AI助力医疗 人工智能医生上岗靠“谱”吗？
一分钟诊所早起源于美国，早在2000年时便已见雏形。但是在当时，一分钟诊所只能治疗咽喉炎、流感、孕检、膀胱炎、外耳炎和鼻窦炎这几种病。在诊所，主要由一位执业护士(nurse practitioner)或医生助理(physician assistant)首诊。医生助理、执业护士与普通护士不同，必须具有硕士学位并在相关专业轮转后才可获得执照，如家庭医生方向、儿科方向等。获得执照后，在过半数的州内可以独立看诊常见病，在其余的州内则需要在医生的监督下诊疗。如果经过执业护士或者医生助力的诊断，初步判定是一分钟诊所可以治疗的疾病，病人就可以立刻进行抽血等化验检查以确诊，确诊后即可处方给药。因为便利诊所一般开在连锁药店，或者售卖药品的超市，所以病人可以很方便地取药。诊所内没有医生(medical doctor)，遇到诊所处理不了的问题就会*病人去急诊就诊。
而在科技发展日新月异的今天，人工智能朝着成为21世纪医学不可或缺的一部分又迈进了一步。
国内一分钟诊所医疗ai已上线
走进的问诊间，可以看到一个提供人机对话的屏幕，上面有摄像头和麦克风。选择屏幕上的“开始问医生”，便出现了语音播报。接下来，就和在医院接受医生问诊类似，语音播报一个个的问题：“您好，请问是哪里不舒服？”“问诊人的年龄多大了？”“不适多久了？”“有哪些症状？”“发作频率如何？”……问题非常细致，大有循循善诱的感觉，要对着麦克风回答即可。在听完记者依次答复“喉咙不舒服”“有些咳嗽”“没有痰”等后，屏幕上出现了一名“普内科\主治医生”，经过他的判断，屏幕和语音都表示，可能得了感冒，并给出了用药和康复建议。
通过询问诊所附近公司的员工，员工们表示曾经因为医院过远，即使有病也不会去医院诊断。
美国儿科ai医疗助理已上线
在《自然医学快报》上，证明了一种自然语言处理的人工智能，在诊断常见的儿童疾病方面表现优于新手儿科医生。与传统训练的儿科医生一样，ai将病例分解为主要器官组和感染区域(上/下呼吸道，胃肠道等)，然后再将其进一步细分。然后它可以发展各种症状和器官组之间的关联，并使用这些关联来改善其诊断。在与人类医生进行比较时，该研究使用了来自一组无关儿童的11,926条记录，给出了mlc和20个人一个公平的比赛场地进行比较。结果很清楚：虽然*儿科医生团队的表现优于人工智能，但人工智能的表现远远超过初级儿科医生(有3至15年经验的儿科医生)。
ai助力医疗，靠“谱”
这个“谱”被称为知识图谱，是将人类世界中产生的知识，构建在机器世界中，进而形成能够支撑类脑推理的知识库。
医疗知识图谱的构建，首先要将非结构化/半结构化(注：结构化数据为ai可直接利用的数据)的数据表示成知识图谱的形式，其中包括将医学文献知识转变为医疗知识图谱，也包括将海量病例中挖掘的经验知识转变为机器可以理解的表示形式。
美国的ai医疗助理和与ibm的watson一样，儿科ai利用自然语言处理，本质上是在“阅读”ehr的书书面记录，就像人类医生查看这些记录一样。这位“助理”的知识储备来自于567,498名患者的1,362,559次门诊访问，产生了约1.016亿个数据点，供它获得儿科方面优势。
而中国的这位ai医生开发基于海量就诊数据、几千万的医学文献和临床指南来构建。基于中文医疗知识图谱，目前已开发出覆盖几千种疾病辅助诊断模型和辅助治疗模型(其中近百种疾病支持个性化用药方案的*)。同时还给出不同角度的辅助诊断，包括基于疾病与症状关系辅助诊断；基于疾病与检查检验关系*检查检验；基于疾病与药品关系及药物相互作用*用药；基于指南、文献以及相似病例*医疗证据。
智能医疗离我们更近，但仍然依赖我们
无论终应用如何，未来的ai医生都会逐步接近我们。研究证明，即使在一些复杂和重要的决策过程中，人工智能也可以模仿人类演绎推理的结果。确实，ai们需要人类输入功能;初始数据点和用于评估ai的案例都取决于医生编写的知识图谱。虽然我们尽一切努力设计一个测试模式来消除终诊断的任何迹象，但必然会发生一些“数据泄漏”。
换句话说，当ai使用人工创建的数据时，他们会在某种程度上继承人类的洞察力。然而，在机器成像，聊天机器人，传感器和其他领域取得的进展都表明，这种对人类投入的依赖更多地取决于我们现在所处的位置，而不是我们在不久的将来可能达到的位置。
以数据眺望未来
不久的将来也可能有一些明显的赢家和输家。目前，这些赢家似乎是那些能够捕获并应用大数据集的机构。随着快速数字化的社会收集大量数据，中国具有明显的优势。结合相对宽松的隐私方法，可能会继续作为机器学习及其应用背后的驱动力之一。 谷歌/ alphabet也将进行大规模的医学研究。数据是这次ai军备竞赛中的铀，每个人似乎都在忙着收集更多。
在一个似乎越来越意识到由于这种需求和依赖数据而产生的潜在问题的社区中，很高兴知道它也会有好处。人工智能医疗助理背后的技术看起来越来越成熟，尽管我们仍在努力寻找确切位置，应该在何时何地以及如何首先普及的这种技术。
然而，无论我们在哪里看到下一步努力使ai成为现实医疗环境中的标准工具，我们应毫不怀疑它将大大改善人类患者的生活。今天，ai医生的表现和一位拥有超过10年经验的人类同行一样。到明年左右，人类的竞争力可能需要两倍的时间。十年后，所有人类历史医学知识的结合可能成为一种工具，就像医生手中的听诊器一样常见。
博力谋BELIMO电动阀门维护及保养方法
UV光解净化器使用说明书
亚马逊无人便利店开业 背后技术有多牛？
ZCG高温防爆电磁阀
一体化提升泵站的主要作用
AI助力医疗 人工智能医生上岗靠“谱”吗？
PMP48压力测量变送器
恒温恒湿试验箱的操作方法
美国CCI可控硅1652-48-50固态继电器大量现货
YK43F-64C高压气体减压阀应用案例
遂宁市SF6/O2 在线监测系统生产厂家
导体电阻率测试仪的主要指标分享
线材拉力试验机
多参数水质检测仪的特点及操作方法是什么？
气动马达
氨氮废水处理曝气生物滤池多孔释碳填料的应用
电磁吸合式振动试验台
详细介绍恩派特化工桶破碎机优点以及性能
10m3/d地埋式污水处理设备装置
地下智能餐厅油污水分离器规格型号及价格
而在科技发展日新月异的今天，人工智能朝着成为21世纪医学不可或缺的一部分又迈进了一步。
国内一分钟诊所医疗ai已上线
走进的问诊间，可以看到一个提供人机对话的屏幕，上面有摄像头和麦克风。选择屏幕上的“开始问医生”，便出现了语音播报。接下来，就和在医院接受医生问诊类似，语音播报一个个的问题：“您好，请问是哪里不舒服？”“问诊人的年龄多大了？”“不适多久了？”“有哪些症状？”“发作频率如何？”……问题非常细致，大有循循善诱的感觉，要对着麦克风回答即可。在听完记者依次答复“喉咙不舒服”“有些咳嗽”“没有痰”等后，屏幕上出现了一名“普内科\主治医生”，经过他的判断，屏幕和语音都表示，可能得了感冒，并给出了用药和康复建议。
通过询问诊所附近公司的员工，员工们表示曾经因为医院过远，即使有病也不会去医院诊断。
美国儿科ai医疗助理已上线
在《自然医学快报》上，证明了一种自然语言处理的人工智能，在诊断常见的儿童疾病方面表现优于新手儿科医生。与传统训练的儿科医生一样，ai将病例分解为主要器官组和感染区域(上/下呼吸道，胃肠道等)，然后再将其进一步细分。然后它可以发展各种症状和器官组之间的关联，并使用这些关联来改善其诊断。在与人类医生进行比较时，该研究使用了来自一组无关儿童的11,926条记录，给出了mlc和20个人一个公平的比赛场地进行比较。结果很清楚：虽然*儿科医生团队的表现优于人工智能，但人工智能的表现远远超过初级儿科医生(有3至15年经验的儿科医生)。
ai助力医疗，靠“谱”
这个“谱”被称为知识图谱，是将人类世界中产生的知识，构建在机器世界中，进而形成能够支撑类脑推理的知识库。
医疗知识图谱的构建，首先要将非结构化/半结构化(注：结构化数据为ai可直接利用的数据)的数据表示成知识图谱的形式，其中包括将医学文献知识转变为医疗知识图谱，也包括将海量病例中挖掘的经验知识转变为机器可以理解的表示形式。
美国的ai医疗助理和与ibm的watson一样，儿科ai利用自然语言处理，本质上是在“阅读”ehr的书书面记录，就像人类医生查看这些记录一样。这位“助理”的知识储备来自于567,498名患者的1,362,559次门诊访问，产生了约1.016亿个数据点，供它获得儿科方面优势。
而中国的这位ai医生开发基于海量就诊数据、几千万的医学文献和临床指南来构建。基于中文医疗知识图谱，目前已开发出覆盖几千种疾病辅助诊断模型和辅助治疗模型(其中近百种疾病支持个性化用药方案的*)。同时还给出不同角度的辅助诊断，包括基于疾病与症状关系辅助诊断；基于疾病与检查检验关系*检查检验；基于疾病与药品关系及药物相互作用*用药；基于指南、文献以及相似病例*医疗证据。
智能医疗离我们更近，但仍然依赖我们
无论终应用如何，未来的ai医生都会逐步接近我们。研究证明，即使在一些复杂和重要的决策过程中，人工智能也可以模仿人类演绎推理的结果。确实，ai们需要人类输入功能;初始数据点和用于评估ai的案例都取决于医生编写的知识图谱。虽然我们尽一切努力设计一个测试模式来消除终诊断的任何迹象，但必然会发生一些“数据泄漏”。
换句话说，当ai使用人工创建的数据时，他们会在某种程度上继承人类的洞察力。然而，在机器成像，聊天机器人，传感器和其他领域取得的进展都表明，这种对人类投入的依赖更多地取决于我们现在所处的位置，而不是我们在不久的将来可能达到的位置。
以数据眺望未来
不久的将来也可能有一些明显的赢家和输家。目前，这些赢家似乎是那些能够捕获并应用大数据集的机构。随着快速数字化的社会收集大量数据，中国具有明显的优势。结合相对宽松的隐私方法，可能会继续作为机器学习及其应用背后的驱动力之一。 谷歌/ alphabet也将进行大规模的医学研究。数据是这次ai军备竞赛中的铀，每个人似乎都在忙着收集更多。
在一个似乎越来越意识到由于这种需求和依赖数据而产生的潜在问题的社区中，很高兴知道它也会有好处。人工智能医疗助理背后的技术看起来越来越成熟，尽管我们仍在努力寻找确切位置，应该在何时何地以及如何首先普及的这种技术。
然而，无论我们在哪里看到下一步努力使ai成为现实医疗环境中的标准工具，我们应毫不怀疑它将大大改善人类患者的生活。今天，ai医生的表现和一位拥有超过10年经验的人类同行一样。到明年左右，人类的竞争力可能需要两倍的时间。十年后，所有人类历史医学知识的结合可能成为一种工具，就像医生手中的听诊器一样常见。
博力谋BELIMO电动阀门维护及保养方法
UV光解净化器使用说明书
亚马逊无人便利店开业 背后技术有多牛？
ZCG高温防爆电磁阀
一体化提升泵站的主要作用
AI助力医疗 人工智能医生上岗靠“谱”吗？
PMP48压力测量变送器
恒温恒湿试验箱的操作方法
美国CCI可控硅1652-48-50固态继电器大量现货
YK43F-64C高压气体减压阀应用案例
遂宁市SF6/O2 在线监测系统生产厂家
导体电阻率测试仪的主要指标分享
线材拉力试验机
多参数水质检测仪的特点及操作方法是什么？
气动马达
氨氮废水处理曝气生物滤池多孔释碳填料的应用
电磁吸合式振动试验台
详细介绍恩派特化工桶破碎机优点以及性能
10m3/d地埋式污水处理设备装置
地下智能餐厅油污水分离器规格型号及价格