人工智能+医疗！从五大方面让人类平均寿命延长至100岁
若论话题热度，人工智能无疑是近段最热话题之一，微软、谷歌、Facebook、IBM等科技巨头都竞相布局人工智能，而对于人工智能利弊的讨论也是相当激烈，有人支持人工智能的研究发展，认为人工智能将会给人类带来翻天覆地的变化。而有的人则认为人工智能可能会给人类带来灾难，比如著名物理学家斯蒂芬·霍金预言“未来100年内，电脑将凭借人工智能把人类取而代之。”然而，人工智能在医疗领域给人类带来的好处是无法反驳的，今天小编总结一下，人工智能搭上医疗会给人类带来什么？
最近一期（第542期）Nature的封面，就是关于人工智能诊断皮肤癌的。斯坦福大学人工智能实验室研究人员创建了一个机器学习算法，这种算法能够像皮肤科医生一样检查出潜在的皮肤癌症状。他们用12.9万张皮肤病变的照片训练深度卷积神经网络，让它对皮肤损伤进行分类，诊断皮肤癌。在测试中这种算法的表现不亚于21名通过职业验证的皮肤科医生。
在我国关于人工智能诊断疾病的研究也取得较大的进步，比如中山大学的研究人员开发的人工神经网络CC-Cruiser诊断先天性白内障的准确率，已经达到人类眼科医生的水平。该成果发表在Nature biomedical engineering上，这些科研人员表示，该技术未来也可以别用于诊断其他疾病。相信伴随人工智能的不断发展，像癌症这种疾病会更早的被发现进而早治疗，最大程度的挽救患者。
医学影像与人工智能的结合，是数字医疗领域较新的分支，而且是数字医疗产业的热点。医学影像包含了海量的数据，放射科专家大部分情况下还是主要依赖于临床医生建立起来的主观印象来判断症状，即使有经验的医生有时也显得无所适从。医学影像的解读需要长时间专业经验的积累，放射科医生的培养周期相对较长，而人工智能在对图像的检测效率和精度两个方面，都可以做得比专业医生更快，还可以减少人为操作的误判率。
对于医生来说，大脑的记忆容量和时间都是有限的，绝大多数医生都不可能读完和理解最新的几万份有关研究论文，更不可能记住人类可能患上的上万种疾病。但是对于人工智能不同，“机器人医生”通过深度学习技术，可以不间断的从大量的医学工具书、医学杂志、临床诊断手册、医疗电子记录，到百科全书、词典、图书、新闻甚至电影剧本中提到的电子病历进行机器学习，几乎可以及时存储所有最新的的医学知识。而且更为重要的是，机器人医生能够学以致用，通过认知分析技术，凭借从各种渠道搜集的海量数据，迅速给出“意见”，指导医生做出诊断和治疗决策，并且不会因为人的各情绪导致缺诊或误诊，同时患者能够更快速地获得医疗服务，而医疗机构也可节省成本。
据有关统计部门统计，从影像方面的误诊人数来看，美国每年的误诊人数达到了1200万，而中国因为人口基数庞大，达到了惊人的5700万/年，这些误诊主要发生在基层医疗机构。电子胶片的广泛使用使得医学影像数据大幅度增长，美国的数据年增长率达到了63.1%，在中国也达到了30%。放射科医生的年增长率美国和中国仅仅只有2.2%和4.1%，远远低于影像数据的增长，形成了巨大的缺口。这意味着医师工作量大增，判断准确性下降，借助人工智能对影像进行判断则能有效弥补该缺口。
在手术机器人这个领域最知名的莫过于达芬奇系统。达芬奇手术机器人是由美国直觉外科（Intuitive Surgical）公司研制的一款高级外科手术机器人系统，此后获得美国FDA批准，被用于腹腔镜微创手术。多年来，达芬奇手术机器人在很多医院都进行了临床应用，效果十分显著。达芬奇机器人主要是起到辅助医生的支持作用，帮助微创外科医生以更高的精度和更少的误差进行手术操作。比如一名外科医生，本身医术很高超，但碰到一些疑难病例，在操作过程中就会导致一些传统的医疗器械使用受限制，这个时候达芬奇机器人的作用就凸显了。对病人来说，机器人系统的潜在好处是可以减少疤痕和痛苦，减少血液损失，更快地康复。而对医生来说，这个灵巧的工具可以减少在病人身上开口，缩短了手术和恢复的时间。
达芬奇机器人现在主要应用于泌尿外科、甲状腺、妇科肿瘤、胃肠、儿童外科等相关手术，原因在于这些地方的病症不是牵涉到敏感神经，就是隐藏很深需要高精度的操作。
医学的任何表达包括实验室数据，都可以或者都必须转换为描述语言，因为医学的任何判断和结论都必须人的直接参与，没有任何一种单纯的物理信号或数字信息可以完整描述人。医学的描述性特点也使医学的意义更依赖于给患者的医疗记录，没有一种记录能像医疗记录那样把人、学术、生活、俗务、法律、科学等联系得更紧密。所以医疗记录的繁杂也托负着众望，日益艰巨起来。
《福布斯》此前曾经报道：医生花费27%的时间在诊室问诊，还有49.2%的时间在做书面工作，其中包括使用电子健康记录系统。一些医疗健康机构已经开始使用人工智能程序来减少医生和护士收集患者信息的时间，这有助于降低成本，但是有可能反而进一步减少医生和患者交流的时间。
David Zeevi团队2015年11月在《Cell》发表论文，阐释了机器学习应用于营养学的积极作用。研究结果表明，机器学习算法给出了更精准的营养学建议，成功控制餐后血糖水平，结果优于传统专家建议！这为机器学习以及精准营养学打开了一扇大门。
目前较知名的将人工智能应用于营养学的初创公司为位于都柏林的Nuritas。Nuritas为食品制造企业提供数据挖掘服务（采用了机器学习），并按销量收取佣金。未来计划推出面向消费者的个性化营养方案，针对每位消费者的情况制定不同的方案，收取服务费。
中国机器人界十二位大咖齐贺新春