AI人工智能会取代医生吗？这个问题有两种答案：

看好AI的人会说YES，因为用不了几年AI真的会取代那些平庸的医生，会取代那些Below average（低于平均水平）的医生，但是暂时不会取代那些Above average（高于平均水平）的医生。

不看好AI的保守医生会说NO，TA真的是发自内心的，天真的以为AI不会取代任何医生。其实未来最需要AI的是Below average的医生，也是最不理解和最不能接受AI的人。

最近AI很火，不仅仅是在投资界很火，在学术界也很火。

好的AI公司很容易融到钱，连不咋地的AI公司也拿到钱了，这也难怪一些临床医生说有些AI项目纯粹是圈钱和烧钱，将来肯定进不了临床。

但是，好的AI项目还是挺靠谱的，最近Nature自然杂志连续发了好几篇AI完胜各个学科医生的文章。

看看这些夺人眼球的文章题目你就会明白了。

“人类完败……诊断乳腺癌，30小时病理分析竟不如谷歌AI准确”

近日，来自谷歌、谷歌大脑与Verily公司的科学家们开发出了一款能用来诊断乳腺癌的人工智能，它的表现甚至超过了专业的病理学家。

内行人都知道，病理诊断的准确性严重依赖于病理医生的水平，即便是对于同一名病人，不同病理学家给出的诊断也往往会有很大不同：一篇2015年的论文发现，不同病理学家对乳腺癌诊断的一致率只有75.3%。在某些不典型的乳腺癌中，诊断的一致率竟下降到了48%，只有不足一半。

看了这种现状你害怕不？而且在中国我们还缺很多很多的病理科医生。

病理医生必须经过数年甚至十几年的训练，才能掌握足够的经验，成为一名合格的病理学家，要成为优秀的病理学家更是难上加难，在医疗资源不足的地区，想要得到诊断，都是一种奢望。

为了解决病理诊断的瓶颈，谷歌和Verily的科学家们做了一个尝试。他们将单张病理切片的图像分割成了数万至数十万个128x128像素的小区域，每个小区域内可能含有数个肿瘤细胞。随后，他们提供了许多肿瘤组织与正常组织的病理切片，供人工智能学习。最终，这款人工智能掌握了一项像素级的技巧——它能分辨出单个小区域内被标注为“肿瘤”的像素，从而将整个小区域标注为“肿瘤区”，这能有效将肿瘤组织与健康组织区分开来。

学习完毕后，这款人工智能迎来了实战。科学家们邀请了一位病理学家，并让他与人工智能进行一场比赛。这名病理学家花了整整30个小时，仔细分析了130张切片，并给出了他的诊断结果。在随后基于灵敏度（找到了多少正确的肿瘤）和假阳性（将多少正常组织诊断为肿瘤）的评分中，这名病理学家的准确率为73.3%。人工智能交出的答卷是88.5%，完胜人类。

“FDA首次批准了一款心脏核磁共振影像AI分析软件”

2017年1月10日，据FDA官网显示，其首次批准了一款心脏核磁共振影像AI分析的软件Cardio DL，这款软件将深入学习用于医学图像分析，并为传统的心脏MRI扫描影像数据提供自动心室分割的分析，这一步骤与传统上放射科医生需要手动完成的结果一样精准。

这一基于深度学习的人工智能医学影像分析系统已经进行了数以千计的心脏案例的数据验证，该算法产生的结果与经验丰富的临床医生的分析结果结果是不相上下的。

据悉，这款人工智能心脏MRI医学影像分析系统不但得到了FDA510（k）的批准，还得到了欧洲的CE认证和批准，这标志着该软件将被允许用于临床。

《自然》（Hazlett et al. 2017）重磅：AI在儿童自闭症早期诊断上完胜医生！

近期，在北卡罗来纳大学（UNC）教堂山分校精神病学家Heather Hazlett的带领下，人工智能在疾病诊断领域又下一城。她们开发的深度学习算法，在预测2岁前的自闭症高危儿童（有个自闭症哥哥或者姐姐）是否会在2岁之后被诊断为自闭症上，以88%的准确度远超准确度只有50%的传统行为问卷调查法（Charman 2014）。

人工智能在疾病诊断领域再次战胜人类。

“AI机器人，学完2186张肺癌图谱，完胜病理学家”

2016年8月16日《自然通讯》发表了一份斯坦福大学医学院研究人员的研究：计算机可被培训得在评估肺癌组织切片时比病理学家更加精确。

研究人员使用了从腺癌、鳞状细胞癌患者获得肺癌基因图谱2186张图像。数据库还包含了每例肿瘤的级别、期别和每例患者在诊断后的存活时间信息。

然后研究人员使用这些图像来训练计算机软件程序，以确定更多肉眼所不能观察到的癌症特异性特征—近10000种个性特质vs几百种病理学家通常使用的评估特征。这些特征不仅包括了肿瘤细胞的大小及形状，也包括了细胞核的形状与质地以及与相邻肿瘤细胞的空间关系。

Stanford的遗传学教授Snyder博士说：“事后看来，一切都在情理之中。计算机能够比人类更加准确、快速的在数以千计的样本中多次评估甚至是微小的差异。”

“AI再登Nature封面：诊断皮肤癌，准确度堪比专家”

斯坦福大学的研究人员采用深度卷积神经网络，通过大量训练发展出模式识别的AI，使计算机学会分析图片并诊断疾病。

训练计算机的数据库由129,450张皮肤病变图片和对应的文字描述组成，涵盖了2032种皮肤病。而诊断的“参考答案”则由皮肤病专家提供，他们依靠的是非侵入性图像分析和组织活检。

之后，计算机迎来了“毕业考试”。研究者向受训的计算机和21名执业医师分别提供了一批训练数据集中没有出现过的皮肤病变图片，这些图片都由组织活检确定了对应的病症。诊断比赛的结果是计算机的准确率和人类医生差不多，有时候还胜过人类医生。

AI人工智能会如何取代医生？

人工智能不是万能的，但是它的确会在某些学科和领域超过人类的能力，取代医生的工作甚至是完全取代医生。

如果用于诊断疾病或者是判断预后的数据或者图像是可以标准化，量化，结构化的话，基本上是可以用人工智能来完成的，在确立算法以后，可以让机器不断的学习和积累，逐步完善，最终会战胜人类的。

从目前的应用来看，人工智能应用比较好的领域是皮肤科、病理科和影像科。

皮肤科在台湾和一些欧美国家都是医学院学生在毕业的时候最喜欢选择的科室，因为工作相对轻松，收入颇丰，而且还不用值夜班。

皮肤科也是好大夫网站上在线问诊收入最高的科室。

很遗憾，人工智能要来了，而且很有可能会取代很多人的工作，假以时日，皮肤科人工智能医生将会取代很多人的工作。

目前中国最缺的医生是病理科，很遗憾，假以时日，病理科医生和影像科医生的工作也有可能被人工智能抢走，而且AI的水平将会高于大多数的普通医生。

再看看我从事的妇产科，有很多的常规工作将来都可以用人工智能来完成，根本不需要那么多的医生了。

宫颈癌的筛查：医生收集宫颈脱落细胞以后，机器可以自动制片，自动判别是否有癌细胞。在宫颈细胞良恶性方面，至少80-90%的病理医生的工作可以被AI取代。

产科超声：在胎儿畸形的筛查与诊断方面，北美的普遍做法是由一般的Sonographer超声技师来按照标准的切面截图保留，然后由来MFM母胎医学专家审读写报告。理论上讲，这些超声截面图的审读是可以由AI来完成的，原理类似于AI对CT和MRI片子的解读和判断。

胎心监护：胎心监护结果的解读和判断也完全可以由AI完成。

机器比人可靠，机器比人类更精准，机器不会疲劳，随着算法的不断进步和数据的不断积累，人工智能的水平会越来越高，会从现在的帮助人类做判断演变到代替人类做判断。

这个趋势是不可逆的，是不可抵挡的，FDA也挡不住。将来会有一个Breaking Point引爆点，过了这个引爆点以后，会出现医生常规工作量的断崖式的下跌。

未来的情景将会是：Above average的医生是让AI做助理，Below average的医生是做AI的助理。

当然，那些非标准化，充满不确定性，以及人工操作的临床工作，还是AI所无法替代的。