人工智能对医疗领域医生职业的影响以及对行业未来的展望（人工智能给医学带来的机遇和挑战）

1.人工智慧对医疗保健金融行业产业发展的负面影响

智能化与医疗保健，正正式成为人工智慧黄金时代重头2017 年被指出是「人工智慧专业领域元年」，亦是人工智慧产业发展的反转7 月 9 日，亚洲地区人工智慧高峰研讨会暨我国（苏州）人工智慧小城启动典礼在苏州召开在此次研讨会的「人工智慧医疗保健身心健康分研讨会」上，专家、学者和业内人士就人工智慧在药理学专业领域领域专业领域展开了沟通交流。

2.人工智慧对药理学今后化疗造成的负面影响

据近期德勤报告分析，2030 年之前，我国和美国将正式成为从控制技术大潮中斩获最多的北欧国家今后的 13 年内，人工智慧将减少我国 7 亿亿美元的 GDP，经济增长达 26%当中，医疗保健正式成为人工智慧极富革新力专业领域领域众所周知。

3.人工智慧对药理学专业领域领域的负面影响

医疗保健专业领域领域是典型统计数据专门化金融行业，在智能化黄金时代，统计数据聚合速度的提升也增添了医疗保健统计数据累积量的大幅减少尤其是在DNA和药理学影像专业领域领域，人工智慧控制技术极大加快发掘抽取深层信息的工作效率，由此也释放出来大批创业者和洞见过去十多年，我国医疗保健金融行业的信息技术也累积了大批历史统计数据；人工智慧控制技术也取得了巨大进展。

4.人工智慧对医疗保健的负面影响

情景、统计数据、控制技术的具备为金融行业革新打下了基础我国医疗保健金融行业也面临不少难题，比如，我国医疗保健天然资源总量不足、分布片面、优质天然资源贫乏看病贵、看病贵的难题的核心整体表现为供大于求，天然资源不足另外，医疗保健误判造成大批生命和经济损失，数字同样让人还珠格格。

5.你指出人工智慧会给医疗保健金融行业增添什么样变动?

亚洲地区每年有 4300 万人受到医疗保健误判的殃及，当中大部分发生在低收入北欧国家统计数据显示，2017 年第二季度有 30 多家人工智慧企业获得股权融资，医疗保健身心健康专业领域领域的人工智慧创业者公司整体表现格外突出，参与度和股权融资量最高。

6.人工智慧对医师的压制

「当我们把目光著眼向人工智慧医疗保健身心健康专业领域领域，无从发现人工智慧已经专业领域到药理学影像辨识、疾病远距确诊、麻醉、DNA测序和医疗保健大统计数据等许多方面今后五年，医疗保健身心健康将会是人工智慧最重要的专业领域专业领域领域众所周知」在此次研讨会的「人工智慧医疗保健身心健康分研讨会」上，「人工智慧+医疗保健」专业领域领域的首个产业联盟——身心健康产业人工智慧控制技术创新联盟在此次研讨会上正式成立。

7.人工智慧给药理学增添的产业发展机遇和考验

身心健康产业人工智慧控制技术创新联盟由科大讯飞、复星医药、德勤咨询、思创医惠、荣之联、Boston AI、浙江知识产权交易中心、杉杉医疗保健、贝壳社等单位联合发起，旨在打造医疗保健人工智慧专业领域聚集地，搭建医疗保健人工智慧产业生态链示范平台和我国医疗保健人工智慧核心控制技术平台。

8.人工智慧对药理学产业发展有什么意义

专家把脉，医疗保健金融行业的人工智慧专业领域存在四大痛点在医疗保健专业领域领域，人工智慧控制技术专业领域存在四大痛点，麻省理终身教授、波士顿人工智慧实验室主任曹渔在题为《端智能化在药理学专业领域领域的专业领域》的发言中谈到针对这四大痛点，他指出端智能化在我国医疗保健专业领域领域当中会大有可为。

9.人工智慧对药理学

曹渔谈到，所谓端智能化，是指把人工智慧的算法、架构部署在终端，在终端专业领域领域，运行我们的计算在这种情况下，我们可以保证我们的计算不依赖于网络，同时我们可以实现实时的统计数据处理更重要的是，我们可以保护用户的隐私，而且实现个性化的定制。

10.人工智慧对婚姻家庭关系的负面影响

在这基础上，有可能造成很多新的商业模式我们指出，端智能化是推动垂直专业领域领域人工智慧化最重要的控制技术众所周知2016 年美国的主流 ID 厂商逐步布局边缘计算和端智能化在过去的一两年之内，大概有近 20 家与端智能化相关的企业获得超过 5 亿美元的股权融资。

在 2017 年到来的时候，边缘计算已经迅速产业发展正式成为 10 亿美元的控制技术市场近期，微软公司宣布进行重大转型，专注云计算和端智能化也是今后的方向众所周知 那么，人工智慧的药理学专业领域存在什么痛点呢？ 首先，异构统计数据普遍存在。

在医疗保健专业领域领域有医疗保健图像、视频统计数据、音频统计数据、结构化统计数据、非结构化统计数据、文本统计数据每一种统计数据的处理方式、存储格式、传输方法、算法都不尽相同不可否认，一旦理顺了多格式，多源头，呈爆炸性成长的大统计数据的整合和分析，医疗保健大统计数据将对提高医疗保健质量，强化患者安全，降低风险，降低医疗保健成本等方面发挥无与伦比的巨大作用。

但是，怎么样能够开发一个有效的人工智慧的系统，能够把这些多模态的统计数据利用起来，作出更好的确诊和化疗，这是非常有考验性的任务 其次，有效统计数据的缺失其实，很多专业领域里面其实没有大统计数据，只有小统计数据如何解决？当我们只有小统计数据的时候，仍然希望能够训练一个很好的模型。

在这种情况下，用迁移学习的方法就可以做到用一个专业领域领域的大批的统计数据，通过迁移学习的方法，到新的专业领域领域进行学习，达到类似的效果，解决小统计数据训练难题 第三，缺乏个性化模型其实这和精准医疗保健密切相关精准医疗保健的目的是实现千人千面，但离我们的目标还有一定的距离。

可以用增量学习的方法，来解决个性化模型定制难题所谓「增量学习」，是指最开始的时候，用统计数据学到一个通用的模型，这个通用模型会教给用户和病人在跟病人进一步交互过程中，我们用增量学习的方法更新模型在这种情况下，我们就可以定制一个模型。

比如说一种化疗的方法、一种确诊，在某一个病人的手中，经过一段时间的交互，经过一段时间的统计数据累积，它的模型会发生变动，实现理想中的千人千面 第四，控制技术架构和系统功效在传统的云计算里面，在云端有很强的计算能力，不用考虑功耗。

但是，在终端必须考虑功耗，我们手机一天要充电，在这种情况下我们必须考虑到如何重新开发控制技术架构，使系统更高效特别是在传统云计算里面，统计数据要传到网上，传到云端但是，很多医院不允许把统计数据传到云端，即使传到云端，也存在很大的隐私泄露的专业领域领域。

所以在医疗保健专业领域领域，我们希望把统计数据留在本地难题就出现了，怎么样才能使本地计算更有效、高效地控制技术？这是我们指出具有考验的方向端智能化如何解决医疗保健中的控制技术考验？简单来说，将人工智慧算法部署在医疗保健的终端，实现本地计算和个性化模型的定制，从而确保病人的隐私和统计数据安全，从高层次角度解决医疗保健控制技术的考验。

在分会场的圆桌研讨会上，大家讨论了人工智慧对医疗保健专业领域领域医师职业的负面影响和对金融行业今后的展望未来人工智慧控制技术会对医师职业造成怎样的负面影响？德勤我国创新领导合伙人冯晔谈到了德勤的经验他说，德勤很早就已经引入了科技，我们自己在做一些机器学习，审计或者税务甚至律师大型的文献，或者说文档都是用机器读的。

最近，大家可能在网络上看到很多财务机器人，也是我们创新中心一起研发了我们现在有一个很好听的名字，我们叫机器为「小勤人」，当然我们也希望走出财务和税务机器人的范畴，向医疗保健身心健康专业领域领域产业发展人工智慧的出现，很多人职业会消失？首当其冲的就是财务、会计、税务或者一些重复劳动的工作。

我们自己也在分析自己公司一些工作的性质，比如说像审计审计最痛苦的是在什么时候？就是在最后的出报表的时候，大家大批的时间用于加班，大批的时间用于对账、对统计数据，包括前期大批的时间在抽样板其实，我们已经采取了很多的方式，比如数字分析、数字发掘的方式，包括我们自己也开发了报告系统，一键聚合的报告系统，只要有三张财务系统，至少可以把整个审计报告的数字部分全部放进去，而且前后没有偏差。

大家也知道审计报告前后有多级关系，如果让系统去做这个事情，今后可能人工智慧来做事情，这个时间就不需要了有那么多时间被节省下来，那人员的成本应该下来了？目前来看，不是那么明显事实上，你可以把重复劳动时间转化为为目标客户提供更多价值的时间，更多地了解他的业务，更多和他分析他的业务，和去探索他的商业模式，找出他目前碰到的一些难题。

我觉得从这一点来讲，招募一些相对来说低级别的人员，每年数量已经下降我们的业务（客户群）其实在增长，其实从这方面来讲，相对来讲，我们的人数在这方面已经降低了，其实我们只是把一些重复劳动的事情转化到了更有价值的能跟客户交互的事情上来，这是我们想做的事情。

使用高科技，来为客户提供高价值的服务，这是我们的目的，正在这个过程当中今后的趋势都是这样的德勤也在跟医院直接合作，我的感觉是，人工智慧是导致社会现有职业的消失，我不指出这个职业会完全消失，但是，这些人的工作性质会发生变动。

比如说影像读片的人，还包括做DNA分析也是一样，他中间有很大一部分是重复工作一个是他需要很强的记忆，又需要不知疲倦地做，这一类工作会被机器很快地代替如果这个职位，当年是因为这个控制技术比较好，不幸的是你要学新的控制技术了。

另外，我感觉在最近的将来，这些职业不会完全被代替，因为它还要跟人打交道，这其实就像交通的「最后一公里」，这最后一公里很难做，还是需要人做的就像遗传咨询师，以前为什么他难培训？因为他掌握DNA知识需要很长时间。

在人学起来非常困难的一部分，机器很容易代替，我们现在开发的系统也是这样，就是基于DNA型的表情远距确诊，医师就会很快明白以后医师咨询师的时候就会集中在怎么从现有的知识和病人的沟通上，而不是花在查询文献和知识库上，然后判断这个知识到底是对还是错。

所以，我指出这方面，他不会完全消失，但是他的工作会有改变聚道科技的李厦戎指出，从DNA专业领域领域来讲，其实DNA专业领域领域有大批的未知，这些未知是需要人去利用，而不完全靠机器理解所以，从某种程度上来讲，这个专业领域领域还存在着大批的机会，需要更多人去加进来，而不是减少职业，需要更多的职业会出现。

其实像常规的遗传咨询，它会自动化做一些分析但其实还会存在大批的罕见性和疑难的病例，这些病例可能就需要很多背景更加强的遗传专家，甚至一些研究人员进一步研究背后生物学的机理这时候，需要大批人去参与今后五年甚至二十年，人工智慧控制技术会对医疗保健专业领域领域造成什么负面影响？

首先，统计数据孤岛和统计数据重复性难题医疗保健行为过程将医疗保健大统计数据分为诊疗统计数据、研发统计数据、科研统计数据和支付统计数据四种，而不同的统计数据类型又在智慧医疗保健中有不同的价值比如，诊疗统计数据可以为公共机构和医院提升医疗保健服务质量提供统计数据依据，以实现有效的疾病管理和公共卫生建设；同时，诊疗统计数据也可以帮助个人进行疾病预防，进行慢病管理。

当这些统计数据在医疗保健金融行业充分得以运用就会增添巨大的经济价值虽然智慧医疗保健前景广阔，但是，统计数据孤岛是现阶段限制医疗保健大统计数据价值变现的首要因素，金融行业割据又加剧了统计数据孤岛的恶化由于缺乏统一的医疗保健信息平台，不同的医疗保健机构之间、不同的区域医疗保健信息技术平台之间都存在统计数据割裂，甚至个人身心健康统计数据也会因为不同的可穿戴设备而储存在不同的 APP 上形成统计数据割裂。

统计数据孤岛和金融行业割据难题，不仅负面影响了大统计数据在智慧医疗保健中的作用，更对提高利用医疗保健天然资源工作效率，实现大统计数据价值变现造成阻碍德勤的冯晔表示，在DNA测序专业领域领域，现在影像辨识都用了很多大统计数据、云计算等等一系列的高科技手段。

目前，因为统计数据孤岛的情况是存在的，今后的情况下，这个精准度，尤其是在诊疗方面，找出一些疑难杂症，通过人工智慧能得到更好的精准度的提高，能解决一些疑难病症，使用人工智慧会更好易瑞科技创始人兼首席科学家吕晖表示，从控制技术来讲，确实现阶段三五年之内，咱们要解决重复性的难题。

因为我们也是着重于收集病人和身心健康人群的统计数据，因为有这个统计数据才能做更好的服务所以控制技术上来讲，现在需要把这些统计数据规范化，规范化才能学但是，在医疗保健上，目前这个阶段，它面对的药理学难题不是一个完全封闭的系统，我觉得在二三十年之后，其实现在人工智慧的理论需要有一个飞跃，我指出，不一定是突破，因为算法其实已经在那儿。

人工智慧在今后十年、二十年，完全想替代人类和医师是不可能的事情但是我希望今后的十年、二十年，每一个医师都有一个人工智慧的助手，科大讯飞的鹿晓亮表示从DNA专业领域来说，希望每个人拥有自己的身心健康管理顾问