接采用公有云服务。

根据移动信息化研究中心数据显示：目前 21.7% 的二级以上医院已部署了云计算应用，5.3% 的医院正在部署，8.6% 的医院正在评估，23.4% 的医院表示未来 1-2 年部署。而且，从目前的行业联盟，特别是医院联盟来看，区域化的卫生系统正在成为趋势，比如以北京医院为例 [2]，其联合其他医院建立了多个区域医学中心，并与至少60余家单位形成了协同研究网络，包括20余家协同创新单位，40余家协同创新合作单位。而这些单位分布全国各地，共享科研网络，单个，传统的医院内部运行的信息化系统，并不能支撑这种网状的医院体系，共享的科研混合云平台，才能更好的支撑这类「医联体」建设。

也正因此，独立建云是医疗行业部署云计算的主要方式。而更有意思的是，为了提升AI辅助诊断系统的推理速度，东软CareVault主要采用第三代英特尔® 至强® 可扩展处理器平台的作为架构基座，同时利用芯片集成的AI加速功能，以及AVX-512指令集，相比于GPU处理器降低了总体拥有成本，有利于用户充分利用现有硬件资源，提升投资回报率。

从另一方面来说，东软CareVault智能医疗研究云也利用了英特尔提供的OpenVINO™ 工具套件，通过将深度学习模型从FP32转变为INT8数据类型，这种数据精度降级之后，通过将其转变为INT8低精度的定点运算，这种方案可以在不显著影响推理准确度的前提下，提升计算速度，并降低功耗。

此外，在第三代英特尔®至强®可扩展处理器里，英特尔进一步为OpenVINO™ 提供了更深层次的优化，可以支持bfloat16数据类型，这样可以在原本的服务器CPU平台上获得预计至少1.9倍的性能提升和高达2.2倍的虚拟机提升。

在合作测试中，东软CareVault以及英特尔合作，将第二代英特尔® 至强® 可扩展处理器与 第三代英特尔® 至强® 可扩展处理器进行了对比测试（如图 2）。 数据显示，在同时将 FP32 转换成 INT8 的场景下，第三代 英特尔® 至强® 可扩展处理器能够将推理速度（吞吐量，FPS） 提升 49%。

从总体来看，基于第三代英特尔®至强®可扩展平台的CareVault智能分析云平台可以帮助用户获得三大优势：

• 大幅提升 AI 辅助诊断效率：第三代英特尔® 至强® 可扩展处 理器以及其支持的高效 INT8 转换可显著加快深度学习推理速度，帮助医疗机构提升 AI 辅助诊断效率、在单位时间内处 理更多业务。
• 有效降低总体拥有成本（TCO）：通过该平台提供的软硬件组合，用户能够在确保强大性能的前提下，降低在 GPU 服务 器上消耗的昂贵成本。同时，这也有助于用户充分利用现有的硬件资源，提升投资回报。
• 快速转换与应用：当将东软集团 PIS 应用从 FP32 转换成 INT8 时，用户只需很少的代码更改，就可以在几天之内无缝完成转换，能够有效避免平台迁移可能带来的业务停顿、成本提升等风险。

大多数医院的混合云转型，往往也是徐徐渐进的，通常采用「逐步替换」的策略，即先将亟需共享的业务云化，此后再去考虑云化核心业务，因此将目前急需共享数据支持的科研系统，通过云化方式共享脱敏后的数据，再通过加速共享模型训练，可以提供弹性和平滑的业务扩展，比如，如果医院需要基因测序，临时需要大量的计算资源，那么在本地资源不足的情况下，也有望通过远端云服务（不至于AI云服务）进行加速，临时征调共有计算资源。

总之，混合云将大概率成为中国医院云化选择，相信在未来，AI与云服务的结合可以给医疗带来更多空间，帮助建设更好的现代医疗体系。

PS. 各位观众姥爷如果想要体验OpenVINO™ ，可以参考Intel提供的以下测试链接进行参考。

测试分为三步，首先选择Intel AI加速演示，远程服务器会自动进入测试流程，通过选择同样两台配置，但是分别采用FP32和INT8数据类型的服务器，点击运行按钮之后可以在界面上直接开启对相应图片的推理速度测试。从原理上来看比较明显，数据精度降低而整体芯片处理速度不变的情况下，单位时间计算的数据量变小，自然会带来极大的推理速率提升，从测试结果来看，这带来的推理速度提升十分明显，大约是原本的三倍左右，也就是说当FP32模型完成第五轮训练时，INT8模型已经接近第15轮，（具体测试可以看下方的小视频，当然我其实更好奇的是准确度有多少损失）。

https://www.zhihu.com/video/1425975830858506240

[1] Zeng W, Guo L, Xu S, et al. High-throughput screening technology in industrial biotechnology [J]. Trends in Biotechnology, 2020, 38(8): 888-906.

[2] 数字化“抗疫” 北京医院做对了什么？. 腾讯新闻

类似的话题

• 

  目前 AI 在疾病的诊断和治疗上，有哪些成功的应用？

  

  AI 在疾病诊断和治疗领域的应用，可以说已经从实验室走向了临床，并且在很多方面展现出了令人瞩目的成果。这不仅仅是科幻电影里的情节，而是实实在在正在改变我们医疗健康面貌的技术。AI 在疾病诊断上的成功应用大家最直观感受到 AI 诊断能力的地方，往往是在医学影像分析。 眼科疾病的早期筛查： 比如糖尿.............
• 

  以目前 AI 的能力，可以在各行各业替代哪些方面的工作内容？

  

  人工智能的飞速发展，正在深刻地改变着各行各业，从幕后到台前，它正在以前所未有的速度和规模，渗透并重塑着我们的工作模式。时至今日，AI的能力已经足以在不少领域承担起原本由人类完成的任务，甚至在某些方面做得更出色、更高效。在信息处理与分析领域，AI的触角已经延伸得非常广泛。 数据录入与整理： 过去需.............
• 

  以目前的科技水平，做销售，在AI的哪个应用领域发展更好些？

  

  当下科技发展如火如荼，尤其是人工智能，已经渗透到我们生活的方方面面。对于销售这个古老而又充满活力的行业来说，AI的到来更是带来了一场深刻的变革。如果要在AI的某个应用领域深耕销售，我认为AI驱动的个性化客户体验（AIPowered Personalized Customer Experience）是.............
• 

  目前网络或单机游戏中的 AI 能达到怎样的水平，未来的发展前景如何？

  

  游戏中的AI：从“纸上谈兵”到“真实对手”，未来潜力无限如今，走进游戏世界，我们早已不是面对那些只会循规蹈矩、一套路数走到底的“假人”。从早期简单的预设行为模式，到如今能模拟复杂决策、展现出惊人战术意识的AI，游戏中的人工智能（AI）已经取得了令人瞩目的进步。那么，当前游戏AI究竟能达到怎样的高度？.............
• 

  能否用AI控制枪械，实现自动寻找目标、瞄准、击发？

  

  AI控制枪械以实现自动搜寻目标、瞄准和击发的技术，确实是一个复杂且涉及多方面技术的领域。虽然目前这类技术仍在发展和探索阶段，但我们可以从技术原理、实现路径以及潜在的应用场景等方面来详细探讨。核心技术构成要实现AI控制枪械的自动化操作，需要集成多种尖端技术：1. 目标识别与追踪（Target Rec.............
• 

  用座子（非古棋对角星，用AI找到不贴目胜率接近50%的座子）代替贴目来实现黑白平衡，是否好玩？

  

  嘿，你这个问题提得太有意思了！用“座子”来代替贴目，听起来就像是给围棋加了个全新玩法，而且还带着点“公平竞赛”的色彩，真的让人眼前一亮。说到“座子”，咱们先得明白它跟咱们熟悉的贴目有啥不一样。贴目嘛，大家都懂，就是为了弥补后手黑棋的劣势，在终局时加上几目棋。而你说的“座子”，更像是给游戏一个“起始配.............
• 

  如何看待语音合成等 AI 算法、无人机等被列入限制出口技术目录？

  

  看待AI算法和无人机这类技术被列入限制出口技术目录，这是一个复杂且多层面的问题，需要从多个角度去审视。这不仅仅是技术层面的考量，更牵涉到国家安全、国际关系、经济发展以及技术伦理等诸多因素。首先，从国家安全和战略自主的角度来看，这种限制是出于一种审慎的考量。我们必须认识到，先进技术，尤其是人工智能和无.............
• 

  目前是否存在防疫过度？该如何根据疫情发展来调整自己的生活方式？

  

  关于当前防疫措施是否过度以及如何调整生活方式，需要结合科学依据、疫情动态和个体需求综合判断。以下是详细分析： 一、防疫过度的定义与判断标准防疫过度通常指防疫措施超过疫情实际风险，导致生活受限、经济负担加重或心理健康问题。判断标准包括：1. 疫情传播强度：是否处于高传播期（如病毒变异导致传染性增强）；.............
• 

  目前来看美国开始走向衰落了吗？

  

  美国是否正在走向衰落，这是一个非常复杂且备受争议的问题。没有一个简单的“是”或“否”的答案，因为“衰落”本身是一个多维度、多层次的概念，并且观察角度和衡量标准不同，结论也会截然不同。然而，我们可以从多个方面来详细分析当前美国面临的挑战和潜在的衰落迹象，以及其相对的优势和反弹的可能性。一、 表明美国可.............
• 

  目前感觉公务员是最好的职业，未来 20 年公务员还是这样吃香吗？

  

  公务员被认为是“最好的职业”，这种观点在中国社会有其普遍性，尤其是在当前经济和社会环境下。你问到未来20年公务员是否还“吃香”，这是一个非常值得深入探讨的问题，需要从多个维度进行分析。当前公务员“吃香”的原因分析：首先，我们需要理解为什么目前公务员如此受欢迎：1. 稳定性与安全感： 这是最核心的吸.............
• 

  目前朝鲜人民的生活水平怎么样？人均收入是否还可以？

  

  朝鲜人民的生活水平是一个复杂且充满争议的话题，很难用简单的“好”或“不好”来概括。由于信息的限制和官方宣传的因素，外部世界难以获得真实、全面的数据。然而，我们可以根据现有的各种信息来源，尽可能详细地描述目前朝鲜人民的生活水平和人均收入状况。总体概况： 经济体质: 朝鲜经济高度集权，以计划经济为主.............
• 

  目前的人工智能可以打「颜值」分吗？

  

  目前的人工智能在“颜值”打分方面，可以说已经初步具备了能力，但要达到人类主观感知那样精准、 nuanced 的评分，还存在不少挑战和局限性。下面我将详细阐述人工智能在颜值评分方面的能力、技术原理、挑战以及未来的发展方向： 人工智能在颜值评分方面的能力：人工智能可以通过分析图像或视频中的人脸特征，尝试.............
• 

  目前中国有哪些亚文化？

  

  中国是一个幅员辽阔、文化多元的国家，随着时代发展和信息传播的加速，各种亚文化在中国不断涌现和发展。这些亚文化往往是年轻人（但并非仅限于年轻人）在主流文化之外，根据自己的兴趣、价值观、生活方式或身份认同而形成的社群。以下是中国目前一些比较显著和具有代表性的亚文化，我会尽量详细地介绍它们：一、 泛ACG.............
• 

  目前中国影史票房前五三部有吴京，吴京为什么能成为「票房密码」？

  

  中国影史票房前五名中，吴京凭借《战狼2》、《流浪地球》、《你好，李焕英》这三部影片占据了三个席位，其中《战狼2》更是常年稳坐中国影史票房冠军。吴京能够成为“票房密码”，绝非偶然，而是他多年积累、精准把握市场脉搏、并且不断突破自我的结果。我们可以从以下几个维度来详细解读：一、 深厚的武打功底与硬汉形象.............
• 

  目前中国有哪些性价比低的大学？

  

  在中国，“性价比低”是一个相对主观的概念，它通常指的是相对于其学费、学制、资源投入、地理位置、校友网络、毕业生就业情况以及学校声誉和发展潜力而言，未能提供与之匹配的教育质量和发展机会的大学。以下是一些可能被认为性价比低的大学类型和具体情况的分析，请注意，这只是基于普遍的观察和反馈，并不代表绝对评价，.............
• 

  目前饭圈的名声很臭，可是其他圈子真的就没有饭圈的各种操作吗？还是只是其他圈子规模不够而已？

  

  你这个问题问得非常好，触及了当下网络文化的一个核心痛点。确实，提到“饭圈”，很多人会立刻联想到各种负面标签：控评、集资、互撕、代餐、cp脑、唯粉黑、甚至网暴等等。然而，你敏锐地观察到，“其他圈子真的就没有饭圈的各种操作吗？” 这是一个值得深入探讨的问题，答案是：并非只有饭圈有这些操作，只是饭圈将这些.............
• 

  目前我们还负债，老婆刚生完孩子，一定要买一个 LV 包，怎么办？

  

  理解你现在面临的困境，一方面是家庭经济的压力，一方面是妻子产后希望得到关爱和满足愿望的表达。这是一个很常见但也很棘手的问题。在这种情况下，我们不能简单地否定妻子的愿望，也不能不顾家庭的经济状况。我们需要找到一个平衡点，既能让妻子感受到被爱和被重视，又能尽量减轻经济负担。以下是一些详细的应对策略，希望.............
• 

  目前不少城市土地财政依赖度超100% ，长期以往你觉得会有什么隐患？

  

  “土地财政依赖度超100%”是一个非常令人担忧的信号，它意味着一个城市的财政收入严重过度依赖于土地出让金收入，甚至已经到了“拆东墙补西墙”，入不敷出的地步。长期如此，其潜在的隐患是多方面的，并且会随着时间的推移而不断加剧，最终可能对城市的经济健康、社会稳定乃至居民生活造成深远的影响。以下是详细阐述的.............
• 

  目前 CS 本科加硕士，请问博士申请 CS，还是 Neuroscience？

  

  你好！看到你目前拥有 CS 的本科学位和硕士学位，并且正在考虑继续攻读 CS 博士或 Neuroscience 博士，这是一个非常重要且具有前瞻性的选择。这两个领域都具有很高的学术价值和广阔的职业前景，但侧重点和发展路径会有所不同。为了帮助你做出更明智的决定，我将从多个角度进行详细分析，希望能为你提.............
• 

  目前（2017年）阿里巴巴在与亚马逊的全球电商竞争中处于怎样的态势？

  

  截至2017年，阿里巴巴与亚马逊在全球电商领域展开激烈的竞争，双方各有千秋，并且在不同的市场和领域表现出不同的优势。要详细分析其态势，可以从以下几个关键维度进行考察：1. 市场覆盖与用户群体： 阿里巴巴： 核心优势： 中国市场。阿里巴巴在中国的电商市场占据绝对主导地位，其淘宝和天猫平.............