近年來，在傳統醫療行業，人工智慧逐步在疾病輔助診斷治療、個人健康管理、基因藥物研發、醫院智慧管理等多個環節，發揮出優勢和獨特作用，日益成為醫療專家的好幫手。
患者到醫院就診，可能需要做CT、核磁等影像檢查。一次CT檢查就能產生幾十到數百層的CT影像。一家普通三級醫院的影像科，每月產生的影像數據相當於150萬張圖片。影像醫生需要瀏覽全部影像並找出病變。這一過程相當耗時耗力。近年來，許多國家影像檢查數量劇增，而影像醫生的數量並沒有新增，導致錯誤率升高。針對這一問題，德國一家公司研發出一款影像人工智慧系列產品，該產品通過大量學習，讀圖快，檢測病變準確，能很好地輔助醫生作出診斷。多家人工智慧企業還研發了肺部CT智慧讀片系統。
人工智慧不僅“快”“准”，還很“全面”。現代醫療對患者身體各處的監控仍然處在“盲人摸象”階段，而人工智慧可以根據捕捉到的一些細微病症變化，分析其背後的多維度資訊，完成“一葉知秋”的診斷預警。比如，英國醫學界的一個新項目就利用眼睛作為視窗，探測其他器官健康狀況，通過基於人工智慧機器學習的系統，在視網膜圖片上尋找癡呆症、心臟病等病症的早期迹象。我國研發的人工智慧眼底篩查產品，僅需一張彩色眼底照片，就可以快速高效地分析比對資料庫中的上百萬案例，提示眼底疾病風險。該產品在眼底篩查檢測50萬人次中，還輔助發現了多例顱內腫瘤。
腦健康是人工智慧應用的一片藍海。大腦是人體最重要的器官，但現時人類對它的瞭解還很有限。一方面，人工智慧有助於腦健康篩查診斷。智慧腦電圖分析產品可以檢測腦電波各類异常放電，分析腦功能狀態，僅需5分鐘即可處理完成兩小時的腦電圖數據，為在常規體檢中引入腦健康測試帶來了便利。另一方面，腦機介面等科技對大腦更深層的研究也有利於人工智慧的發展。人工智慧科技的覈心，是類比人類大腦的神經網路系統和學習認知功能。對大腦瞭解越多，人工智慧就越有人的“智慧”。現時，人工耳蝸是腦機介面最成功的臨床應用，通過設備與大腦聽覺神經纖維建立通路，幫助大量失聰者重新找回聽覺和交流能力。隨著人類更好地解讀大腦，運動康復、老年退行性病變等多個領域的診斷治療有望取得突破性進展。
此外，人工智慧結合大資料分析將極大推動基因藥物研發。據統計，結合人工智慧科技，新藥研發週期可縮短一半時間，研發成本也可節約50%—60%。
如同人類從嬰兒逐步學習成長一樣，人工智慧是機器不斷學習知識的過程。面對複雜的病例，人工智慧與人類智慧相比還稍遜一籌。然而，培養一名資深專科醫生至少需要10年，其職業生涯中所見病例也是有限的。人工智慧的優勢恰恰在於其强大的學習能力、計算能力和記憶能力。未來，通過不斷學習新知識和融合多學科資訊，人工智慧有望讓稀缺的醫療資源惠及更多群眾。
（作者為阿裡健康人工智慧創新實驗室主任許娟）