說來有趣，21世紀最時髦的人工智能技術(shù)應用于現(xiàn)代醫(yī)學，與中國幾千年流傳至今的傳統(tǒng)中醫(yī)，竟有不小的相似之處。

　　傳統(tǒng)中醫(yī)講究“望聞問切”，據(jù)此積累下來千百萬人的“醫(yī)療大數(shù)據(jù)”，再通過醫(yī)生的人腦來存儲、“加工”，進而開出藥方；而今天的智能醫(yī)療，則是給醫(yī)生加上了一個“超強大腦”，它能海量存儲、超速計算、深度學習，給人類增添了更多擺脫病魔的能力。

　　盡管爭議與困難重重，但沒人能夠否認，人工智能、大數(shù)據(jù)等現(xiàn)代技術(shù)在醫(yī)療領域的應用已成大勢所趨。

　　有學者這樣描述，未來的醫(yī)學影像中心好比飛機駕駛艙，是各種各樣信息的綜合體；未來醫(yī)生則相當于飛行員，需要做的是去處理各種各樣的信息。比起擔心AI會不會終有一日取代醫(yī)生，腫瘤科的醫(yī)生已經(jīng)在想方設法與這些聰明的“助手”并肩作戰(zhàn)，在臨床上精準圍獵腫瘤細胞。

　　人工智能遠程醫(yī)療 與醫(yī)生聯(lián)手圍獵癌細胞

　　更聰明、更有耐心的人工智能助手正在幫助醫(yī)生快速圍獵癌細胞。依靠核心算法、訓練神經(jīng)網(wǎng)絡模型，人工智能可以深度學習大量已勾畫靶區(qū)和危及器官的患者數(shù)據(jù)，用模型來完成新患者靶區(qū)和危及器官的自動勾畫。

　　如今，只需將患者的數(shù)據(jù)輸入電腦，就能自動勾畫醫(yī)學圖像中腫瘤的靶區(qū)，自動分割腫瘤與非腫瘤組織，精確勾勒放療靶區(qū)。醫(yī)生在這個基礎上對影像進行審核、微調(diào)和修改，大幅減少了工作量。據(jù)介紹，目前該院測試結(jié)果顯示，人工智能自動勾畫影像，能比純?nèi)斯す?jié)省大約70%的用時。而在一些缺乏腫瘤醫(yī)治經(jīng)驗的基層醫(yī)院，人工智能也可以給年輕醫(yī)生提供參考，減少他們的出錯概率。

　　制定腫瘤放射治療計劃需要進行大量的計算。傳統(tǒng)計算方式速度慢、花費時間長、成本高，很大程度上要依賴物理治療師豐富的經(jīng)驗。而這一點恰恰在中國是一個短板，目前我國放療物理師人才非常匱乏。數(shù)據(jù)統(tǒng)計顯示，2015年我國擁有物理師3294人，放射科腫瘤醫(yī)師與物理師比例為4.81∶1。

　　如果把放療對癌細胞的剿殺，看作是用洲際導彈轟炸目標，那么醫(yī)生是發(fā)出目標指令的人，而制定計劃和操作，比如導彈怎樣飛行、飛行的軌跡如何，都是物理師來具體完成的。甚至有人說，在放療科可以沒有醫(yī)生但不能沒有物理師。

　　物理師要根據(jù)醫(yī)生要求和設備特點來設計合適的方案，要根據(jù)病人情況重建三維人體結(jié)構(gòu)圖，通過復雜的數(shù)學和物理運算確定放療機器的各種參數(shù)，驗證測量、修改和完成放療計劃，還要每天測量和校準劑量，來確保放療的準確性和安全性。

　　人工智能正在彌補這個短板，它可以高速分析和處理海量大數(shù)據(jù)，針對腫瘤類型、腫瘤周期、患者性別體重等參數(shù)對數(shù)據(jù)進行劃分，幾分鐘就能自動設計最優(yōu)放療計劃，供物理師參考。

　　放療、手術(shù)、化療是人類治療癌癥的三把“尖刀”。近年來，放療精準度高、適應度廣、副作用小、創(chuàng)傷較少等優(yōu)勢逐漸受到重視。然而我國醫(yī)療資源分布極不均衡。據(jù)全國第三次衛(wèi)生服務調(diào)查顯示，目前我國80%的醫(yī)療衛(wèi)生資源集中在城市，其中80%又集中在大中型醫(yī)院，而醫(yī)療衛(wèi)生服務需求大部分存在于基層。

　　以放療為例，在基層醫(yī)院，有的根本就沒有配置放療設備，有的雖然買來昂貴的設備，卻因為缺乏放射腫瘤科醫(yī)生和物理師，導致設備閑置，或是治療不規(guī)范效果不佳，因此患者看病依舊需要去擠大醫(yī)院。

　　目前，醫(yī)生們正在更深入地研究利用人工智能預測放療后的并發(fā)癥。肺癌是在中國發(fā)病率最高的癌癥，一個重要的治療手段就是放療，然而最常見的并發(fā)癥之一就是放射性肺炎。放射性肺炎會對患者的生活質(zhì)量造成一定影響，嚴重的甚至會危及患者生命，但目前沒有有效預測放射性肺炎發(fā)生的方法。一般來說，現(xiàn)在預測并發(fā)癥的成功率在50%左右。目前醫(yī)生們采用人工智能和新興的放射組學結(jié)合的方法，創(chuàng)新性地建立放射性肺炎預測模型，即通過計算機深度學習方法挖掘CT圖像中隱藏的信息，比如腫瘤的紋理、密度等信息，并結(jié)合患者臨床和放療信息構(gòu)建綜合的預測模型，輔助臨床醫(yī)生調(diào)整治療方案及臨床決策。

　　如果發(fā)現(xiàn)某個病人發(fā)生放射性肺炎可能性高，可以及時介入，提前做一些預防措施，盡量降低放射性肺炎發(fā)生的等級，減少痛苦。一個非常理想的狀態(tài)是，給病人做幾個CT檢查之后，人工智能就可以知道病人可以存活多久、做放療的療效如何，什么時候會發(fā)生轉(zhuǎn)移，以及這個過程中產(chǎn)生的相關(guān)副反應及其可能性有多大。