自從去年AlphaGo在圍棋領域戰勝了人類選手李世石，人工智能（AI）傳遍了大街小巷，之後隨着AI在各行各業取得各種成果，持續升溫，醫療便是人工智能主要應用領域之一。
據悉，Airdoc在糖尿病性視網膜病變、斜視和眼眶病等領域，在特異性和靈敏度維度上已經取得了和人類醫生相近的結果，並且已經開始在臨床應用，醫療人工智能時代已經到來？
AI在醫療領域的應用
人工智能是用機器模擬人類大腦神經元的工作方式，從而像人類一樣思考和掌握學習的智能。和人類相比，人工智能具有快速，大量運勢和不回疲憊等特點，可以在很多領域為人類提供幫助。
和很多行業不同，醫生是一個十分需要經驗的行業，需要掌握無數先輩積累下來的醫學知識並且在臨床工作中不同驗證理論並且積累經驗，基於深度學習的AI從某些角度和醫生一樣，都需要大量的學習從而掌握，並且在實踐中不停完善算法模型。
醫療領域的人工智能主要有兩個方向，一個是基於自然語言處理，根據病歷和癥狀診斷疾病；一個基於計算機視覺，通過識別醫學影像診斷疾病。
以肺癌識別為例，AI可以通過兩種方式診斷肺癌，一種是基於自然語言處理，代表企業是IBM的Watson，在長達4年的時間內Watson學習了200本腫瘤領域的教科書，290種醫學期刊和超過1500萬份的文獻後，Watson開始被臨床應用，將病人的病歷信息和癥狀輸入系統，可以識別肺癌。如今Watson在肺癌、乳腺癌、直腸癌、結腸癌、胃癌和宮頸癌等癌症領域已經可以為醫生提供診斷建議。
另外一種是基於計算機視覺的診斷方式，代表企業是國內的Airdoc，由於肺癌早期沒有任何臨床癥狀，如果有癥狀就是中晚期，目前約75%的肺癌患者在診斷時已屬於晚期，肺結節的有效診斷和及時治療至關重要。Airdoc基於深度學習開發的算法，通過肺結節定位、結節大小判斷、肺部結節惡性指標計算快速檢測肺結節。
AI在醫學影像上的優勢
Watson雖然能夠準確識別很多癌症，但是前期投入同樣巨大，在眾多的專家的努力下，依然花費了4年的時間以及海量的金錢才有如今的成果。但是計算機視覺領域卻不一樣，2012年Hinton 教授採用了一種新的稱為"丟棄" (Dropout) 的算法避免了過度擬合，這是個革命性的突破，讓計算機視覺更加方便和準確，接下來基於深度學習的人工智能計算機視覺進入了飛速發展的階段，如今已經能夠為各個領域做出貢獻。
如今，AI+醫學影像已經走出實驗室，下一步將迎來商業化浪潮。比如，Enlitic通過收集X射線，核磁共振，CT掃描，三維醫療等影像數據從而分享或查看醫療圖像，從而提升發現腫瘤和其他疾病的的速度。
國外對AI的研究已經超過了60年，但是國內的AI領域後來居上，中國AI文章總數佔到世界的一半以上，被引用數達42.8%，並且在深度學習領域影響世界的華人眾多。
早在2012年，Airdoc的成員便開始對人工智能展開了研究， Airdoc花費大量時間從多家國內外頂級醫院收集了數十萬張眼底照片，最終研發出了Airdoc糖尿病性視網膜病變輔助診斷模型，在靈敏性和特異性等主要指標上，獲得了和人類醫生相當的結果。
未來診療模式
現代醫療的發展起決於上世紀的三次變革，1935年氨苯磺胺被證實具有殺菌作用，40年代實現了人工合成磺胺類藥物，促進了醫藥化工技術的快速發展，這是第一次革命；第二次變革是通過最新放射診斷技術，可以檢測出早期腫瘤和其他許多早期病變；第三次變革生物製品的產生，開拓了生物學治療疾病的新概念。
近年來隨着醫療信息化的發展，“醫學診斷創新”、“智慧醫療”、“健康大數據”已成高頻出現詞彙，互聯網醫療已經惠及數以萬計的患者。為推動健康產業國家更是推出了《健康中國2030規劃綱要》，這是醫療最好的時代，這是AI醫療最好的時代。
雖然如今的AI仍然處於初級階段，並不具備更進一步的交互和溝通等能力，但是在初步診斷和疾病預警和預測領域已經取得了巨大的成果，今年全國“兩會”政府工作報告中提到，將全面啟動多種形式的醫療聯合體建設試點，增強基層服務能力，方便群眾就近就醫，AI+醫生的診療模式可以輔助基層醫療機構迎接這次挑戰。
