未来人工智能有可能取代哪类医生？

上海市第一妇婴保健院前院长、教授段涛近日撰文指出：从目前的应用来看，人工智能应用比较好的领域是皮肤科、病理科和影像科，人工智能不是万能的，但是它的确会在某些学科和领域超过人类的能力，取代医生的工作甚至是完全取代医生。

未来的情景将会是：Above average（高于平均水平）的医生由AI做助理，Below average（低于平均水平）的医生是做AI的助理。当然，那些非标准化、充满不确定性以及人工操作的临床工作，还是人工智能无法替代的。

这个问题有两种答案：

看好人工智能的人会说YES，因为用不了几年人工智能真的会取代那些平庸的医生，取代那些Below average（低于平均水平）的医生，但是暂时不会取代那些Above average（高于平均水平）的医生。

不看好人工智能的保守医生会说NO，TA真的是发自内心的、天真地以为人工智能不会取代任何医生。其实未来最需要AI的是Below average的医生，也是最不理解和最不接受人工智能的人。

最近，人工智能很火，不仅仅是在投资界很火，在学术界也很火。

好的人工智能公司很容易融到钱，连不咋地的人工智能公司也拿到钱了，这也难怪一些临床医生说有些AI项目纯粹是圈钱和烧钱，将来肯定进不了临床。

但是，好的AI项目还是挺靠谱的，最近《自然》杂志连续发了好几篇人工智能完胜各个学科医生的文章。

看看这些夺人眼球的文章题目，你就会明白了。

近日，来自谷歌、谷歌大脑与Verily公司的科学家，开发出了一款能用来诊断乳腺癌的人工智能，它的表现甚至超过了专业的病理学家。

内行人都知道，病理诊断的准确性严重依赖于病理医生的水平，即便是对于同一名病人，不同病理学家给出的诊断也往往会有很大不同：一篇2015年的论文发现，不同病理学家对乳腺癌诊断的一致率只有75.3%。在某些不典型的乳腺癌中，诊断的一致率竟下降到了48%，不足一半。

看了这种现状你害怕不？而且在中国我们还缺很多很多的病理科医生。

病理科医生必须经过数年甚至十几年的训练才能掌握足够的经验，成为一名合格的病理学家，要成为优秀的病理学家更是难上加难，在医疗资源不足的地区，想要得到诊断，都是一种奢望。

为了解决病理诊断的瓶颈，谷歌和Verily的科学家们做了一个尝试。他们将单张病理切片的图像分割成了数万至数十万个128x128像素的小区域，每个小区域内可能含有数个肿瘤细胞。随后，他们提供了许多肿瘤组织与正常组织的病理切片，供人工智能学习。最终，这款人工智能掌握了一项像素级的技巧——它能分辨出单个小区域内被标注为“肿瘤”的像素，从而将整个小区域标注为“肿瘤区”，从而有效地将肿瘤组织与健康组织区分开来。

学习完毕后，这款人工智能迎来了实战。科学家们邀请了一位病理学家，并让他与人工智能进行一场比赛。这名病理学家花了整整30个小时，仔细分析了130张切片，并给出了他的诊断结果。在随后基于灵敏度（找到了多少正确的肿瘤）和假阳性（将多少正常组织诊断为肿瘤）的评分中，这名病理学家的准确率为73.3%。人工智能交出的答卷是88.5%，完胜人类。

2017年1月10日，美国FDA首次批准了一款心脏核磁共振影像人工智能分析软件Cardio DL，这款软件将深度学习用于医学图像分析，并为传统的心脏MRI扫描影像数据，提供自动心室分割分析，这一步骤与传统上放射科医生需要手动完成的结果一样精准。

这一基于深度学习的人工智能医学影像分析系统，已经进行了数以千计的心脏案例的数据验证，该算法产生的结果与经验丰富的临床医生分析结果不相上下。

据悉，这款人工智能心脏MRI医学影像分析系统，不但得到了FDA 510(k)的批准，还得到了欧洲的CE认证和批准，这标志着该软件将被允许应用于临床。

近期，在北卡罗来纳大学（UNC）教堂山分校精神病学家Heather Hazlett的带领下，人工智能在疾病诊断领域又下一城。她们开发的深度学习算法，在预测2岁前的自闭症高危儿童（有个自闭症哥哥或者姐姐）是否会在2岁之后被诊断为自闭症上，以88%的准确度远超准确度只有50%的传统行为问卷调查法（Charman, 2014）。人工智能在疾病诊断领域再次战胜人类。

2016年8月16日,《自然·通讯》发表了一份斯坦福大学医学院研究人员的研究：计算机可被培训在评估肺癌组织切片时，比病理学家更精确。

研究人员使用了从腺癌、鳞状细胞癌患者获得肺癌基因图谱的2186张图像。数据库还包含了每例肿瘤的级别、期别以及每例患者在诊断后的存活时间信息。

然后，研究人员使用这些图像来训练计算机软件程序，以确定更多肉眼所不能观察到的癌症特异性特征——近10000种个性特质vs几百种病理学家通常使用的评估特征。这些特征不仅包括了肿瘤细胞的大小及形状，也包括了细胞核的形状与质地以及与相邻肿瘤细胞的空间关系。

斯坦福大学遗传学教授Snyder博士说：“事后看来，一切都在情理之中。计算机能够比人类更加准确、快速地在数以千计的样本中，多次评估甚至是微小的差异。”

斯坦福大学研究人员采用深度卷积神经网络，通过大量训练发展出模式识别的AI系统，使计算机学会分析图片并诊断疾病。

训练计算机的数据库由129450张皮肤病变图片和对应的文字描述组成，涵盖了2032种皮肤病。而诊断的“参考答案”则由皮肤病专家提供，他们依靠的是非侵入性图像分析和组织活检。

之后，计算机迎来了“毕业考试”。研究者向受训的计算机和21名执业医师分别提供了一批训练数据集中，没有出现过皮肤病变的图片，这些图片都由组织活检确定了对应的病症。诊断比赛的结果是计算机的准确率和人类医生差不多，有时候还胜过人类医生。

人工智能不是万能的，但是它的确会在某些学科和领域超过人类的能力，取代医生的工作甚至是完全取代医生。

如果用于诊断疾病，判断预后的数据或图像可标准化、量化、结构化的话，基本上可用人工智能来完成。在确立算法后，可让机器不断地学习和积累，逐步完善，最终战胜人类。

从目前的应用来看，人工智能应用比较好的领域是皮肤科、病理科和影像科。

皮肤科在台湾和一些欧美国家，都是医学院学生在毕业的时候最喜欢选择的科室，因为工作相对轻松，收入颇丰，而且还不用值夜班。它也是在线问诊收入最高的科室。

很遗憾，人工智能要来了，而且很有可能会取代很多人的工作，假以时日，皮肤科的人工智能医生将会取代很多人的工作。

目前，中国最缺的医生是病理科，很遗憾，届时病理科和影像科医生的工作也有可能被人工智能抢走，而且它们的水平将会高于大多数普通医生。

再看看我从事的妇产科，有很多常规工作将来都可以用人工智能来完成，根本不需要那么多的医生了。

宫颈癌的筛查：医生收集宫颈脱落细胞以后，机器可以自动制片，自动判别是否有癌细胞。在宫颈细胞良恶性方面，至少80-90%的病理医生的工作可以被人工智能取代。

产科超声：在胎儿畸形的筛查与诊断方面，北美的普遍做法是由一般的Sonographer超声技师来按照标准的切面截图保留，然后由MFM母胎医学专家审读、写报告。理论上讲，这些超声截面图的审读是可以由人工智能来完成的，原理类似于人工智能对CT和MRI片子的解读和判断。

胎心监护：胎心监护结果的解读和判断也完全可以由人工智能完成。

机器比人可靠，更精准，而且它还不会疲劳，随着算法的不断进步和数据的不断积累，人工智能的水平会越来越高，会从现在的帮助人类做判断，演变到代替人类做判断。

这个趋势是不可逆的，也不可抵挡，FDA也挡不住。将来会有一个Breaking Point引爆点，过了这个引爆点以后，会出现医生常规工作量断崖式的下跌。

未来的情景将会是：Above average（高于平均水平）的医生由AI做助理，Below average（低于平均水平）的医生是做AI的助理。

当然，那些非标准化、充满不确定性以及人工操作的临床工作，还是人工智能无法替代的。