說來有趣,，21世紀最時髦的人工智能技術(shù)應(yīng)用于現(xiàn)代醫(yī)學,，與中國幾千年流傳至今的傳統(tǒng)中醫(yī),，竟有不小的相似之處,。

　　傳統(tǒng)中醫(yī)講究“望聞問切”,，據(jù)此積累下來千百萬人的“醫(yī)療大數(shù)據(jù)”,，再通過醫(yī)生的人腦來存儲,、“加工”,，進而開出藥方,；而今天的智能醫(yī)療,，則是給醫(yī)生加上了一個“超強大腦”，它能海量存儲,、超速計算,、深度學習，給人類增添了更多擺脫病魔的能力,。

　　盡管爭議與困難重重,，但沒人能夠否認，人工智能,、大數(shù)據(jù)等現(xiàn)代技術(shù)在醫(yī)療領(lǐng)域的應(yīng)用已成大勢所趨,。

　　有學者這樣描述，未來的醫(yī)學影像中心好比飛機駕駛艙,，是各種各樣信息的綜合體,；未來醫(yī)生則相當于飛行員，需要做的是去處理各種各樣的信息,。比起擔心AI會不會終有一日取代醫(yī)生,，腫瘤科的醫(yī)生已經(jīng)在想方設(shè)法與這些聰明的“助手”并肩作戰(zhàn)，在臨床上精準圍獵腫瘤細胞,。

　　人工智能遠程醫(yī)療 與醫(yī)生聯(lián)手圍獵癌細胞

　　更聰明,、更有耐心的人工智能助手正在幫助醫(yī)生快速圍獵癌細胞,。依靠核心算法、訓練神經(jīng)網(wǎng)絡(luò)模型,，人工智能可以深度學習大量已勾畫靶區(qū)和危及器官的患者數(shù)據(jù),，用模型來完成新患者靶區(qū)和危及器官的自動勾畫。

　　如今,，只需將患者的數(shù)據(jù)輸入電腦,，就能自動勾畫醫(yī)學圖像中腫瘤的靶區(qū)，自動分割腫瘤與非腫瘤組織,，精確勾勒放療靶區(qū),。醫(yī)生在這個基礎(chǔ)上對影像進行審核、微調(diào)和修改,，大幅減少了工作量,。據(jù)介紹，目前該院測試結(jié)果顯示,，人工智能自動勾畫影像,，能比純?nèi)斯す?jié)省大約70%的用時。而在一些缺乏腫瘤醫(yī)治經(jīng)驗的基層醫(yī)院,，人工智能也可以給年輕醫(yī)生提供參考,，減少他們的出錯概率。

　　制定腫瘤放射治療計劃需要進行大量的計算,。傳統(tǒng)計算方式速度慢,、花費時間長、成本高,，很大程度上要依賴物理治療師豐富的經(jīng)驗,。而這一點恰恰在中國是一個短板，目前我國放療物理師人才非常匱乏,。數(shù)據(jù)統(tǒng)計顯示,，2015年我國擁有物理師3294人，放射科腫瘤醫(yī)師與物理師比例為4.81∶1,。

　　如果把放療對癌細胞的剿殺,，看作是用洲際導彈轟炸目標，那么醫(yī)生是發(fā)出目標指令的人,，而制定計劃和操作,，比如導彈怎樣飛行,、飛行的軌跡如何,，都是物理師來具體完成的。甚至有人說,，在放療科可以沒有醫(yī)生但不能沒有物理師,。

　　物理師要根據(jù)醫(yī)生要求和設(shè)備特點來設(shè)計合適的方案,，要根據(jù)病人情況重建三維人體結(jié)構(gòu)圖，通過復雜的數(shù)學和物理運算確定放療機器的各種參數(shù),，驗證測量,、修改和完成放療計劃，還要每天測量和校準劑量,，來確保放療的準確性和安全性,。

　　人工智能正在彌補這個短板，它可以高速分析和處理海量大數(shù)據(jù),，針對腫瘤類型,、腫瘤周期、患者性別體重等參數(shù)對數(shù)據(jù)進行劃分,，幾分鐘就能自動設(shè)計最優(yōu)放療計劃,，供物理師參考。

　　放療,、手術(shù),、化療是人類治療癌癥的三把“尖刀”。近年來,，放療精準度高,、適應(yīng)度廣、副作用小,、創(chuàng)傷較少等優(yōu)勢逐漸受到重視,。然而我國醫(yī)療資源分布極不均衡。據(jù)全國第三次衛(wèi)生服務(wù)調(diào)查顯示,，目前我國80%的醫(yī)療衛(wèi)生資源集中在城市,，其中80%又集中在大中型醫(yī)院，而醫(yī)療衛(wèi)生服務(wù)需求大部分存在于基層,。

　　以放療為例,，在基層醫(yī)院，有的根本就沒有配置放療設(shè)備,，有的雖然買來昂貴的設(shè)備,，卻因為缺乏放射腫瘤科醫(yī)生和物理師，導致設(shè)備閑置,，或是治療不規(guī)范效果不佳,，因此患者看病依舊需要去擠大醫(yī)院。

　　目前,，醫(yī)生們正在更深入地研究利用人工智能預(yù)測放療后的并發(fā)癥,。肺癌是在中國發(fā)病率最高的癌癥，一個重要的治療手段就是放療,，然而最常見的并發(fā)癥之一就是放射性肺炎,。放射性肺炎會對患者的生活質(zhì)量造成一定影響,，嚴重的甚至會危及患者生命，但目前沒有有效預(yù)測放射性肺炎發(fā)生的方法,。一般來說,，現(xiàn)在預(yù)測并發(fā)癥的成功率在50%左右。目前醫(yī)生們采用人工智能和新興的放射組學結(jié)合的方法,，創(chuàng)新性地建立放射性肺炎預(yù)測模型,，即通過計算機深度學習方法挖掘CT圖像中隱藏的信息，比如腫瘤的紋理,、密度等信息,，并結(jié)合患者臨床和放療信息構(gòu)建綜合的預(yù)測模型，輔助臨床醫(yī)生調(diào)整治療方案及臨床決策,。

　　如果發(fā)現(xiàn)某個病人發(fā)生放射性肺炎可能性高,，可以及時介入，提前做一些預(yù)防措施,，盡量降低放射性肺炎發(fā)生的等級,，減少痛苦。一個非常理想的狀態(tài)是,，給病人做幾個CT檢查之后,，人工智能就可以知道病人可以存活多久、做放療的療效如何,，什么時候會發(fā)生轉(zhuǎn)移,，以及這個過程中產(chǎn)生的相關(guān)副反應(yīng)及其可能性有多大。