人工智能在醫(yī)療領(lǐng)域的應用被普遍認為是最有前景的方向。近年來，不僅是技術(shù)背景起家的公司在從事這這方面的探索，互聯(lián)網(wǎng)醫(yī)療企業(yè)也紛紛開始向AI醫(yī)療領(lǐng)域進軍。中培專家團隊在這里就人工智能在醫(yī)療領(lǐng)域的應用價值進行了探討。

中培郭老師指出，醫(yī)療一直以來都是人類生存和發(fā)展最重要的指標之一。但直到今天，醫(yī)療問題依然是人類社會發(fā)展的短板。讓每個家庭都擁有一個家庭醫(yī)生，實現(xiàn)醫(yī)療服務的可及性也成為未來人類社會的一大愿望。

王老師進一步指出，檢查項目基本上集中在望聞問切幾個方面，具體來講就是舌診、面診和脈搏。而恰恰舌診和面診是相對成熟的圖象識別可以深挖的領(lǐng)域。但難度在于脈搏，脈搏到底在中醫(yī)含義里到底是什么，缺乏統(tǒng)一標準。

AI+醫(yī)生的模式，我們嘗試去提供一種規(guī)范、可控的質(zhì)量的醫(yī)療服務。這是我們讓每一個家庭都有一個家庭醫(yī)生、讓醫(yī)療服務唾手可得的基礎(chǔ)。

舌診、面診雖然是相對成熟的圖像識別領(lǐng)域研究內(nèi)容，但難度還是很大的，尤其是舌診。關(guān)鍵難度在成像顏色校正上，以前實驗室在這方面有十多年的研究基礎(chǔ)，還是無法完全解決開放環(huán)境下的舌像顏色校正。

非常高超。其他專家則指出，當前人工智能在醫(yī)療領(lǐng)域應用所面臨問題是，目前醫(yī)療大數(shù)據(jù)項目是實現(xiàn)有很高難度的一個課題。遠的IBM WATSON商用已超五年，耗資上百億美金打造。但最近其最初承接醫(yī)療訓練任務的加州大學醫(yī)學中心也宣布退出。因為投入了大量專業(yè)醫(yī)生和高達10億的美金卻沒帶來理想的收益，正確率仍然徘徊在92％左右。

但真正給人看診是不允許8％的誤診率的。雖然人看診的誤診率也許更高！

比如，煙草總局對大數(shù)據(jù)的理解是方向指導而非操作指導，只能做顧問當不了主管。國內(nèi)目前醫(yī)療大數(shù)據(jù)處于起步階段，國家衛(wèi)計委選擇了10家醫(yī)療機構(gòu)來試點醫(yī)療大數(shù)據(jù)，第一家301醫(yī)院招完標不久，估計還沒上線。而且這還屬于數(shù)據(jù)架構(gòu)階段，遠未達到以技術(shù)促創(chuàng)新的階段。其他試點機構(gòu)還在摸索階段，道阻且長！

這就是大數(shù)據(jù)和AI的區(qū)別。能正確識別和運用95%這個理論確率所能涵蓋洐生的商業(yè)價值是大數(shù)據(jù)人在順風豬飛之后的立足之本！但總的來說，時代的發(fā)展總是在不斷向前推進的。隨著人工智能的不斷進步，未來，人類醫(yī)療將越來越從人工智能的發(fā)展中收益！

想了解更多IT資訊，請訪問中培偉業(yè)官網(wǎng)：中培偉業(yè)