人工智能给医疗带来的影响有很多。首先，它显著提高了医疗诊断的准确性和效率。在今年9月4日，哈佛大学的一个团队在《自然》杂志上发表了一篇文章，指出他们的模型可以对19种癌症进行诊断，准确率高达97%。这一成绩虽然可能还比不上最顶尖的医疗专家，但已经远超大多数普通医疗工作者。随着技术的不断进步，这一准确率未来还将进一步提升。在这种情况下，将人工智能用于医疗辅助诊断将是一个势在必行的措施。它不仅可以排除人为因素带来的误差或偏见，还可以大幅提高诊断效率。因为对于人类医生来说，每天能够诊断的数量是有限的，但对于机器来说，这则不成问题。

其次，人工智能对于新药的研发也有着极大的促进作用。例如，今年的诺贝尔化学奖就颁给了在蛋白质设计和蛋白质结构预测方面做出杰出贡献的人工智能团队。新药的研制通常需要花费大量的精力和时间去研究分子结构以及其作用机制，而人工智能正好可以模拟药物分子结构和作用机制，从而加速药物研发进程，降低研发成本。

最后，人工智能还在改变着如今的医疗变革。因为目前的医疗诊断大多依赖于当前的临床症状以及相关的医疗数据，但人工智能可以根据患者的基因数据、生活数据、环境数据等，并结合现有的临床数据进行综合性分析，然后得出一个更全面的结论。

案例分享：AI辅助诊断系统

我们可以通过人工智能在皮肤癌检测和眼科疾病筛查方面的一些例子，来说一说它们相关的核心技术。

人工智能在皮肤癌检测与眼科疾病筛查上的作用主要体现在医疗影像数据的分析和诊断上。这些医疗影像数据可能来自电子显微镜、光学干涉仪等设备，也可能是电阻抗分布图等。总之，它们都是影像数据。

人工智能在对这些影像数据进行处理和分析时，主要需要用到图像处理技术和深度学习技术。当然，我们处理到的图像可能不仅是一个单张的图像，还可能是一个序列帧。那么，在处理这个序列帧时，可能还会用到一些自然语言技术和3D成像技术。因为有时候我们需要的图像可能不仅是一个二维的图像，而是一个三维的立体图像。

医疗诊断领域人工智能的发展优势与挑战

优势方面，人工智能提高了诊断的准确性和效率。那么，我们重点来看一下挑战。

医疗数据面临的第一个挑战是数据质量的挑战。因为人工智能的模型是基于医疗的历史数据进行训练而得到的，这些数据的准确性、一致性对于训练模型的可靠性影响是非常大的。

说到数据，另一个问题就是数据安全。因为医疗数据往往涉及到个人隐私，如何安全地保护这些数据，在安全的范围内使用，也是我们面临的一个巨大挑战。

此外，算法的局限性也是一个挑战。因为模型一般都是基于历史数据构建的，对于见过的病情，机器学习的模型往往能够给出一个比较好的诊断。但是对于一些复杂的案例、罕见病或者发生变异的情况，模型的泛化能力通常就会比较差。那么如何提高这一方面，也是我们人工智能工作者接下来将要进行的。

还有一个挑战是模型的可解释性。人工智能的模型往往是一个黑盒，没有明确的诊断依据和决策过程，这也会影响到模型在医生群体当中的可信度。

最后的一个问题是伦理和社会的问题。比如人工智能的诊断出了问题之后，责任到底是谁的？这是一个开放的话题，目前并没有什么结论，大家可以多参与这个问题的讨论。

所以综合来看，人工智能渗透到医疗领域是不可逆的进程，我们用怎样的态度来对待也值得讨论。

本文为科普中国·创作培育计划扶持作品

作者：人民日报数字传播团队

审核：北京工业大学信息学部 于乃功教授

出品：中国科协科普部

监制：中国科学技术出版社有限公司、北京中科星河文化传媒有限公司

来源: 星空计划

内容资源由项目单位提供