強大的醫(yī)療健康需求、豐厚的數(shù)據(jù)技術(shù)積累，讓“AI+醫(yī)療”一直以來備受各界關(guān)注。
人工智能是當今科技界最熱門的領(lǐng)域，而醫(yī)學人工智能更是熱門中的熱門。谷歌、微軟、IBM、百度等科技巨頭都積極布局智能醫(yī)療產(chǎn)業(yè)，美國麻省理工學院、斯坦福大學、卡內(nèi)基梅隆大學以及我國的清華大學等知名學府均把醫(yī)學人工智能作為未來發(fā)展重點，美國、中國、日本、英國等世界各國人工智能計劃也都把醫(yī)療作為重要的應(yīng)用領(lǐng)域。
專家系統(tǒng)與智能診斷
專家系統(tǒng)（Expert System，ES）是人工智能一個重要的分支學科，是一種根據(jù)專家專業(yè)知識和工作經(jīng)驗，用于求解專門問題的計算機系統(tǒng)。醫(yī)療診斷正是一項典型的專家任務(wù)。因此，醫(yī)學專家系統(tǒng)是應(yīng)用較早、使用廣泛、卓有成效的人工智能技術(shù)。
●專家系統(tǒng)的發(fā)展
專家系統(tǒng)的發(fā)展曾紅極一時，如今卻沉寂無聞。專家系統(tǒng)一般包含6個部分：知識庫、數(shù)據(jù)庫、推理機、用戶交互層、解釋器和知識獲取模塊，因需求的不同而具有不同的結(jié)構(gòu)。其中，知識庫和推理機是系統(tǒng)結(jié)構(gòu)的核心部分。知識庫是將專家的知識準確、簡明、有效地轉(zhuǎn)換成機器理解的語言，常用的方法主要有產(chǎn)生式表示法、框架表示法和語義網(wǎng)絡(luò)表示法。推理機是專家系統(tǒng)的“思考”結(jié)構(gòu)，通過模擬專家思維過程進行問題求解，主要方式分正向推理、反向推理以及正反向混合推理。
專家系統(tǒng)技術(shù)上經(jīng)歷了孕育、產(chǎn)生、成熟和發(fā)展等4個階段。1956年，美國達特摩斯（Dartmouth）學術(shù)會議召開，“人工智能（Artificial Intelligence）”術(shù)語首次采用，標志著人工智能學科正式誕生。其后，人工智能分別在3個方向上迅速得到發(fā)展：一是機器思維，如機器證明、機器學習等啟發(fā)程序，以及化學分析、醫(yī)療診斷等專家系統(tǒng)；二是機器感知，如機器視覺、機器聽覺等文字、圖像識別、自然語言理解，以及感知機、神經(jīng)網(wǎng)絡(luò)等；三是機器行為，如具有自學習、自適應(yīng)、自組織特性的智能控制系統(tǒng)、控制論動物和智能機器人。1965年，美國斯坦福大學計算機科學家費根鮑姆（Edward Feigenbaum）開始研制世界上第一個用于推斷化學分子結(jié)構(gòu)的專家系統(tǒng)DENDRAL，標志著人工智能學科中“專家系統(tǒng)”分支學科即將孕育而生。1968年，DENDRAL成功問世開啟人工智能一個新的分支“專家系統(tǒng)”。
20世紀70年代，專家系統(tǒng)技術(shù)已經(jīng)成熟，并廣泛用于其他領(lǐng)域。斯坦福大學的肖特利夫（Edward H. Shortliffe）等人自1971年開始。1976年完成了第一個用于血液感染病的診斷、治療和咨詢服務(wù)的醫(yī)療專家系統(tǒng)MYCIN。斯坦福研究所的杜達（Richard O. Duda）等人自1976年開始。1981年完成地質(zhì)勘探專家系統(tǒng)PROSPECTOR。1977年，費根鮑姆提出“知識工程”概念，大大推動了基于知識的專家系統(tǒng)及其開發(fā)工具的發(fā)展，如骨架型專家系統(tǒng)開發(fā)工作EMYCN、KAS等，知識獲取輔助工具TEIRESIES、SEEK等，通用知識表達語言LISP、PROLOG等。
20世紀80年代，專家系統(tǒng)開始走出實驗室進入市場。1981年，英國赫特福德大學教授克洛克森（William F. Clocksin）出版了《PROLOG語言編程》。1982年，第一個商用專家系統(tǒng)R1在數(shù)據(jù)設(shè)備公司（DEC）成功運行。1983年，美國斯坦福大學教授海斯羅思（Barbara Hayes-Roth）出版了《建立專家系統(tǒng)》。1985年，美國加利福尼亞大學教授哈蒙（Paul Harmon）出版了《專家系統(tǒng)：人工智能業(yè)務(wù)》。據(jù)統(tǒng)計，差不多1星期就會有一個這方面的公司誕生，專家系統(tǒng)及其工具在越來越商品化的過程中形成一門旨在生產(chǎn)和加工知識的知識產(chǎn)業(yè)，專家系統(tǒng)迎來了自己的“黃金時代”。
但是，由于專家系統(tǒng)應(yīng)用領(lǐng)域過于狹窄，知識獲取“瓶頸”和不確定性常識推理等困難，20世紀80年代后期商業(yè)需求銳減，以專家系統(tǒng)所代表的人工智能迎來歷史最寒冷的“冬天”。20世紀90年代，專家系統(tǒng)開始進入緩慢發(fā)展時期，研究轉(zhuǎn)向了與知識工程、模糊技術(shù)、實時操作技術(shù)、神經(jīng)網(wǎng)絡(luò)技術(shù)和數(shù)據(jù)庫技術(shù)等相結(jié)合的發(fā)展方向。
●專家系統(tǒng)在醫(yī)學領(lǐng)域的應(yīng)用
醫(yī)學一直是專家系統(tǒng)應(yīng)用最有效的領(lǐng)域。人工智能幾乎一誕生就應(yīng)用于醫(yī)學領(lǐng)域。1954年，美國華人科學家錢家其就使用計算機計算劑量分布、進行放射治療。1959年，美國喬治敦大學教授萊德利（Robert S. Ledley）首次應(yīng)用布爾代數(shù)和貝葉斯定理建立了計算機診斷的數(shù)學模型，并成功診斷了一組肺癌病例，開創(chuàng)了計算機輔助診斷的先河。1966年，萊德利正式提出了“計算機輔助診斷”的概念（Computer Aided Diagnosis，CAD）。1968年，DENDRAL專家系統(tǒng)誕生。不久，MYCIN醫(yī)學專家系統(tǒng)就研制成功。該系統(tǒng)首次采用知識庫、推理機系統(tǒng)結(jié)構(gòu)，引入“可信度”概念，進行非確定性推理，對用戶咨詢提問進行解釋回答，并給出答案的可信度估計，形成了一整套專家系統(tǒng)的開發(fā)理論，為其他專家系統(tǒng)的研究與開發(fā)提供了范例和經(jīng)驗。
其后，醫(yī)學專家系統(tǒng)逐漸成為醫(yī)學領(lǐng)域內(nèi)的一個重要分支領(lǐng)域，并在20世紀80年代達到高潮，出現(xiàn)了大量的綜合醫(yī)學專家系統(tǒng)。1977年，美國拉特格爾斯大學的韋斯（Sholom Weiss）等人最早提出一個專家系統(tǒng)可用于多個領(lǐng)域，并把開發(fā)出的專家系統(tǒng)命名為CASNET，用于治療青光眼疾病。1982年，美國匹茲堡大學的米勒（Randolph A. Miller）等人發(fā)明了著名的Internist-I內(nèi)科計算機輔助診斷系統(tǒng)，其知識庫包括了572種疾病，約4 500種癥狀，以及10萬種疾病與疾病表現(xiàn)之間的聯(lián)系，擁有當時最大知識庫。1991年，美國哈佛醫(yī)學院的巴尼特（Octo Barnett）研制了DXplain軟件，包含了2 200種疾病和5 000種癥狀。
20世紀90年代，醫(yī)學專家系統(tǒng)逐步發(fā)展成為針對某一種或一類的疾病的專項專家系統(tǒng)。1990年，美國南伊利諾伊大學的烏姆博（Scott E. Umbaugh）開發(fā)的皮膚癌輔助診斷系統(tǒng)，使用自動感應(yīng)工具產(chǎn)生規(guī)則來確定多變的皮膚顏色。1993年，美國哈佛醫(yī)學院的研究人員構(gòu)建了動態(tài)影響圖的實時系統(tǒng)，用于診斷急性腹痛疾病。1994年，英國普利茅斯醫(yī)學院的基思（Robert D. F. Keith）采用人工神經(jīng)網(wǎng)絡(luò)技術(shù)開發(fā)了智能胎心率宮縮描記圖（Car-diotocography，CTG）計算機輔助分析系統(tǒng)，獲得滿意的效果。1995年，美國俄勒岡健康與科學大學伯恩多夫（Norman I. Birndorf）等人將規(guī)則和人工神經(jīng)網(wǎng)絡(luò)理論相結(jié)合，構(gòu)建一個混合的專家系統(tǒng)用于評估小紅血細胞性貧血疾病。1996年，美國巴特勒大學的林恩（Lynn Ling）建立了一個典型的艾滋病專家診斷系統(tǒng)。這些專家系統(tǒng)促進了醫(yī)學科學的發(fā)展。進入21世紀后，專家系統(tǒng)進展緩慢，醫(yī)學專家系統(tǒng)取得的成果也不多。
我國醫(yī)學專家系統(tǒng)研究始于20世紀70年代末期。1978年，北京中醫(yī)醫(yī)院的關(guān)幼波與電子計算機室的科研人員，根據(jù)自己的辨證施治經(jīng)驗，研發(fā)出肝病診療程序，在國內(nèi)率先把中醫(yī)學與電子計算機技術(shù)結(jié)合起來，開創(chuàng)了我國第一個醫(yī)學專家系統(tǒng)。1981年，中國科學院成都計算機應(yīng)用研究所和成都中醫(yī)學院共同研制成功了中醫(yī)痹癥計算機診療系統(tǒng)，完全符合率達96.88%。但是，以上兩個系統(tǒng)沒有明確的知識庫和推理機概念，更多的是直接模擬診斷，缺乏靈活性。
20世紀80年代，專家系統(tǒng)在中醫(yī)領(lǐng)域得到迅速的推廣。1982年，宇文賢設(shè)計實現(xiàn)了基于滋養(yǎng)細胞疾病的診治的一種計算機診斷醫(yī)療專家咨詢系統(tǒng)。1983年，張志華利用計算機輔助實現(xiàn)基于醫(yī)學上常見的盆腔子宮內(nèi)膜異位癥的診斷。此后，各種名稱的中醫(yī)專家系統(tǒng)如雨后春筍般涌現(xiàn)，達到鼎盛時期，據(jù)統(tǒng)計有140多個。
20世紀90年代，我國專家系統(tǒng)應(yīng)用進入西醫(yī)領(lǐng)域，發(fā)展?jié)u緩。1990年，華西醫(yī)科大學口腔醫(yī)學院的魏世成等人開發(fā)出顳頜關(guān)節(jié)紊亂綜合征專家系統(tǒng)。1997年，李雪榮等組建了一個兒童心理障礙標準化診斷與治療的人工智能專家系統(tǒng)。1998年，張玉璞設(shè)計并實現(xiàn)了基于波形分析的心血管疾病診斷的專家系統(tǒng)。2000年，哈爾濱工程大學的劉長征等人研發(fā)神經(jīng)內(nèi)科疾病診斷與治療專家系統(tǒng)，用于神經(jīng)內(nèi)科疾病診斷與治療。2001年，南京大學生物醫(yī)學物理研究所與江蘇省人民醫(yī)院的石曉東、仲遠明等研發(fā)耳穴信息智能識別系統(tǒng)，通過識別人體耳穴電學特征量篩檢上消化道癌。2002年，武漢理工大學的吳釗等人研發(fā)了模糊口腔癌癥診療專家系統(tǒng)，用于口腔癌癥診斷與治療。2003年，山西醫(yī)科大學的呂曉燕、郭建軍等研發(fā)了胃癌診斷專家系統(tǒng)，用于胃癌的臨床診斷。2005年，中國科學院沈陽自動化研究所與中國科學院研究生院的曾文、劉尚輝等人開發(fā)了結(jié)核病診斷專家系統(tǒng)。2006年，山西醫(yī)科大學與中北大學的葛學軍、李冰等人開發(fā)了口腔牙周病診斷專家系統(tǒng)，集合口腔牙科專家知識，用于口腔牙周疾病診斷。2008年，深圳市人民醫(yī)院開發(fā)出了用于對于人體血氣中酸堿度的檢測分析計算機輔助專家系統(tǒng)。至此，短短30年，除西藏、寧夏、海南、香港、澳門之外，我國其他29個省區(qū)市都先后開展或涉足了中醫(yī)專家系統(tǒng)的研究，開發(fā)了多種多樣多功能的醫(yī)學輔助診斷治療系統(tǒng)，先后研制出220個中醫(yī)專家系統(tǒng)和開發(fā)工具。但是，真正能夠為醫(yī)生所接受并且投入臨床使用的醫(yī)學專家系統(tǒng)少之又少。
機器學習與智能影像
機器學習與專家系統(tǒng)一樣，都是人工智能機器思維研究進路的一個分支，主要是模仿人類學習的思維過程而實現(xiàn)自主學習，并做出判斷與決策。醫(yī)學影像數(shù)據(jù)的日益豐富、醫(yī)學影像人員的極端匱乏以及數(shù)據(jù)分析的單調(diào)枯燥，使醫(yī)學影像成為人工智能最熱門的方向之一。
●機器學習的發(fā)展
機器學習的發(fā)展幾經(jīng)沉浮、如今再成熱點。邏輯推理和類比聯(lián)想是人類學習性思維的典型特點。模擬人的思維進行自主學習成為人工智能專家一直努力的方向。1949年，加拿大心理學家赫布（Donald Hebb）在其著作《行為的組織》中首次提出了基于神經(jīng)心理的學習理論，標志著機器學習領(lǐng)域邁出了第一步。1952年，被譽為“機器學習之父”的塞繆爾（Arthur Samuel）設(shè)計了一款西洋跳棋程序，通過模擬塞繆爾本人及其他高手的下棋策略與方法，積累經(jīng)驗和教訓，向高明的對手或通過棋譜進行學習，不斷提高人工智能水平，終于在1959年擊敗了它的設(shè)計者，并在1962年戰(zhàn)勝了美國一個州的跳棋冠軍，在世界上引起了不小的轟動。1957年，美國康奈爾航空實驗室的羅森布拉特（Frank Rosenblatt）利用赫布理論模擬人腦的運作方式，創(chuàng)造了“感知機（Perceptron）”，能夠進行簡單的文字、圖像和聲音識別。感知機在20世紀60年代初期曾經(jīng)盛行一時，據(jù)估計至少有近百個研究機構(gòu)和公司從事感知機的研究與開發(fā)工作。
然而，無論是以“跳棋程序”為代表的邏輯符號主義學派，還是以“感知機”為代表的神經(jīng)聯(lián)結(jié)主義學派，都遇到了各自的技術(shù)瓶頸，并受到電子技術(shù)水平的限制，不僅使機器學習止步不前，而且使人工智能在20世紀60年代中期至70年末遭遇了第一次寒冬。感知機最大的問題就是對復(fù)雜圖像的感知能力低、對非線性分類識別問題缺乏有效學習方法。1986年，美國科學家魯姆哈特（David Rumelhart）和維伯斯（Paul Werbos）研制出被稱為“反向傳播”神經(jīng)網(wǎng)絡(luò)（Back Propagation，BP）的多層感知機，解決了非線性感知與復(fù)雜模式識別的問題，給機器學習帶來了新的希望，掀起了基于統(tǒng)計模型的機器學習熱潮。
到了20世紀90年代，以BP為代表的淺層學習算法模型進入了黃金時代，各種各樣的學習模型被相繼提出，并得到實際運用。1990年，美國計算機科學家夏皮雷（Robert E. Schapire）最先構(gòu)造出一種多項式級的Boosting框架算法。1995，俄羅斯統(tǒng)計學家瓦皮尼科（Vladimir Vapnik）和丹麥計算機科學家科爾特斯（Corinna Cortes）提出支持向量機算法（Support Vector Machines，SVM）。1997年，IBM公司的超級計算機深藍（Deep Blue）戰(zhàn)勝堪稱國際象棋棋壇神話的加里?卡斯帕羅夫，震驚世界。2001年，美國統(tǒng)計學家布賴曼（Leo Breiman）提出決策樹模型（Random Forests，RF）。但是，BP算法也存在著隨著神經(jīng)網(wǎng)絡(luò)層數(shù)的增加而梯度逐漸消失的嚴重缺陷。2006年，“神經(jīng)網(wǎng)絡(luò)之父”欣頓（Geoffrey Hinton）提出神經(jīng)網(wǎng)絡(luò)深度學習（Deep Learning）算法，解決了這一問題，使圖像、視頻、語音和音頻的處理帶來了突破，引燃了深度學習在學術(shù)界和工業(yè)界的浪潮。2011年，微軟公司首次將深度學習方法應(yīng)用在語音識別領(lǐng)域中，取得了較好的效果。2012年，谷歌的X實驗室開發(fā)了一種機器學習算法，可以自動瀏覽和找到包含貓的視頻。2014年，F(xiàn)acebook公司開發(fā)了一種名為DeepFace的算法，能夠識別或驗證照片中的個人，其準確度與人類相當。2016年，谷歌旗下的DeepMind公司基于深度學習的算法開發(fā)研制了AlphaGo程序，戰(zhàn)勝了圍棋冠軍李世石，掀起了機器學習發(fā)展和應(yīng)用的浪潮。
●AI與醫(yī)學影像的結(jié)合
AI與醫(yī)學影像的結(jié)合起步很早卻難有大的突破。醫(yī)學影像是指為了醫(yī)療或醫(yī)學研究，對人體或人體某部分，以非侵入方式取得內(nèi)部組織影像的技術(shù)與處理過程。自第一張X光片出現(xiàn)后，隨著20世紀科學技術(shù)的發(fā)展，逐漸形成了以X射線、CT、磁共振成像、超聲和核醫(yī)學等為代表的多種醫(yī)學影像技術(shù)設(shè)備，成為醫(yī)療絕大多數(shù)數(shù)據(jù)的來源。
人工處理的困難與枯燥，使人們很早就想利用AI解決這些問題。1963年，美國放射學家洛德威克（Gwilym S. Lodwick）等人提出X光片數(shù)字化的方法。1966年，萊德利正式提出了“計算機輔助診斷”的概念（CAD），希望通過計算機來減輕醫(yī)生的工作負擔。1972年，CT的臨床使用開創(chuàng)了醫(yī)學影像數(shù)字化的先河。之后，MRI、CR、DR、ECT等數(shù)字化醫(yī)療設(shè)備的產(chǎn)生，推動了醫(yī)學圖像資料的存儲、傳輸系統(tǒng)（Picture Archiving and Communication System，PACS）的發(fā)展。因此，1982年，美國放射學會（ACR）和電氣制造商協(xié)會（NEMA）決定共同成立一個稱為ACR-NEMA的委員會，致力于制訂醫(yī)學影像設(shè)備間共同的通信交流規(guī)范。1985年和1988年，ACR-NEMA發(fā)布了兩套規(guī)范（ACR-NEMA 1.0和ACR-NEMA 2.0），并于1993年發(fā)布了一套統(tǒng)一的規(guī)范，正式命名為DICOM3.0，詳細地規(guī)定了醫(yī)學圖像及其相關(guān)信息的傳輸協(xié)議。
雖然圖像存儲與傳輸標準有所發(fā)展，但是AI與醫(yī)學影像的結(jié)合仍然困難重重。例如，醫(yī)學專家系統(tǒng)在誕生后，雖然在20世紀80年代紅極一時，但一直難于應(yīng)用在醫(yī)學影像領(lǐng)域。造成AI與醫(yī)學影像難以結(jié)合的主要原因是視覺系統(tǒng)成像模糊、人體組織結(jié)構(gòu)或功能的復(fù)雜性及傳統(tǒng)算法的局限性。2006年，深度算法的出現(xiàn)為圖像識別帶來突破性的進展。2012年，欣頓使用多層卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，將圖像識別錯誤率突破性地從26.2%降低到了3%，讓深度機器學習進入工業(yè)和醫(yī)療的領(lǐng)域。2014年，國際知名的醫(yī)學影像公司Enlitic成立，并開發(fā)出從X光照片和CT掃描圖像識別惡性腫瘤的軟件。2015年，美國西奈山醫(yī)院使用的一種名為Deep Patient的AI技術(shù)，分析該院70萬名患者的病歷數(shù)據(jù)，表現(xiàn)十分優(yōu)異。2017年，美國食品藥品管理局（FDA）批準了第一款心臟磁共振成像人工智能分析軟件Cardio DL。2018年，F(xiàn)DA批準了全球第一款人工智能醫(yī)療設(shè)備IDx-DR。目前，中國有超過100家醫(yī)療人工智能公司，其中約有40家企業(yè)屬于醫(yī)學影像AI公司，近千家醫(yī)院部署的人工智能系統(tǒng)中超過一半是醫(yī)學影像人工智能系統(tǒng)。
智能機器人與智慧醫(yī)療
智能機器人是指具有視、聽、觸等機器感覺，行動、規(guī)劃、決策等機器思維，機械手、腳的智能控制結(jié)構(gòu)的機器人，是人工智能的又一個重要研究方向。作為一種新型的人工智能技術(shù)，會對整個醫(yī)療行業(yè)產(chǎn)生深遠影響。
●機器人的技術(shù)發(fā)展
機器人從技術(shù)成長的視角看可分為3代：第一代為示教再現(xiàn)型機器人，第二代為具備感覺的機器人，第三代為智能機器人。1959年，第一臺工業(yè)機器人誕生。1965年，世界上第一個帶有視覺傳感器的機器人誕生。1968年，美國斯坦福研究所研制的機器人Shakey具備了一定的人工智能，能夠進行感知、環(huán)境建模、行為規(guī)劃并執(zhí)行任務(wù)，成為第一臺智能機器人。1974年，美國辛辛那提?米拉克龍（Cincinnati Milacron）公司成功開發(fā)了多關(guān)節(jié)機器人。1979年，美國Unimation公司推出了PUMA機器人，它是一種多關(guān)節(jié)、全電機驅(qū)動、多CPU二級控制的機器人，采用VAL專用語言，可配視覺、觸覺、力覺傳感器，是當時技術(shù)最先進的工業(yè)機器人。
20世紀80年代，不同結(jié)構(gòu)、不同控制方法和不同用途的工業(yè)機器人在發(fā)達國家進入了實用化普及階段，日本把1980年稱之為“機器人普及元年”，開始在各個領(lǐng)域推廣使用機器人，傳感技術(shù)和智能技術(shù)被廣泛應(yīng)用，智能機器人概念日漸深入人心。1985年以后在日本稱為“智能機器人的時代”。短短20年時間，機器人實現(xiàn)了從第一代到第三代的大幅跨越。因此，第三次科技革命也可稱為機器人技術(shù)發(fā)展的“黃金時代”。20世紀90年代，日本泡沫經(jīng)濟破滅、經(jīng)濟蕭條，日本機器人市場逐步向全球市場轉(zhuǎn)移，成為拉動日本機器人產(chǎn)業(yè)增長的重要力量。進入21世紀后，智能機器人、仿生機器人等新一代機器人紛紛亮相。2010年，日本發(fā)那科公司推出了第一臺學習控制機器人。2014年，日本推出了高仿真人形機器人等。智能機器人技術(shù)和產(chǎn)業(yè)進入快速發(fā)展階段。
●醫(yī)療機器人
醫(yī)療機器人是智慧醫(yī)療的重要特征之一。根據(jù)用途，醫(yī)療機器人大致可以分為外科手術(shù)機器人、康復(fù)機器人、醫(yī)療服務(wù)類機器人。智能機器人應(yīng)用于醫(yī)療領(lǐng)域肇始于20世紀80年代。1985年，美國加利福尼亞州放射醫(yī)學中心研制成功能自主定位的手術(shù)機器人（Puma 560），協(xié)助外科醫(yī)生完成腦組織活檢。1992年，美國IBM公司和加利福尼亞大學聯(lián)合推出名為Robodoc的機器人系統(tǒng)，協(xié)助完成了人工骸關(guān)節(jié)和膝關(guān)節(jié)置換手術(shù)。1994年，美國Computer Motion公司研制出第一臺商業(yè)化手術(shù)機器人AESOP，并于1997年完成了世界首例腹腔鏡下膽囊切除手術(shù)。1999年，美國Intuitive Surgical公司開發(fā)出達?芬奇（Da Vinci）外科手術(shù)機器人，被廣泛應(yīng)用于普通外科、胸外科、泌尿外科、婦產(chǎn)科、頭頸外科以及心臟外科，成為目前國際上技術(shù)最為成熟和完備的外科機器人，幾乎壟斷了外科機器人市場。我國手術(shù)機器人的發(fā)展較晚。2010年，天津大學、南開大學和天津醫(yī)科大學總醫(yī)院聯(lián)合研制的首臺外科手術(shù)機器人“妙手A”系統(tǒng)成功問世，有望打破西方國家的壟斷。
康復(fù)機器人主要用來幫助老年人和殘疾人更好地適應(yīng)日常的工作和生活，主要集中在康復(fù)機械手臂、智能輪椅、假肢和康復(fù)治療機器人等方面。1987年，英國Mike Topping公司研制出了一款康復(fù)機器人，命名為Handy 1，用以幫助一名11歲患有腦癱的小男孩獨立地用餐。2013年，我國上海交通大學成功研制出第一臺智能輪椅機器人ROBOY，能對周圍環(huán)境做出準確判斷、自動規(guī)劃最佳路徑。
醫(yī)療服務(wù)類機器人主要包括救援機器人、轉(zhuǎn)運機器人、醫(yī)院辦公機器人、護士機器人等。1985年，美國TRC公司研制出世界首個服務(wù)機器人“護士助手”，不僅能運送醫(yī)療器材、藥品等，還能為患者提供送飯和送病歷、報表及信件等服務(wù)，目前已在全球幾十家醫(yī)院投入使用。
此外，人工智能在健康和慢性病管理、急診流程、就醫(yī)流程引導(dǎo)等方面有著廣泛的應(yīng)用。隨著大數(shù)據(jù)、物聯(lián)網(wǎng)、人工智能的發(fā)展，人工智能無疑會對人類的未來醫(yī)療提供莫大幫助，產(chǎn)生越來越廣泛深入的影響，有可能改變醫(yī)療模式、重塑醫(yī)療產(chǎn)業(yè)。生病還要不要看醫(yī)生？未來醫(yī)院是什么樣的？醫(yī)療人工智能事故責任如何認定？這些也同樣帶給我們無限的想象和深度的思考。
王國強，中國科協(xié)創(chuàng)新戰(zhàn)略研究院研究員，博士，主要研究方向為科技史、科技政策和科技傳播。
聯(lián)系客服
