“其实有很大一部分病人是不用挂专家号的，我们能否在病人挂号前分析病人病情，为其匹配相应专家，避免号源浪费呢？”复旦大学附属肿瘤医院副院长吴炅对包括第一财经在内的记者表示，这种情况下就出现了“精准预约”的预约挂号模式，通过患者上传的真实病例资料，让AI引擎有了“分诊功能”。

在该项服务下，每位患者平均节省2.5小时的就诊时间，患者挂专家号的等待时间平均减少7.4天，到诊率提高了7%。专家门诊的效率平均提高了3.5倍左右，并且有效打击了黄牛号的现象。

可以发现，上述的诸多“AI＋医疗”的应用场景，目前还是处于比较基础的图像、语音等AI应用层，并未出现深度学习的场景，这也和人工智能以及医疗行业发展的自身特点有关。

“目前‘AI＋医疗’的运用主要还是为了提高医生能力，代替医生完成冗余重复、低技术含量的环节为主。”王延峰说，以智能辅助诊断为例，虽然如今应用得越来越多，但是仍处于起步阶段。AI的深度学习依赖海量数据提升模型性能，但医疗数据获取和标注的难度远比公共数据要大。另外，部分公众对于智能化诊断的接受程度相对较低，基层医生也习惯于传统的诊疗模式。

不过，王延峰认为，未来我国“AI＋医疗”的应用前景可期，尤其可以在诊断、推理、管理、手术、护理、病历、培训等多个领域充当医生的“超级助手”。“比如AI护理机器人可以补充我国护理人员缺口。培养年轻医生过程中，智能模拟系统以及已经运用比较多的智能辅助影像系统，都可以提高这些经验不足的年轻医生处理问题的能力。”

相关报道: