时间：2017-06-13 14:34:00 来源：中国科学报
这种情况司空见惯：很多顶级医生整天陷在日常琐碎的管理和大量门诊工作中，不能把主要时间用于真正需要他的病人；此外由于信息化程度比较低，医生无法有效、及时获得病人的信息，无法及早干预，也无法有效跟踪病人的信息以及愈后情况。
最近几年，变革的契机正在发生。从2006年开始，越来越多的公司加入“医疗+人工智能”领域，2016年比例最大，在过去的四年间，这一行业在迅速发展。
这主要得益于三个因素。首先，人工智能技术达到了前所未有的新高度。其次，计算机科学和神经脑科学的结合，使人类越来越能理解智能的本质。再次，互联网飞速发展，有很多方便获得的海量数据，极大推进了产业发展。
人工智能可以应用在很多医疗领域。比如影像科，每年中国医疗影像数据以30%的速度增长，而影像医生的增长速度只有4%。因此，人工智能技术将使影像医生从繁重的劳动中解放出来，并且去帮助他们减少误诊率，提高准确率。
人工智能还可以通过在分子结构数据库中筛选治疗方法，评估出820万种药物研发的候选化合物。2015年，Atomwise基于现有的候选药物应用，人工智能算法在一天之内就成功找到控制埃博拉病毒的两种候选药物。一种新药，从药物发现到通过FDA的批准，平均需要花97个月；而进入临床试验阶段，只有平均不到12%的药物真正上市销售。在人工智能和机器学习的整合下，人们有望在新药研发领域，平均每年降低280亿美金成本。
但是，目前人工智能在医疗领域的应用还有很多困难。
数据层面，由于利益的条块分割、规范化标准的缺乏，数据之间互联互通非常困难。另外，由于信息孤岛，很多机构数据不完备且严重不均衡。
我们如何处理这种情况？迁移学习适合处理同一个数据源或者类似的数据源，但它无法处理不同数据源之间的学习，也不适合处理不相关问题之间的学习。
同时，医疗领域的标注需要专业知识，而医生资源又稀缺，这导致在医疗领域很多数据没有标注或仅简单标注。这也说明，仅靠机器迁移学习是不够的。
此外，泛化学习、自主学习以及深度学习是否真正学到知识、总结知识，还只是简单记忆了这些数据？机器是否能够真正地自主学习、自主发展、自主成长？这些都是值得深思和研究的课题。
（作者系拍医拍联合创始人、首席科学家。）特别声明：本文来源于网络，请核实广告和内容真实性，谨慎使用，本站和本人不承担由此产生的一切法律后果！如有侵权、违规，可直接反馈本站，我们将会作删除处理。
