看病难，看病贵？这不是中国特色，某种程度上美国比中国要严重得多。全球都面临着类似的问题。世界卫生组织估计，全球约有430万医生和护士的缺口。这种欠缺在不发达国家更为严重，而发达国家也面临医疗费用日益高昂的挑战。

资源缺乏带来的影响，往往体现在每个患者可以得到的诊疗时间。一项研究估计，美国医生在每个病人身上平均花费13-16分钟。而在国内，此前有报道称医生平均接诊时间4-6分钟，更有调查称：“门诊医生平均只肯听病人述说病情19秒”。

然而我们并不能据此过多指责医生，至少『量子位』遇到的医生绝大多数认真负责，候诊的病患每日数以百计，忙得中午饭都来不及好好吃。怎么办？

人工智能(AI)也许是解决之道。至少在以下五个方面，AI已开始发挥作用：

替医生做诊断

去年8月，老牌人工智能产品IBM Watson分析了数千个基因突变，最终确诊一位60岁的日本女性，患有一种非常罕见的白血病，并提供了适当的治疗方案，而几个月前她曾被医院误诊。Watson的整个诊断过程不到10分钟，如果换做人类医生，这个诊断需要耗时数周才能做到。

东京大学附属医院的Arinobu Tojo医生表示：“说AI拯救了她的生命可能有一点点夸张，但是AI确实非常迅速的给出了所需数据”。现在，Watson的肿瘤解决方案已经进入了21家中国医院。

在人工智能诊疗领域，除了Watson这样的成熟应用，还有活跃于学术界的各种创新研究。

比如说最近一期（第542期）Nature的封面，就是关于人工智能诊断皮肤癌的。斯坦福大学人工智能实验室在Nature发表论文展示了这一成果：他们用12.9万张皮肤病变的照片训练深度卷积神经网络，让它对皮肤损伤进行分类，诊断皮肤癌。这一算法的准确率达到91%以上，与人类皮肤科医生无异。未来，这种算法可以用于移动App，让用户在家就能自行拍照诊断皮肤癌。

（在公众号会话界面回复“皮肤癌”获取相关论文）

国内的中山大学最近也有AI诊断方面的成果发表。该校科研人员在Nature biomedical engineering上发表的论文显示，他们开发的人工神经网络CC-Cruiser诊断先天性白内障的准确率，已经达到人类眼科医生的水平。这些科研人员表示，该技术未来也可以别用于诊断其他疾病。

（在公众号会话界面回复“白内障”获取相关论文）

机器学习技术也被用到了精神疾病的诊断中，比如说纽约大学Langone医学中心的Charles Marmar就在使用机器学习来挖掘语音中的特征，从而帮助医生来诊断PTSD（创伤后应激障碍），Sonde Health则用类似的方法来诊断产后抑郁，以及老年痴呆症、帕金森病等老年性疾病。（在公众号会话界面回复“语音诊断”查看『量子位』之前的相关文章）

解读医疗影像

如果说AI替代医生做诊断，甚至给出治疗方案似乎还是巨头和科研界的游戏，离我们稍嫌遥远，那么人工智能帮医生解读医疗影像则是正发生在我们身边的现实，大量国内外创业公司涌入了这个热门的领域。

我们还从老牌厂商IBM说起。去年8月，IBM斥资10亿美元，将一家医疗影像公司Merge收入麾下，并与Watson健康部门合并。Merge是美国最具影响力的医疗影像公司，不仅拥有大量的医学数据和图像（CAT扫描、乳房摄像），还有帮助医生存储、分析医学图像的顶尖技术平台。

2014年创立的Enlitic也专注于这一领域，该公司的图像识别软件利用CNN（卷积神经网络），读取X光片和CT图像筛查恶性肿瘤。

国内，也有众多创业公司在研究如何用AI解读医疗影像，『量子位』根据公开数据进行的不完全统计显示，仅在去年完成天使轮融资的就有6家，包括推想科技、DeepCare、图码深维、连心医疗、森亿智能和迪英加。

科研领域也依然在研究这一课题，伦敦帝国学院的研究人员正在尝试应用机器学习治疗创伤性脑损伤。研究人员把这种损伤的图片，“喂送”给人工智能算法进行学习，随后电脑学会了识别脑损伤，并能够分辨灰质和白质。这种能力将为研究人员提供有价值的信息。

慢性病预测和健康管理

在健康管理方面，IBM同样早有布局。IBM的人工智能系统Watson与美国药店CVS合作，CVS向Watson开放海量患者行为信息，包括临床数据、购药数据和保险数据等，Watson对用户行为和相关指标进行分析，来提前预知患者的病情。

长期血糖偏高会引发多种并发症，例如导致失明等。去年，Google发出最新研究成果：利用深度学习算法，来筛查糖尿病患者的视网膜病变情况。结果显示，人工智能做出的判断与专业医生旗鼓相当，甚至在部分指标上比医生还好。

同样是针对眼部疾病。微软去年在印度利用了Azure的机器学习能力来处理数据，并用Power BI服务将数字可视化，以从中找出隐含的意义。据报道这些数据不但能帮助医生确定病人的眼部疾病离恶化还有多长时间，而且能预测进行眼部手术的成功率。

不久前，英国科学家公布的研究成果显示，AI还能预测心脏病人何时死亡。通过分析血检以及心脏扫描结果，人工智能可以发现心脏即将衰竭的迹象。

此外，Lumiata推出的Risk Matrix能够基于唾液分析等数据，预测食管癌发病的风险。Next IT推出的Alme Health Coach通过人工智能技术评估慢性病人的整体状态，并给出个性化的健康管理方案。虚拟护士Molly也能通过机器学习的方式帮助患者康复。

走进手术室

这个领域最知名的莫过于达芬奇。

2000年，Intuitive Surgical达芬奇系统正式获批上市。这个手术机器人最初用于支持微创心脏搭桥手术，后来又在前列腺癌治疗方面取得进展。达芬奇机器人由三部分组成：外科医生控制台、床旁机械臂系统、成像系统。

数据显示，目前美国四分之一的手术中都使用了达芬奇系统。2006年，301医院引入第一台达芬奇手术机器人。但有报道说达芬奇价格高昂，后续的维护成本也不低。

除了达芬奇之外，还有很多公司也在不同领域推出了手术机器人。人工智能也在手术室里辅助进行麻醉管理，包括术前评估、方法选择以及术中管理等等方面。

值得一提的是，Google母公司Alphabet旗下生命科学部门Verily与强生合作，共同创立了Verb Surgical公司，主打机器人手术助手。将来，可能会有更多企业进入该市场，并探索不同的细分空间，打造出一个感知、数据分析和自动化生态系统。

机器人还被用于在医院内进行送餐送货等服务。Aethon公司推出的TUG机器人，能够包揽医院里各种事务杂活等后勤工作，比如处理递送药品、医疗用品、实验室标本，处理医疗垃圾等任务。还能让医护人员与病人远程聊天和互动。

医生的助理

《福布斯》此前曾经报道：医生花费27%的时间在诊室问诊，还有49.2%的时间在做书面工作，其中包括使用电子健康记录系统。即便在诊室，医生只花52.9%的时间在跟患者沟通，还有37%的时间在处理书面工作。

一些医疗健康机构已经开始使用人工智能程序来减少医生和护士收集患者信息的时间，这有助于降低成本，但是有可能反而进一步减少医生和患者交流的时间。

除了在工作中协助医生之外，人工智能系统也在协助医生更好地学习新知识。扎克伯格夫妇的慈善组织“陈-扎克伯格行动”（CZI）半个月前收购的科研搜索引擎Meta，就是这样一个产品。

Meta使用人工智能技术，帮助科研人员跟进自己领域的最新进展，目前主要用于医疗领域。科研人员可以利用Meta找到新技术，理解冠状动脉疾病；研究生可以看到，两种疾病以同样的方式激活人体的免疫机制；医生可以更快地找到正在开发寨卡病毒治疗手段的科学家。