“内科怎么走？”

“请问您想找哪个内科？还是说想去内科住院大楼？”

“我找消化内科。”

“请您到大厅里乘坐扶梯或电梯到五层B区北侧，科室在五层的详细位置请看下面的地图。”

这段对话，发生在不久前的解放军总医院门诊楼大厅，因腹痛前来就医的北京市民赵先生正在向智能导诊机器人“晓医”询问看病科室的位置。

“没想到这机器人的回复还挺准。”赵先生循着“晓医”指的路，很快就找到了就诊科室。

2017年3月，6台由科大讯飞研发的智能导诊机器人在解放军总医院上线，其中4台放置在门诊楼大厅。每天一早，这些样貌讨喜的机器人就被前来问诊的人团团围住，有人出于好奇，有人有事相求，对于人们提出的问题，机器人都会耐心解答，遇到和它开玩笑的人，它还能跟人逗个闷儿。

“现在它们可忙了，每个机器人每天平均要回答超过900个问题，患者想要找科室、找病房，以及咨询医院周边的生活服务信息，机器人都能提供指引。”解放军总医院门诊部主任国家喜介绍。

“如今的AI就像互联网一样，成了一种基础设施。”腾讯“互联网＋医疗”负责人常佳介绍说，近年来，国内外多家涉足AI的企业加速向医疗领域布局，医疗AI正在从概念走进现实，除了智能导诊，还出现了能帮医生看片子、做筛查的智能医生。

在中山大学附属肿瘤医院内镜操作室里，病人躺在手术台上，医生操作内窥镜伸入患者的食管采集照片。这些照片被实时传输到电脑，再接入AI系统，拍照结束后十几秒钟，电脑上就显示出一行文字：“疑似癌风险55％。”医生根据这个结果评估是否需要进一步做病理活检，以避免癌症漏诊。

这行文字，就是来自腾讯的医学影像AI系统“腾讯觅影”给出的癌症风险提示。“它用起来非常方便，就像医生的第三只眼睛。” 中山大学附属肿瘤医院消化内科主任徐国良介绍，“有个医生给患者查食管内镜，看着没问题，就让患者走了，后来AI提示患者的食管有异常，医生叫人回来一复查，还真是早癌。”

具备学习能力，正在解决医疗行业难题

培养一名主治医师，需要十几年时间，培养一个熟练的导医也至少需要一年。AI到底凭什么本事，能在这样一个行业站住脚？

“智能导诊机器人和几年前遍布公共场所的电子查询机不一样，它们具备学习能力。”国家喜说，遇到答不上来的问题，电子查询机可能一直“卡壳”，但智能机器人通过积累、更新数据，能够不断解答人们提出的新问题。

这种汇集并运用经验的能力，正在解决一些医疗行业的难题。

第一是高效填补医院中巨大、复杂的信息服务需要。

解放军总医院日门诊量约1．8万人，其中70％为外地患者。许多人来这看病，先就诊还是先挂号？看病科室各自在哪？住院、手术在哪栋楼？“每碰见一个‘白大褂’，患者就上前询问，但指路并非医生的主业，他们也不是每次都知道答案，所以长期以来，群众对信息服务的需要得不到很好满足。”国家喜说。

以前医院的解决办法，是建立导医团队。2014年，解放军总医院在门诊楼招了14个专职导医，又外聘了17个小时工，却依然无法满足巨大的咨询量。“智能导诊机器人上线后，很好补充了信息需求和供给不平衡的问题。”国家喜说，“它们反应快、不厌其烦，连‘川普’‘广普’等口音浓重的普通话都懂，这正契合实际，可以更好地帮助外地患者。”

第二是减少医生检查中的误诊、漏诊。

上海交通大学自动化系副教授阎威武表示，在医疗领域，AI已应用到信息咨询、医学影像、电子病历等方面，其中在医学影像上进展最快。

“我国食管癌高发，但早癌诊断落后于发达国家。”徐国良分析，我国早癌发现率低的原因主要有两点，一方面，医生普遍工作量大，难以保证对患者的精细核查；另外，早癌表现难以察觉，比如早期食管癌，从内镜观察，症状往往表现为局部充血、黏膜粗糙或细微糜烂，同一般炎症非常相似，一些经验不足的医生很容易忽视。

“当知道AI能学习看内镜照片的时候，我们很欢迎，因为AI能对医生主观的疏忽做出弥补。”徐国良说，2016年底，中山大学附属肿瘤医院把积累的10多万张脱敏的食管内镜照片提供给腾讯觅影用于科研，AI通过深度学习大量照片数据，形成一套检查标准，可以显著提高早癌发现率。

在浙江省人民医院，腾讯觅影已用于食管癌、糖尿病视网膜病变、肺结节（用于诊断早期肺癌）的筛查发现工作。实验环境下，AI系统对前两种疾病的发现准确率超过90％，对肺结节的发现准确率达85％。

浙江省人民医院院长黄东胜认为，借助AI来分析胸片、CT、病理切片等影像资料，提高了看片效率，把医生从辛苦的重复工作中解放出来。“这有助于医生投身于攻克既往经验缺乏的罕见病、疑难杂症，这些才是目前机器无法学习的。”

社会认可度提升，技术实用性增强

常佳告诉记者，腾讯觅影自2017年8月推出，已同全国30多家三甲医院组建“人工智能医学联合实验室”，“如今，AI对行业的渗透在增加，社会认可度在提升，技术实用性在增强。”

但在现阶段，医疗AI的前景并非一路坦途。

“在技术上，医学影像设备与AI系统的兼容是个问题。不同厂商的拍照设备、数据格式和图片质量都不同，这给机器学习的准确性带来干扰。另外，各地医院的AI数据库需要精细微调，AI诊断的准确性可能受地域影响，同一疾病在不同地区会呈现微小的数据差别，对此技术人员正在解决。”常佳说。

“在用户习惯上，老百姓对人机交互还停留在触控方式为主，不习惯与机器人直接说话交流。还有一些人不信任机器，只选择求助于人，这说明社会要完全接受新技术还需时间。”国家喜说。

在宏观上，阎威武指出，医疗AI的发展面临如下几个障碍：一是行业认可，医生对AI持观望态度，这项新技术尚未完全取得医学界信任；二是数据资源，政策上还没有完全开放，对居民健康数据的隐私、权属等问题有待明确；三是法律伦理，AI既不是传统医疗设备，也不是人类，对它如何进行技术认证？医疗事故责任怎么认定？这都值得讨论，毕竟AI辅助的准确率尚未达到100％。

“最重要的，是对医疗AI的解释问题。”阎威武说，“医学是一门严肃的学问，诊断病症有一套传统逻辑，但AI正在挑战这种逻辑。尽管它能达到乃至超越医生诊断的准确性，但它基于大数据的诊断原理和医生运用医学知识做诊断是不一样的，对这种不同于既往医学规律的新技术的可解释性，影响着医学界对AI的接受度。”

尽管离普及尚有距离，但许多业内人士对医疗AI的发展持乐观态度。

“综合来看，中国在医疗AI上的水平仅次于美国，发展非常快，在很多AI竞赛中成绩突出，我们是国际领先的。”阎威武说，工信部此前印发《促进新一代人工智能产业发展三年行动计划（2018—2020年）》，重点培育的8类智能产品中，就有医疗影像辅助诊断系统。“行动计划的推出，给定了时间表，给出了发展路径，具体的要求都提出来了，我认为在这个领域很快会实现产业化。”

“有些人对AI的安全性心存忧虑。站在医院管理者的角度，我觉得面对一项新技术，不能一开始就抗拒它，而要先去了解它，如果验证是好的，就应该主动去拥抱。”黄东胜说，“通过医生和技术人员不断合作，我认为医疗AI会越学越聪明，未来能向人们提供更高水平的服务。”