眾所周知，由于數(shù)字革命，數(shù)字技術(shù)解放了廣大醫(yī)生、護士和研究人員，醫(yī)護工作者可以將更多的精力放在更高層次的認知任務和患者護理上，而人工智能的使用，勢必將此提升到新的水平。

隨著人工智能技術(shù)不斷進步，它有望在三個關(guān)鍵領(lǐng)域增強人類的思維力量：高級計算、統(tǒng)計分析和假設(shè)生成。這三個領(lǐng)域?qū)�應于AI發(fā)展過程中的三波浪潮，以醫(yī)療領(lǐng)域為例：

第一波AI：評估心臟疾病風險

AI的第一波浪潮在“知識工程”技術(shù)和優(yōu)化軟件方面，找到了解決現(xiàn)實世界問題的高效方案，比如包括提高效率的調(diào)度平臺或基于互聯(lián)網(wǎng)的稅收申報產(chǎn)品。

第一波AI技術(shù)已通過一些方式運用于醫(yī)療界。比如，弗雷明漢風險評分計算器使用AI來評估患者的心臟疾病風險。然而，現(xiàn)在有許多機會來擴大這項技術(shù)在醫(yī)療行業(yè)的應用范圍。

第二波AI：臨床決策支持系統(tǒng)等

第二波AI浪潮的特點是機器學習軟件利用統(tǒng)計概率分析來進行先進的模式識別。相比第一波AI，第二波AI具有感知和學習能力，有時比人類更勝一籌。

這種不斷發(fā)展的模式識別技術(shù)已經(jīng)運用于醫(yī)學領(lǐng)域的“臨床決策支持系統(tǒng)”以及用于分析和評估基因檢測結(jié)果、視網(wǎng)膜掃描和超聲波心動圖的其他軟件，不過仍有改進的空間：這些軟件仍無法完全取代人類評估，因為它們深度解釋數(shù)據(jù)的能力無法與人類媲美。

第二波AI技術(shù)依賴干凈、合理編碼的數(shù)據(jù)集來學習。所以雖然學習和感知能力已達到了非常出色的程度，但獲取足夠干凈或全面的數(shù)據(jù)集的能力依然有限。

第三波AI：醫(yī)學研究

世界正進入AI的第三股浪潮：軟件對各種數(shù)據(jù)的上下文進行規(guī)范化，以便生成新的假設(shè)。這些技術(shù)能夠檢查龐大數(shù)據(jù)集，識別統(tǒng)計模式，并創(chuàng)建算法來解釋模式。

第三波AI的巨大潛力在于能夠增加進行合理分析的數(shù)據(jù)量。這些軟件對各個數(shù)據(jù)點的上下文進行規(guī)范化，以此識別之前無關(guān)聯(lián)的數(shù)據(jù)點之間的聯(lián)系。這樣一來，可以在眾多醫(yī)療場景下同時生成和測試新假設(shè)。

就拿像強生這樣的醫(yī)療公司來說，它們已開始投入于高級AI軟件以獲得競爭優(yōu)勢。這類技術(shù)帶動了重大的科學發(fā)現(xiàn)，包括魚油與雷諾病之間的關(guān)聯(lián)。

第三波AI在改變游戲規(guī)則，因為它有望使任何重復性的手動任務實現(xiàn)自動化。它可以學習并解釋復雜的統(tǒng)計模式，還可以向人類傳授它學到的東西。這種技術(shù)要充分發(fā)揮功能還有一段路要走，但潛力巨大。

未來的AI：解放醫(yī)生，讓更多人獲得高質(zhì)量、高效率醫(yī)療服務

就算出現(xiàn)了第三波AI，計算機也不太可能在不遠的將來取代醫(yī)生的診斷角色。比如說，AI軟件的局限性仍太強，僅限于通過綜合表象癥狀（比如熱度、顏色、氣味、疼痛程度和流膿）來評估傷口感染。

然而，AI現(xiàn)在已足夠先進，可以使醫(yī)生處理的許多乏味的重復性任務實現(xiàn)自動化。比如說，它可以縮短分析細菌標本所需的時間，推薦合適的抗生素處方藥。這讓醫(yī)生有更多的時間和精力去執(zhí)行更高層次的任務，比如患者教育和臨床評估。

AI技術(shù)在醫(yī)療界的潛在應用非常廣泛，又令人興奮。醫(yī)療服務機構(gòu)在探索將AI軟件運用于保險核實、皮膚癌診斷、檢驗結(jié)果分析以及病歷數(shù)據(jù)分析。我們現(xiàn)在才開始探索醫(yī)療創(chuàng)新的深度，不斷進步的AI技術(shù)有望為此創(chuàng)造條件。

隨著AI應用軟件日益與醫(yī)療界整合起來，越來越多的人將獲得高質(zhì)量、高效率的醫(yī)療服務。（Gunjan Bhardwaj博士）