人工智能能为病人做些什么

2018年是巨星陨落的一年,几十位家喻户晓的名人、大师永远离我们而去。

其中,年仅50岁的著名主持人李咏的在抗癌17个月后悄然离世,让人倍感意外。有评论说,如果不是李咏的妻子哈文亲自发文,他们会觉得这是个谣言。

李咏妻子哈文发文

据统计,我国每天就约有一万人确诊癌症,平均每分钟就有7个人被确诊为癌症,37%的女性和42%的男性在一生之中会遇到癌症。

癌症如此可怕,但并不是没有抗癌成功的案例。如果能够低成本、高效率地进行癌症筛查和确诊,就能使患者在癌症早期接受干预治疗,提高存活率。

医学界也一直在进行癌症早期筛查的研究,并在研究中引入了人工智能技术。我们从四个方面来讲述,AI如何在癌症早期筛查乃至于所有的医疗场景下发挥作用。

医疗影像

目前医疗数据中有超过90%来自医疗影像,医疗影像数据已经成为医生诊断必不可少的“证据”之一,也是癌症确诊的重要依据。

以肺癌为例。在国内,一家三甲医院平均每天接待 200 例左右的肺结节筛查患者,每位患者在检查环节会产生 200-300 张左右的 CT 影像,放射科医生每天至少需要阅读 4 万张影像,任务繁重,大量消耗精力,导致误诊漏诊率上升。

再加上国内医生资源缺口问题越来越严重,影像医生供不应求,工作量远超负荷。

医疗影像中观察出的“肺结节”是诊断肺癌的重要依据

为了解决这个问题,目前已经有多个医疗平台与人工智能技术公司合作,开发出辅助医生查看医疗影像的工具,提高看诊效率和准确率的案例。

英特尔推出的医真云平台,该平台过人工智能识别出肺结节后,再交由医生执行进一步的诊断,使得诊断效率和精准度大幅提升。而原先人工需要的10多分钟完成的筛查缩短到仅仅5-17秒秒钟,诊断效率大大提高。

医生负担减小后,会把更多的时间和精力放在诊断上,给患者带来更精准的诊断结果和医疗方案。医生也更有余力给与患者感情支持,这对于日益紧张的医患关系来说,都是很有必要的。

问诊和复诊

现如今的医疗流程中,初次就诊的患者往往比较懵懂,不清楚就医流程,不懂怎么回答医生的问题。门诊医生看诊任务繁重,每位病人每次看诊,几乎都只能与医生沟通几分钟。医患信息严重不对等、就医体验差也导致了医患关系紧张。

医院借助智能语音交互平台,搭建一套完善的导诊服务,或许是一个可行的解决方案。

一方面,可以有效引导患者挂号、分诊、科室路线引导,另一方面,也可以协助医生对患者进行“预问诊”,为医生提供“预问诊报告”,医生和患者见面前,就可以提前掌握患者的一些基本资料和病情,辅助诊疗,同样能够提升诊疗的准确率和效率。

看病难缩影:患者面临的“分诊难题”

类似的“预问诊”流程,同样可以复用在患者的复诊场景下。智能助手提醒患者遵医嘱和及时复诊,同时提醒医生对患者的情况进行回访,根据回访结果及时调整医疗方案。

针对这样的市场需求,智能语音对话平台“对话流”在研发之初就预设了问诊等复杂的医疗场景,借助深度的自然语言理解技术,帮助医院和医疗机构搭建智能问诊、智能分诊和智能复诊平台,以帮助医生高效率诊病,为“看病难”这一痛点提供解决思路。

医学陪护和情感支持

医疗作为一个非常特殊的场景,除了诊病、治病之外,病人的心里健康也是不可忽视的需要关注的部分。而随着老龄化社会的来临,陪护行业也将迎来一个很大的缺口。许多病人、老人并没有条件请到合适的护工,那么是否能让人工智能来担任这个角色呢?

乐观来看,支持智能语音交互的聊天机器人,可以完成这几方面的任务:

-提醒家庭成员遵从良好的生活习惯,做好预防

-记录病人身体状况,作为医生的治疗方案的参考

-根据病人的需求,针对简单问题提出专业的医疗建议,并提醒病人遵医嘱、定时复诊

-与病人进行日常交流和情感问候,为病人提供情感上的支持

但想要完成以上的任务,智能语音助手仍然需要突破技术瓶颈。但毋庸置疑,这是一件值得我们探索的事情。

结语

少部分人能够享受到的一对一、随叫随到的医疗服务,对普通大众而言可望而不可即,但在人工智能的介入下,部分常见例行和远程条件下能解决的健康服务则有可能做到低成本享受一对一的个性化

稀缺的医疗资源,使得一对一的医疗关怀可望而不可即

AI技术进入垂直领域,需要大量的数据作为支撑。中国作为世界第二人口大国,庞大的人口基数累积了巨大的医疗数据,这是AI进驻的天然机会。

这些数据将在优化医疗资源配置、医学研究、提升医疗效率等方面具有巨大潜力,也终将会为医生和患者提供高效、优质、稳定的服务。

或许在不远的将来,家庭中配备一位家庭医生机器人,会是一件司空见惯的事儿,如同现在的扫地机器人一样。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 206,723评论 6 481
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 88,485评论 2 382
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 152,998评论 0 344
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 55,323评论 1 279
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 64,355评论 5 374
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,079评论 1 285
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,389评论 3 400
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,019评论 0 259
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 43,519评论 1 300
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,971评论 2 325
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,100评论 1 333
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,738评论 4 324
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,293评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,289评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,517评论 1 262
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,547评论 2 354
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,834评论 2 345