如火如荼的人工智能行業正在世界範圍內蓬勃發展，特別是谷歌公司的Alpha Go程序戰勝了圍棋界的頂尖高手，令世人看到了計算機在人類擅長的領域也有一定的思維演繹能力。伴隨計算機運算能力的飛速提升和人工智能領域的算法的不斷改進，之前處在實驗室階段的Demo，正逐步變得實用，有些工作崗位甚至被淘汰，但同時也衍生出了人工智能在各行業交叉學科的工作崗位。本文從幾個方面淺談人工智能在醫療行業的應用。

1. 人工智能在醫療電子病歷系統中的應用

對於國內的醫療機構來說，醫生在患者就診過程中必須填寫檢查診斷信息，這對接診量大的醫生來說是一個非常繁重的勞動，以至於有的醫生很反感寫病歷，天書病歷也由此誕生。隨著電子病歷的推廣，使得醫生在規範化方面更進一步，但是這要求醫生熟練使用相應的電子病歷軟件，對於年輕的醫生來說不算太重的負擔，這些醫生都是伴隨中國互聯網發展成長起來的新一代，但是對於老一輩的醫生，對電子病歷系統很生疏，經常是醫院的制度要求迫使老醫生花費大量時間耗費在電子病歷的輸入上。有些年輕的醫生為了應付差事，將其他患者的病歷拷貝過來，稍作修改為下一個患者的病歷診斷信息，這表面上提高了工作效率，但是也存在著極大的隱患，有的醫生在對拷貝的信息進行修改了，往往遺漏了很多關鍵信息，甚至患者的姓名和性別都忘記修改。為了進一步減輕醫生在電子病歷上耗費的時間，電子病歷廠商研發出了各種科室的輸入模板，並且禁止兩個患者之間的病歷信息拷貝，從源頭上堵住了醫生隨意復制粘貼電子病歷的可能。從原理來說，電子病歷廠商的目的是解決了醫生的病歷填寫規範性的問題，但是醫生從手寫大量的文字轉移到了選擇大量結構化的菜單，有的病歷模板選擇項目非常多，醫生的勞動強度並沒有因此減輕。

傳統的軟件廠商往往為了解決醫生的一個問題，引入了另外的一個問題，整個軟件系統臃腫不堪，疊床架屋式的解決方案只能使得問題復雜化。病歷數據必須準確、清晰和完整，但同時醫生填寫病歷的勞動強度必須減輕，所以語音錄入系統由此誕生了。語音錄入系統僅僅需要醫生口述患者病情，即可將語音轉換成文字填寫到病歷系統中。語音輸入的速度比打字的速度快很多，平均每分鐘可以錄入200以上的漢字。語音錄入系統也面臨著兩個問題：首先，使用者的口音問題和環境噪聲對語音識別的準確率有非常大的影響，如果先用語音錄入填寫完成一份病歷，然後再用鍵盤方式進行修訂，總共所花費的時間比只用鍵盤方式錄入花費的時間還長；另外一個問題是醫療術語的復雜性，有的醫療術語沒有統一的發音，尤其是遇到中英文混排時，情況變得異常復雜。好在現在的深度學習和自然語言處理混合處理技術能夠比較好地解決上述兩個問題。在北京協和醫院，北京雲知聲地語音錄入系統已經在全院推廣，在某些科室反饋還不錯。

2. 人工智能在醫療圖像識別中的應用

現代醫療科技的一個顯著特點就是引入了其它領域的技術作為輔助的診療手段，例如：X光，超聲檢查、核磁共振檢查等等，這些檢查手段有一個共同特點，都需要醫生根據儀器采集到的圖像數據判斷患者的病兆情況。國內的三甲醫院面對眾多的患者，需要醫生在段時間內對每一個患者的影像數據作出快速、準確的判斷,這不僅考驗醫生的眼力，對快速診療技術的要求也越來越高。目前在醫療行業的圖像識別主要集中在靜態圖片的判斷推理上，這需要大量的醫療圖片和醫療標準，前期的準備工作量非常大，國內目前還處於起步階段，離實用化還有一段距離。另外，最關鍵的動圖識別，人工智能在這方面也處於積累數據階段。

3. 人工智能在醫療信息系統自動化中的應用

醫院是一個相對封閉的系統，所有的醫療數據都是內部孤島共享，亟待人工智能技術進行發掘，醫院內部采用的各種信息系統由多家廠商開發完成，很難進行集成。語音識別技術讓醫生可以通過語音命令調用信息系統中的菜單，進行各種輸入和操作，這特別適用於醫院需要多人協助的操作，比如超聲科、外科手術等操作環境，尤其是超聲科。通常在超聲科室，主治醫生在操作設備時，一邊查看實時的圖像信息，一邊播報看到的圖像信息，由另外一名助手完成關鍵信息的錄入。如果通過全語音操控，則可以節省人力成本，提高處理效率。

以上幾點就是人工智能技術在醫療行業遇到的常見解決方案，後續還會再補充。

人工智能在醫療行業中的應用