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(hù)士和研究人員，醫(yī)護(hù)工作者可以將更多的精力放在更高層次的認(rèn)知任務(wù)和患者護(hù)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(jìn)步，它有望在三個(gè)關(guān)鍵領(lǐng)域增強(qiáng)人類的思維力量：高級計(jì)算、統(tǒng)計(jì)分析和假設(shè)生成。這三個(gè)領(lǐng)域?qū)?yīng)于AI發(fā)展過程中的三波浪潮，以醫(yī)療領(lǐng)域?yàn)槔?/div>
第一波AI：評估心臟疾病風(fēng)險(xiǎn)
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(shí)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(bào)產(chǎn)品。
第一波AI技術(shù)已通過一些方式運(yùn)用于醫(yī)療界。比如，弗雷明漢風(fēng)險(xiǎn)評分計(jì)算器使用AI來評估患者的心臟疾病風(fēng)險(xiǎn)。然而，現(xiàn)在有許多機(jī)會來擴(kuò)大這項(xiàng)技術(shù)在醫(yī)療行業(yè)的應(yīng)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(diǎn)是機(jī)器學(xué)習(xí)軟件利用統(tǒng)計(jì)概率分析來進(jìn)行先進(jìn)的模式識別。相比第一波AI，第二波AI具有感知和學(xué)習(xí)能力，有時(shí)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(yùn)用于醫(yī)學(xué)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(jìn)的空間：這些軟件仍無法完全取代人類評估，因?yàn)樗鼈兩疃冉忉寯?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(xué)習(xí)。所以雖然學(xué)習(xí)和感知能力已達(dá)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(xué)研究
世界正進(jìn)入AI的第三股浪潮：軟件對各種數(shù)據(jù)的上下文進(jìn)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(jì)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(jìn)行合理分析的數(shù)據(jù)量。這些軟件對各個(gè)數(shù)據(jù)點(diǎn)的上下文進(jìn)行規(guī)范化，以此識別之前無關(guān)聯(lián)的數(shù)據(jù)點(diǎn)之間的聯(lián)系。這樣一來，可以在眾多醫(yī)療場景下同時(shí)生成和測試新假設(shè)。
就拿像強(qiáng)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(xué)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?yàn)樗型谷魏沃貜?fù)性的手動任務(wù)實(shí)現(xiàn)自動化。它可以學(xué)習(xí)并解釋復(fù)雜的統(tǒng)計(jì)模式，還可以向人類傳授它學(xué)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(wù)
就算出現(xiàn)了第三波AI，計(jì)算機(jī)也不太可能在不遠(yuǎn)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(qiáng)，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(jìn)，可以使醫(yī)生處理的許多乏味的重復(fù)性任務(wù)實(shí)現(xiàn)自動化。比如說，它可以縮短分析細(xì)菌標(biāo)本所需的時(shí)間，推薦合適的抗生素處方藥。這讓醫(yī)生有更多的時(shí)間和精力去執(zhí)行更高層次的任務(wù)，比如患者教育和臨床評估。
AI技術(shù)在醫(yī)療界的潛在應(yīng)用非常廣泛，又令人興奮。醫(yī)療服務(wù)機(jī)構(gòu)在探索將AI軟件運(yùn)用于保險(xiǎn)核實(shí)、皮膚癌診斷、檢驗(yàn)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(jìn)步的AI技術(shù)有望為此創(chuàng)造條件。
隨著AI應(yīng)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(wù)。
延伸：
醫(yī)療界必須學(xué)會更好地將重復(fù)性的、低層次的認(rèn)知功能委派出去，好讓醫(yī)療專業(yè)人員將更多精力集中在更高層次的思考上。為了明白這個(gè)要求，不妨先看一下.C.R. Licklider 在1960年的論文《人機(jī)共生》中提到的一段內(nèi)容：
“我的‘思考’時(shí)間大約85%花在了思考、做出決定以及學(xué)習(xí)需要了解的東西上。花在尋找或獲取信息的時(shí)間比消化吸收信息的時(shí)間多得多......需要幾小時(shí)的計(jì)算才能將數(shù)據(jù)轉(zhuǎn)化為可比較的形式。數(shù)據(jù)呈現(xiàn)可比較的形式后，只要幾秒鐘就可以確定我需要知道的內(nèi)容。”
Herbert A. Simon在發(fā)明有限理性（bounded rationality）這個(gè)短語時(shí)提出了類似的想法。其想法是，如果人們獲得有限、相關(guān)的信息，并有足夠的時(shí)間來處理信息，則會做出最好的決策。
計(jì)算機(jī)讓我們得以優(yōu)化決策能力，因?yàn)樗屛覀兏菀撰@取與決策密切相關(guān)的信息，同時(shí)挑出毫不相關(guān)的事實(shí)或數(shù)據(jù)。現(xiàn)在人類花在試圖決定分析什么信息上的時(shí)間較少，可以花更多的時(shí)間運(yùn)用我們思維更高層次的計(jì)算能力來處理出現(xiàn)在面前的信息。（轉(zhuǎn)載自HC3i中國數(shù)字醫(yī)療網(wǎng)）
