AI诊疗 已经开始倒数读秒了吗(2)

尽管进步很大，但距离真正的“人工智能+医疗”还有一定的距离。目前很多案例并不流畅，北京深知无限人工智能研究院首席科学家、欧洲科学院院士汉斯·乌思克尔特坦言，人工智能以数据为生命线，目前连最基础的医学信息提取都是非常困难的事情。

“从非结构化数据当中提取信息，是非常重要的工作。非结构化数据可以是影像，也可以是文本。”汉斯说，将来源不同的数据与具体病例关联，进而进行研究。“这些数据需要在机器内部互相理解，比如手术报告，医生会以个性化的语言书写，除了真相外，医生还会写下他怀疑的信息，否定的信息等，如何将这些信息提取出来，进行分门别类的分析呢？”汉斯介绍，很多医疗领域从业者已经建立了很大的知识库，比如联合医疗语言系统，这是一个非常大的知识体系，有18万不同的概念，算是一个小型的“知识图谱”，作为基础架构更待共同完善。

汉斯表示，在医学领域AI从3个方面大展拳脚：一是临床研究，二是药理学相关研究，三是帮助医生衡量不同因素，依据数据提出建议。“我们把它叫作决策支持，而不是决策本身。”汉斯强调，因为最终的决策总是要由医生做出的。

此外，也有另辟蹊径的突破，汉斯讲到，在柏林有一个病人手脚都不能动，通过脑机接口的科学实验，机器帮助他与人进行沟通交流，有了机器和人脑的交互，他就可以重新和世界进行交流。

发展关键：数据积累是完成任务的前提

“我们医院有专门的病案数据统计部门，积累了大量的患者基本情况和他们的疾病诊断、治疗等数据，数据统计部门计划通过对这些数据的分析更好地为治疗患者提供支持。”北京大学肿瘤医院季新强说。

以北京大学肿瘤医院为代表，很多医院都建立了数据中心，将疾病的信息积累起来，用于挖掘分析。在北京西山，中国医学科学院阜外医院基于专业的私有云搭建起国家级、可共享延展的健康医疗大数据和生物样本库平台，通过深度挖掘、利用数据样本，旨在帮助医生精准治疗，并寻找新药靶点，指示功能基因位点。

数据积累是AI得以完成任务的前提。在谷歌大脑对于从视网膜图像，辅以各种因素如年龄、性别、吸烟史、血压等，预测心血管疾病风险的任务中，系统使用了130000个视网膜图像进行训练。