QQ在線
企業微信
資訊
529AI這么厲害，有可能代替醫生嗎？其實，正如專家所說，目前AI在醫學中的應用更多是輔助功能，嚴謹的科學研究暫時不能以AI技術來代替主流方法。但是隨著技術的發展，或許未來，AI真的可以在突發性公共衛生事件中力挽狂瀾。
過去，我們一直在討論人工智能將如何服務醫療行業，如今新冠肺炎爆發，最現實的問題擺在了技術和企業面前：AI如何助力攻克疫情？
“10天火速建成醫院；運營商兩天完成移動寬帶和5G基站建設；運用AI僅用14天完成病毒基因組測序……”近日熱門話題“肺炎疫情防控背后的黑科技”的討論，就讓網友紛紛感嘆到了科技力量的發展。
其實，不僅僅在這幾個方面，在疫情爆發的這段時間，各個AI企業、技術團隊快速響應，各顯其能，通過AI技術來應對疫情。2月4日，工信部也發文向國家人工智能相關學（協）會、聯盟、企事業單位倡議，充分發揮人工智能賦能效用、協力抗擊疫情。
一邊是不斷上漲的確診、疑似病例數字，另一邊也有技術助力的好消息不斷傳來，那么，疫情進入到了一定階段，AI到底為抗疫前線做了些什么？
醫學研究：AI算法快速分析病毒基因提升確診效率
確診28060例，疑似24702例，死亡564例，治愈1153例，這是截至到2月6日07:41最新更新的全國新冠肺炎疫情數據。
其中，快速確診新冠肺炎病人還面臨著一定的困難。2月3日，中國工程院院士、國家衛健委高級別專家組成員李蘭娟在武漢接受央視采訪時表示，武漢目前檢測試劑數量不夠，因此不是每個人都能夠得到檢測。核酸檢測試劑短缺、假陰性，都在影響新冠肺炎病人的確診。
關于此，中山大學數據科學與計算機學院教授陸遙在接受新浪科技采訪時也提到，目前核酸檢測是通過生化試劑盒進行檢測，但是由于質量參差不齊，需要多次檢測確診，并且存在一定的假性結果，導致大量疑似患者無法快速確診。
不過近日，AI算法的介入，帶來了好消息。浙江省疾控中心上線的自動化全基因組檢測分析平臺，就將病毒基因分析的效率由原來的一小時縮至半小時。據悉，該分析平臺由浙江省疾控中心聯合阿里達摩院、杰毅生物共同打造。
阿里巴巴達摩院算法專家顧斐在接受新浪科技采訪時表示，這個平臺包括三部分，第一部分就是樣本提取和建庫，由杰毅生物負責；第二部分是測試，由原來就具有測試系統和設備的浙江省疾控中心來完成；第三部分則是阿里達摩院團隊在負責的分析服務。
顧斐日前正在前線參與該平臺的研究分析，他表示，自己在達摩院原本就是研究基因相關的方向，一月底在緊急情況下進入前線研究團隊，到現在已經參與了一周時間。
據其介紹，這套全基因組檢測分析平臺相比較傳統的病毒基因檢測方法，有幾個方面的提升和優化。
首先，檢測范圍廣，相比較核酸檢測主要檢測病毒序列的兩個片段，應用AI算法的全基因組檢測分析平臺基本能覆蓋到病毒的全基因組，可以避免傳統檢測方法可能存在假陽性和假陰性等漏檢的問題。
其次，可以提前發現病毒變異的情況。
第三，該分析平臺配備了蛋白結構分析功能。顧斐表示，“病毒有其序列，序列就是我們現在檢測的東西，病毒的蛋白結構是其真正發揮毒性的東西，蛋白結構當然是跟序列比較相關，但是也需要有一套分析方法去構建它的結構。”該分析平臺同時提供了二級結構、三維結構的分析功能，可以幫助疾控人員快速檢測到病毒，并知道病毒的結構，進一步幫助他們提升分析和研究能力。
不過，目前該平臺更多還是由開發人員來使用操作，醫護人員操作起來比較復雜，還需要在開發人員指導下操作，“醫護人員要操作還需要一定的時間”。
“要克服的難關可能就是時間緊、任務重，然后也有一些內容是我們需要現場做開發，不是之前就有的。” 顧斐說。
他表示，后續該全基因組檢測分析平臺會嘗試向更多省市的疾控中心推廣，雖然現在還在優化的階段，但是通過科技力量去抗擊疫情會是一個趨勢。
陸遙在采訪中也提到，目前，基于AI對影像進行分析，輔助臨床醫生進行決策診斷得到越來越多醫生的認可，在一定程度上可以緩解目前核酸檢驗的困境。“病毒基因確實可以利用AI進行快速分析，這對于快速開發相關藥物和疫苗都有重大意義，這個在藥物開發領域已有成果應用。”
此外，他還提到，AI在藥物靶標確定、先導化合物篩選、臨床試驗論證等場景下也有所應用，譬如去年九月澳大利亞弗林德斯大學的研究人員所研發的新型疫苗便是利用AI技術篩選化學化合物。
智能機器人：無人設備發揮關鍵作用
相比較數據分析和醫學研究的專業性限制，智能硬件在醫院、患者之間的應用更為廣泛。
隨著疫情的發展，目前包括獵戶星空、思必馳在內的多家人工智能企業推出智能醫療服務機器人馳援抗疫前線。
其中，獵豹移動投資的獵戶星空針對疫情捐贈的醫療服務機器人已交付武漢火神山醫院，也推向接診壓力巨大的北京大學首鋼醫院和海淀醫院，它能夠根據醫院需求分別執行遞送化驗單、藥物等工作；
思必馳推出的疫情防控機器人可進行居民回訪和信息通知、外來人口排查、健康監測和防護建議，并針對重點人群的疫情信息進行記錄和定期跟蹤等；
無錫產智能化配藥機器人應用在藥物調配過程中，可使操作人員不需要直接接觸藥物，調配過程由機器完成，能避免藥物交叉污染和空氣污染，已在武漢紅十字會醫院重點部門投用；
中國移動和達闥科技聯合捐贈的2臺5G云端智能機器人在武漢協和醫院、同濟天佑醫院上崗，包含了服務機器人、消毒清潔機器人；
測溫巡邏機器人落地廣州黃埔，協助一線民警在危險、高強度的工作環境中完成排查、防控任務。
……
網友表示，去年還有很多聲音討論5G有什么用，經過這次，5G、云計算將更快應用到各行各業，而大規模采用機器服務可能會出現一個熱潮。
更有人提出設想：希望5G機器人可以開發自我制作功能，如果大規模鋪設服務機器人，整個武漢充滿了機器人，清潔送菜消毒防疫都用他們就好了。
在與這場新型肺炎的斗爭中，我們看到很多堅守在一線醫護人員體力透支，很多醫院甚至醫護人員緊張，而智能服務機器人的出現，一定程度上抗疫緩解這一現象，專家學者以及更多的人開始關注通過AI硬件在這場疫情中發揮作用，負擔更多基礎性工作，來減輕醫護人員的負擔。
陸遙告訴新浪科技，據其了解，目前醫療服務機器人具備視覺、語音、導航、大數據支持等相關功能，可用于無人導診、自動響應發熱問診、引領病人及初步診療，并可實現醫生對病人的遠程診療，避免醫護人員與病患直接接觸而發生交叉感染的可能性，并提高病人的診療效率。此外，還可以對診療信息進行收集、上報、統計和分析，可幫助醫護人員更快做出醫療決策。
另一方面，用機器人代替醫護過程中遞送化驗單、藥物等簡單但耗力的流程化工作，還可減輕醫務人員的工作量，避免醫護人員在遞送路上的感染可能。
“綜上可見，醫療服務機器人利用數據和智能化的技術可幫助醫護人員更高效安全地對病情診斷。”陸遙表示。
數據分析：AI測溫快速觸達人群，行而有效
當然，不管是醫療研究還是智能機器人，在實際的應用中都還處于初級階段，此前少見有醫院廣泛推廣使用。
醫院中國科學技術大學副研究員、《科技袁人》欄目主講人袁嵐峰在接受新浪科技采訪時表示，其實AI醫療的難度，比最初設想的大得多。“據我所知，近年來有很多機構在嘗試將AI應用于醫學。在最初的熱潮過去后，許多以失敗告終，如IBM的‘最強大腦’Watson機器人。”
他引用了一些專家朋友的看法，認為AI醫療主要的突破口不應該是最初設想的那樣，讓AI來診斷，而應該是輔助醫療，例如自動采集體溫、提醒患者復診等等，在這些方面大有可為。
實際上，相比較醫學研究，AI在數據分析、體溫測量等領域都切實落地應用到了防疫工作中。
2月4日，曠視上線了AI測溫系統，并在海淀政務大廳和海淀區部分地鐵站展開試點應用。該系統采用“人體識別+人像識別+紅外/可見光雙傳感”的解決方案，相較傳統測溫篩查手段，識別效率更高，無需接觸即可測溫，識別誤差低于0.03℃。
在此之前，百度AI多人體溫快速檢測解決方案也已在北京清河站落地使用。
其中，曠視AI測溫系統由海淀區以及中關村科學城管委會統一調度。新浪科技了解發現，除了這一方案，中關村管委會此前面向示范區企業收集可參與抗擊疫情的新技術、新產品、新服務的供給信息。
北京市中關村管委會發布公告稱，首批清單共包含86家中關村企業的138項新技術新產品新服務，涉及病毒檢測、疫苗研發、臨床治療、醫療防護、智能診斷、疫情分析與發布等有關抗擊疫情的多個方面，且大多數產品和服務能立即投入使用。
袁嵐峰在采訪中提到，在這次疫情中，技術顯然發揮了非常重要的作用。例如快速確定病原體，快速測出它的結構，理解它的分子作用機理，快速開發出檢測試劑，這些都遠遠超過以前。此外，即使不是直接對疫情有用的，能幫助社會在隔離的情況下維持運轉的技術，如各種遠程教學、遠程辦公的軟件和平臺，也發揮了重要的作用。
不過，陸遙也表示，由于目前主流的機器學習手段可解釋性不強，而流行病學等生物和醫藥學科需要發現數據的內在聯系，并通過這些聯系指導線下實踐，因此疫苗制造、藥物研發等流行病中較為嚴謹的科學研究暫時不能以AI技術來代替主流方法。
當然，數據分析在此次疫情的場景應用還是比較直觀有效的，譬如AI多人體溫快速檢測解決方案、接觸者追蹤等相關技術都是行而有效的。
在其看來，機器學習等數據和計算科學在這次疫情中扮演的還是輔助角色，其中對控制疫情最有幫助的應該是接觸者追蹤、數據預測和新的流行病學傳播模型。
“但我們也能看到數據和智能化的技術幫助醫護人員能夠更為高效安全地完成病情的診斷與診療工作。通過科技賦能疫情防治，在這場沒有硝煙的疫情阻擊戰中起到很大的輔助作用。” 陸遙說。
結語
在AI服務醫療的一些場景，我們聽到過很多案例：健康管理、輔助醫療研究平臺、疾病風險預測、輔助診療、醫學影像分析、藥物挖掘等。AI這么厲害，有可能代替醫生嗎？
其實，正如專家所說，目前AI在醫學中的應用更多是輔助功能，嚴謹的科學研究暫時不能以AI技術來代替主流方法。但是隨著技術的發展，或許未來，AI真的可以在突發性公共衛生事件中力挽狂瀾。只是，我們不會希望有再一次的突發性公共衛生事件發生……
