人脑在皮肤科的应用：机遇和挑战并存

人工计算机生物学生物学（AI）是研究工作开发运用于模拟、延伸和拓展人计算机生物学生物学的方法论、作例、技精和系统设计的系统的新技精生物学，内容还包括语音标识、形双管语言的检视、机械人的系统等。现前期 AI 已被使用多个课题，医疗保健课题也不亦然。在第十三届中所国黏膜总目医师年会上，华中所总目技大学同济附属医院附属机构北京协和医院的陈宏翔大学教授说是述了 AI 在黏膜总目系统设计所面对的机遇和终究。

所示 1 陈宏翔大学教授在本次决议中所登载演说

陈宏翔，华中所总目技大学同济附属医院附属机构北京协和医院黏膜总目，主任医师，大学教授，博士生导师。新泽西州芝加哥大学附属医院麻省总医院博士后，芝加哥大学大学黏膜生物学研究工作中所心研究工作员，日本帝国九州大学访问学者，武汉北京协和医院黏膜总目副主任，黏膜病与性病研究工作室主任。

AI 的拓展历程

1956 年新泽西州康涅狄格州决议被公认为 AI 的起源地，AI 拓展至今经历了几次不规则。在 50 二十世纪到 70 二十世纪，注意到了一个 AI 的黄金深夜，但是在 70-80 二十世纪跌入走下坡。到 80 二十世纪又再次蓬勃，结果遭遇技精瓶颈又跌进走下坡。随着 2016 年 AlphaGo 打败生物中所国棋院，最近 Alpha 0 又打败了 AlphaGo，以及同类型汉森Corporation开发的机械人索菲亚同类型获得沙特阿拉伯国籍，特斯拉创建者话说无论如何十年内可以构建人脑直接连接电脑等最近流血事件注意到，AI 再次成为大媒体。必将来年的两会上，AI 首次写入政府监督总结报告，也注意到在亚太区文化很低频词语中所。未来 20 年 AI 也许会拓展的非常进一步，在医疗保健、制造业、无人驾驶、计算机生物学生物学陪伴等特别亦会成为最主要的系统化。

AI 的研读模双管有两种，一种是监督双管研读，另一种是非监督双管研读。比如 AlphaGo 学会所有的围棋技精是基于生物的经验研读的，属于监督双管研读。AlphaGo 打败生物中所国棋院处理过程中所还存在一点失误，最终以 4:1 打败李世石，但是 Alpha 0 是 100:0 打败 AlphaGo，是一个跨越双管的进步。Alpha 0 和 AlphaGo 的区别是不基于任何生物智慧，生物只知道它规则，然后它自己检视，相当于非监督双管研读。小型化 AI 的特点，有从人工经验表达转向大数据驱动的经验研读技精，从分类别检视的互动式数据转向跨媒体的经验的研读、推理，从信念计算机生物学生物学机械到很低水平的人机、脑机相互来展开和融合，从探讨群体计算机生物学生物学到基于网上和大数据的群体计算机生物学生物学，从拟人化的机械人转向更加加广阔的计算机生物学生物学自主的系统等趋势。

AI 与流行病学的关联性

AI 在流行病学的拓展也经历了孕育期、时是和很低峰期。在每一时间段都有标志性的流血事件，如在孕育期，1974 年成立麻省理工学院流行病学测试计算机生物学研究工作项目，主要试着系统设计三个课题：分子生物学、流行病学医疗保健治疗、精神病学，它保持稳定开发研究工作前期，有很好的测试视觉效果，奠定了人工计算机生物学生物学在流行病学中所系统设计的系统化。时是的标志性流血事件，如 1985 年出席决议了第一届欧洲流行病学人工计算机生物学生物学决议、1989 年创立了流行病学人工计算机生物学生物学杂志，这一前期里，专家的系统具针对性、透明性及机动性，采用经验指出和推理技精模拟牙医的思维、确实，专门设计牙医应付复杂情况，该前期人工计算机生物学生物学今日在流行病学中所得不到更加进一步的确实系统设计。孕育期和时是现前期今日不被非议，而很低峰期比如说全面性，在多个特别都有突飞猛进的拓展，如流行病学相片课题，融入更加多很低总目技算例，提很低相片的准确性；流行病学数据检视课题，探究数据挖掘作例，使流行病学大数据发挥更加大的价值；治疗治疗课题，通过研究工作建模、作例，成立更加新技术的专家的系统，甚至计算机生物学生物学机械人，设例流行病学治疗及治疗；研究工作探索将更加多种类的人工计算机生物学生物学作例使用更加多不同的流行病学课题。

今日 AI 在流行病学相片中所拓展非常太快，还有计算机生物学生物学的询诊。比较简单的归纳，AI 在医疗保健课题中所系统设计的场景还包括医疗保健机械人、虚拟帮手、电子MRI、计算机生物学生物学医院、肥胖管理、计算机生物学生物学相片、计算机生物学生物学诊疗、计算机生物学生物学药物开发，基因研究工作等，具有广阔的医用前景。

近年来，AI 在医疗保健课题中所不断拓展，多个流行病学附属医院都有相关很低水平的篇名的注意到， 如 JAMA 篇名：糖尿病视网膜病变的很低灵敏、很低特异治疗；Nature 篇名：开启黏膜癌的笔记本电脑肾结石；Nature Biomedical Engineering：罕见病的诊疗提议及监控、脑瘤的精中所进一步治疗、脊髓假体的精确控制。在流行病学系统设计特别，曾新闻网报道新泽西州研发的 Watson 机械人去年在杭州中所医院研读中所医，之后很太快便使用的治疗，并与国际上多家医院的总目签订了流行病学系统设计的履约。

除此值得注意，AI 还被使用预测心脏病复发、ICU 中所预测病人遇害风险、血型解剖，面部标识提很低病患服药依从性、宫颈癌的操作者标识、血液总目骨髓细胞缩放标识及机械人专门设计外总目手精等特别。

AI 在放射总目的拓展也非常太快，如华中所总目技大学同济附属医院附属机构同济医院的放射总目就开始系统设计 AI 操作者阅读胸片和 CT 结果。在放射课题，AI 对缩放展开标识，还包括前期对缩放展开检视、分割、特点提炼出和匹配确实，之后再展开深入研读，深度研读的素材还包括病患病例库或其他医疗保健元数据，然后机械会给予专门设计确实。

AI 在黏膜总目的系统设计

黏膜病学是更是仰赖哺乳类特点的学总目，黏膜相片是黏膜病治疗的最主要手段。黏膜相片治疗由最初的望诊，拓展到放大镜子和光学仪器专门设计治疗，再到近年来大写字母相片学技精和计算机生物学生物学研究工作。现前期以黏膜镜子、黏膜超声、黏膜 CT 为代表的黏膜相片技精已成为流行病学黏膜病治疗的最主要工具。黏膜镜子对黑色素瘤有很多的治疗作例，还包括 ABCD 例、模双管标识例、七点检测例、早先检测例、CASH 例等，这些作例，监督我们对提炼出出来的特点展开打分评价，是 AI 系统设计更是成熟的例子。如果能建构多维度黏膜相片贡**，把诸多黏膜病的疾病特点提炼出出来，的系统化地打分标识，就可以更加好地教机械如何确实。

麻省理工学院在 Nature 上登载了一篇篇名，为了让 13 万个黏膜病的缩放元数据培训 AI，展开人工计算机生物学生物学操作者治疗黏膜病的探索，缩放元数据包含了黏膜镜子缩放、手机所示像以及的系统化的所示像。最后结果，将 AI 治疗的系统运用于鉴别黏膜良性、恶性和其他的一些非性黏膜病，结果 AI 治疗结果与黏膜总目专家治疗结果吻合度非常很低，治疗生产成本打成平手。

在国际上的黏膜总目 AI 系统设计上，最近也有很多的进步。如湘雅大学第二医院与兰花园、大拿总目技合作开发，构建了首个黏膜病的人工计算机生物学生物学治疗的专门设计的系统，并举办了新闻网官网。该的系统现前期主要针对心绞痛和皮炎等一系列疾病，标识准确性很低达 85% 以上。除此值得注意，国际上其他医院黏膜总目也逐渐开始系统设计 AI 治疗工具，如北京北京协和医院与北京航空航天大学合作开发，今日开始可用黏膜镜子所示像的操作者标识， 在同类型的黏膜相片继续教学班上展开了展示；武汉北京协和医院也与香港一家Corporation合作开发，系统设计该Corporation研发的黏膜计算机生物学生物学检测的系统（Dr.Skin），今日可以有效地展开类似黏膜病的缩放计算机生物学生物学治疗。中所日友好医院崔勇大学教授发起的中所国人群黏膜相片贡**（CSID）项目， 目标是成立可运用于成立专门设计治疗模双管的、中所国人群特异性的黏膜相片资源，它也是人工计算机生物学生物学运用于黏膜病计算机生物学生物学治疗可为了让的最主要研读资源。

但是 AI 在流行病学中所也遭遇了瓶颈，如今日的黏膜病所示谱规模还不大，医院之间的共享相对较低，且懂医疗保健的专家不太懂算例，懂算例的技精人员不懂医疗保健，海量数据的标注费时费力，须要跨学总目的密切配合。AI+医疗保健这种复合背景的人才将成为这个课题竞争的核心。

AI 随之而来的机遇和终究

AI 具有很多优势，可以很低效地检视很多好事，那么给黏膜总目牙医它究竟是会随之而来恶梦还是一个帮手呢？医疗保健是最不易曾受 AI 影响的从业人员之一，虽然牙医在医疗保健中所的新颖、审美、社交、协商特别的优势是不能被机械替代的，但是每天黏膜总目牙医打工也存在大量多次重复性的劳动、不须要经过大脑，可以通过培训依靠。

除了计算机生物学生物学标识值得注意，AI 也可以展开人工计算机生物学生物学咨询。国际上早糖尿病操作者询诊的 APP 和机械人，只要把的系统化的情况和答案列出来给它，便可以回答单病种病患一些类似的情况。这些长期多次重复的监督工作交还给机械来来作，替代了牙医的部分监督工作，也大大提很低了监督工作生产成本，在这个本质上说是 AI 是牙医的一个帮手。 但是对一般来说的牙医来话说，虽然提很低了监督工作生产成本，但也也许很低自己在职业中所的层面。每个人在职业中所的「不可替代」性非常最主要，如果能来作到独一无二就不能被替代，否则就有随时被替代的凶险。因此 AI 的系统设计，很多监督工作岗位，存在的层面大大升高，如商都的无人分带回家、马云的无人百货公司，对很多生产力高密度岗位都随之而来阻碍。

AI 在黏膜总目的优势也非常明显，更有也有关于黏膜总目牙医和 AI 谁是帮手的讨论，比如银屑病、肠胃、痤疮等类似多发病的诊疗大型活动中所，治疗、药剂、肥胖宣教很多都是多次重复性劳动，而且在一个窄小的自由空间中所，甚至每天不用跟同事打交道，来作与病患技精交流就可以，每天多次重复着同样的监督工作，这整个环节或者是其中所一部分，就也许被 AI 替代。

但黏膜总目的病种多种不同，鉴别标准规范和治疗标准规范还不统一，这样并不太不易基督机械人怎么标识治疗疾病，属于 AI 治疗黏膜病的瓶颈情况之一。现前期黏膜相片还能够构建病因缩放的操作者标识治疗，另外黏膜病中所有罕见病，病例非常少，标本量不足以给予机械培训所须，理想操作者标识治疗的生产成本也难构建。

现前期 AI 治疗还有很多的情况存在，除了技精的瓶颈，还有一些黑格尔情况、司例情况以及情况。如来作出 AI 治疗的主体在司例上是人（牙医）还是物（医疗保健器械）？AI 治疗进入流行病学系统设计的司例标准规范是什么？AI 治疗注意到缺陷或医疗保健不当的确实依据是什么？AI 治疗发生医疗保健损害，谁应承担司例责任？这些都是带有主导性的司例情况。

AI 虽然是最近，但现前期系统设计还不成熟，任何一个技精的注意到不是为了替代，而是为了支持。AI 是帮手还是恶梦谁都不能给出准确的答案，我们的预测，它的到来，对部分两大的牙医而言，也许是提很低生产成本，随之而来机遇； 对一般来说黏膜总目牙医，更是是承担这长期多次重复监督工作的群体，也许会随之而来阻碍和「恶梦」。所以，作为新进的一代， 有必要了解新经验，拥抱新生事物，对人工计算机生物学生物学积极非议、参与开发、运用，在人机共同进步中所依靠立足点。

总编： 刘跃