人工智能在皮肤科的应用：前景和挑战并存

人工平板（AI）是学术研究研发运用于模拟、延伸和拓展人平板的理论、方具体方法有、关键技术和运用种系统的新关键技术科学知识，内容包含语音识别种系统、自然语言的处理方结构设计、机器人种系统等。现有 AI 已被运运用于多个教育领域，公共卫生教育领域也不例外。在第十三届之前国耳鼻喉科医师年就会上，华之前科技领域国立大学中国科技大学之前养老院另设结核病的陈宏翔博士讲述了 AI 在耳鼻喉科运用所面对的前景和下一场。

图 1 陈宏翔博士在本次就会议之前撰写演讲

陈宏翔，华之前科技领域国立大学中国科技大学之前养老院另设结核病耳鼻喉科，主任医师，博士，博士生导师。英美两国哈佛大学之前养老院麻州加护博士后，哈佛大学国立大学表皮生物学学术研究之前心学术研究员，日本九州国立大学访问学者，武汉结核病耳鼻喉科副主任，表皮病与性病副所长主任。

AI 的的发展人生

1956 年英美两国奥尔巴尼就会议被毫无疑问为 AI 的起源于，AI 的发展至今经历了几次变化多端。在 50 中期到 70 中期，用到了一个 AI 的蓝宝石晚间，但是在 70-80 中期跌入停滞不前。到 80 中期又再继续次繁荣，结果遇到关键技术困难重重又跌进停滞不前。随着 2016 年 AlphaGo 反败为胜全人类棋手，近来 Alpha 0 又反败为胜了 AlphaGo，以及现期中汉森新公司研发的机器人索菲亚现期中获得沙特阿拉伯国籍，特斯拉创建者说或许十年内可以解决问题人脑如此一来连接电脑等热点事件真相用到，AI 再继续次沦为热门话题。我国今年的两就会上，AI 首次读取但政府管理四次会议，也用到在十大文化高频词汇之前。未来 20 年 AI 有可能的发展的极其短时间，在公共卫生、工业、无人驾驶、平板身边等全面性都就会沦为不可或缺的基本。

AI 的自学方结构设计上有两种，一种是监理结构设计自学，另一种是非监理结构设计自学。比如 AlphaGo 学就会所有的围棋关键技术是基于全人类的学问自学的，统称监理结构设计自学。AlphaGo 反败为胜全人类棋手过程之前还普遍存在一点失误，最终以 4:1 反败为胜李世石，但是 Alpha 0 是 100:0 反败为胜 AlphaGo，是一个跨越结构设计的的的发展。Alpha 0 和 AlphaGo 的区别是不基于任何全人类自在，全人类只告诉它规范，然后它自己处理方结构设计，相当于非监理结构设计自学。新一代 AI 的特点，有从人工学问表达方向移动大原始数据转子的学问自学关键技术，从分类型处理方结构设计的多媒体原始数据方向移动文化产业的学问的自学、推理，从执着平板机器到高标准的人机、脑机相互协同和交融，从聚焦个体平板到基于因特网和大原始数据的族裔平板，从拟人化的机器人方向移动格外加广阔的平板自主种系统等趋向于。

AI 与之前医的关联

AI 在之前医的的发展也经历了孕育期、成长期和据统计。在每一时间段都有标志性的事件真相，如在孕育期，1974 年成立斯坦福国立大学之前医科学知识实验计算机学术研究项目，主要尝试运用三个教育领域：分子生物学、临床学术研究公共卫生病人、精神病学，它处于研发学术研究期中，有很好的科学知识实验效果，奠定了人工平板在之前医之前运用的基本。成长期的标志性事件真相，如 1985 年召开大会了第一届欧洲之前医人工平板就会议、1989 年创始人了之前医人工平板杂志，这一期中中都，专家种系统极具近期、透明性及灵活性，采用学问坚称和推理关键技术模拟外科医生的思维、假定，借助于外科医生解决复杂疑虑，该期中人工平板已经在之前医之前取得初步的实际运用。孕育期和成长期现有已经不被关注，而据统计就是指现期中，在多个全面性都有突飞猛进的的发展，如之前医图像教育领域，融入格外多平板化算具体方法有，减低图像的准确性；之前医原始数据处理方结构设计教育领域，深入学术研究原始数据挖掘方具体方法有，使之前医大原始数据发挥格外大的价值；病人病人教育领域，通过学术研究静态、方具体方法有，设立格外先进的专家种系统，甚至平板机器人，帮助临床学术研究病人及病人；学术研究探索将格外多种类的人工平板方具体方法有运运用于格外多不同的之前医教育领域。

现在 AI 在之前医图像之前的发展极其迟，还有平板的询诊。简单的归纳，AI 在公共卫生教育领域之前运用的场面包含公共卫生机器人、云端帮手、自旋基本资料、平板养老院、肥胖症管理制度、平板图像、平板诊疗、平板药物研发，遗传生产量化等，极具有广阔的医用前景。

近来，AI 在公共卫生教育领域之前不断的发展，多个临床学术研究专科都有就其高标准的文章的用到， 如 JAMA 文章：哮喘视网膜病变的高灵敏、高特异病人；Nature 文章：开启表皮癌的平板手机筛查；Nature Biomedical Engineering：癫痫的诊疗建议及监控、脑瘤的术之前迟速病人、脑许多现代的精确控制。在临床学术研究运用全面性，曾新闻报道英美两国制造的 Watson 机器人当年在杭州之前养老院自学之前医，不久很迟便运运用于的病人，并与本土多家养老院的科签订协议了临床学术研究运用的合同。

除此之外，AI 还被运运用于预期心脏病发作、ICU 之前预期病人丧命风险、BL鉴定，手部识别种系统减低病症服药依从性、宫颈癌的相应识别种系统、血液科骨髓细胞缩放识别种系统及机器人借助于整形等全面性。

AI 在放射科的的发展也极其迟，如华之前科技领域国立大学中国科技大学之前养老院另设中国科技大学养老院的放射科就开始运用 AI 相应阅读胸片和 CT 结果。在放射教育领域，AI 对缩放进行时识别种系统，包含中期对缩放进行时处理方结构设计、分立、特征萃取和匹配假定，不久再继续进行时深入自学，深度自学的素材包含病症病例库或其他公共卫生原始资料库，然后机器就会备有借助于假定。

AI 在耳鼻喉科的运用

表皮病学是比较依赖哺乳类特征的学科，表皮图像是表皮病病人的不可或缺手段。表皮图像病人由最初的望诊，的发展到放大勾和显微勾借助于病人，再继续到近来十进制具体方具体方法有关键技术和平板生产量化。现有以表皮勾、表皮MRI、表皮 CT 为代表的表皮图像关键技术已沦为临床学术研究表皮病病人的不可或缺工极具。表皮勾对黑色素瘤有很多的病人方具体方法有，包含 ABCD 具体方法有、方结构设计上识别种系统具体方法有、七点检测具体方法有、三点检测具体方法有、CASH 具体方法有等，这些方具体方法有，教导我们对萃取出来的特征进行时打分口碑，是 AI 运用比较成熟的例子。如果能结合多维度表皮图像BT，把诸多表皮病的性疾病特征萃取出来，基本地打分识别种系统，就可以格外好地教机器如何假定。

斯坦福国立大学在 Nature 上撰写了一篇文章，依靠 13 万个表皮病的缩放原始资料库军事训练 AI，进行时人工平板相应病人表皮病的探索，缩放原始资料库包含了表皮勾缩放、手机拍照以及基本的拍照。之前结果，将 AI 病人种系统运用于识别表皮良性、恶性和其他的一些非性表皮病，结果 AI 病人结果与耳鼻喉科专家病人结果相符度极其高，病人效率打成平手。

在本土的耳鼻喉科 AI 运用上，近来也有很多的的的发展。如湘雅国立大学第二养老院与丁香园、大拿科技领域合作，解决问题了首个表皮病的人工平板病人的借助于种系统，并举办了新闻招待就会。该种系统现有主要针对化脓性和皮炎等一系列性疾病，识别种系统准确性高达 85% 以上。除此之外，本土其他养老院耳鼻喉科也逐渐开始运用 AI 病人工极具，如北京结核病与北京航空航天国立大学合作，已经开始使用表皮勾图表的相应识别种系统， 在现期中的表皮图像不久教育男生进行时了展示；武汉结核病也与港台一家新公司合作，运用该新公司制造的表皮平板检测种系统（Dr.Skin），已经可以有利于进行时典型表皮病的缩放平板病人。之前日友好养老院崔勇博士发起的之前国人群表皮图像BT（CSID）项目， 目标是设立可运用于设立借助于病人方结构设计上的、之前国人群特异性的表皮图像教育资源，它也是人工平板运用于表皮病平板病人可依靠的不可或缺自学教育资源。

但是 AI 在临床学术研究之前也遇到了困难重重，如现在的表皮病图谱数生产量还极小，养老院密切关系的协作某种程度较差，且从来不公共卫生的专家不太从来不算具体方法有，从来不算具体方法有的关键技术人员不从来不公共卫生，海生产量原始数据的标注费时费力，只能跨学科的遇到困难。AI+公共卫生这种相联背景的优秀学生将沦为这个教育领域竞争的核心。

AI 产生的前景和下一场

AI 极具有很多优势，可以高效地处理方结构设计很多事情，那么给耳鼻喉科外科医生它究竟是就会产生可怕还是一个帮手呢？公共卫生是最容易受 AI 直接影响的行业之一，虽然外科医生在公共卫生之前的创新、审美、社交、协商全面性的优势是不能被机器替代的，但是每天耳鼻喉科外科医生下班也普遍存在大生产量以此类推性的劳务、不只能经过大脑，可以通过军事训练掌握。

除了平板识别种系统之外，AI 也可以进行时人工平板专业人士。本土已有哮喘相应询诊的 APP 和机器人，只要把基本的疑虑和答案列出来给它，便可以回答单病种病症一些典型的疑虑。这些持续性以此类推的管理工作交给机器来做，替代了外科医生的其余部分管理工作，也不断减低了管理减低效率，在这个内涵上讲 AI 是外科医生的一个帮手。 但是对一般而言的外科医生来说，虽然减低了管理减低效率，但也可能进一步减低自己在拳击手之前的不可或缺性。每个人在拳击手之前的「不可替代」性极其不可或缺，如果能显然独一无二就不就会被替代，否则就有随时被替代的危险。因此 AI 的运用，很多管理工作人力教育资源，普遍存在的不可或缺性不断下降，如京东的无人分捡、马云的无人杂货店，对很多劳务力近人力教育资源都产生冲击。

AI 在耳鼻喉科的优势也极其明显，业内也有关于耳鼻喉科外科医生和 AI 谁是帮手的讨论，比如银屑病、病症、痤疮等典型多发病的诊疗户外活动之前，病人、药品、肥胖症宣教很多都是以此类推性劳务，而且在一个狭小的空间之前，甚至每天不用跟同事打交道，只用与病症交流就会就可以，每天以此类推着举例来说的管理工作，这整个该集或者是其之前一其余部分，就可能被 AI 替代。

但耳鼻喉科的病种繁多，识别国际标准和病人国际标准还不统一，这样并不太容易教就会机器人怎么识别种系统病人性疾病，统称 AI 病人表皮病的困难重重疑虑之一。现有表皮图像还很难解决问题病理缩放的相应识别种系统病人，另外表皮病之前有癫痫，病例极其少，标本生产量根本无法备有机器军事训练所需，即使如此相应识别种系统病人的效率也难解决问题。

现有 AI 病人还有很多的疑虑普遍存在，除了关键技术的困难重重，还有一些与哲学疑虑、一般而言具体方法有疑虑以及疑虑。如做出 AI 病人的主体在一般而言具体方法有上是人（外科医生）还是物（公共卫生器械）？AI 病人进入临床学术研究运用的一般而言具体方法有国际标准是什么？AI 病人用到缺陷或公共卫生过错的假定依据是什么？AI 病人遭遇公共卫生损害，谁不应承担一般而言具体方法有责任？这些都是带有共性的一般而言具体方法有疑虑。

AI 虽然是热点，但现有运用还不成熟，任何一个关键技术的用到不是为了替代，而是为了拥护。AI 是帮手还是可怕谁都不就会所述准确的答案，我们的预期，它的到来，对其余部分精英的外科医生而言，可能是减低效率，产生前景； 对一般而言耳鼻喉科外科医生，尤其是承担这持续性以此类推管理工作的族裔，有可能产生冲击和「可怕」。所以，作为年轻的一代， 有合理了解新学问，拥抱新生事物，对人工平板积极关注、参与研发、运用，在人机共同的的发展之前掌握控制权。

编辑： 刘跃