很多人都說，AI來了，放射科醫生將面臨失業的困局。上海新華醫院副院長潘曙明的觀點卻恰恰相反。他認為，未來放射科醫生的職業前景最為光明，因為放射科是離人工智能最近的科室。

潘院長指出，目前AI能夠解決的問題主要集中在圖像領域。AI對圖像的認知已經遠遠超過了人類。因此，我們應該逐步將這種類型的任務移交給AI。未來，將放射影像與AI技術融合用于精準手術治療具有十分廣闊的前景。

放射影像在現代醫學中占據著舉足輕重的地位，但這項技術并非醫生的發明。如今大數據和人工智能技術正在給各行各業帶來變革，醫療產業同樣深受影響，但這項技術也不是醫生的發明。潘曙明院長認為，醫療行業變革背后的推手也許并不是醫生，相反，醫生將處在食物鏈相對底端的位置。

優質的海量數據是人工智能算法的基礎，但信息孤島在每個醫院都是一大難題。病房場景、教學場景、ICU場景、急診場景的系統都是不互通的。各個醫院之間的信息化水平參差不齊，要實現所有醫院的數據互聯互通，目前來說還很困難。

潘院長認為，數據互聯互通難以推進主要有三方面的原因：

一、不敢。 數據安全是一個讓行業比較痛苦的問題。大家都想要彼此的數據，但是對于到底該不該給對方提供優質的數據支撐又猶豫不決。

二、不愿。 醫療在很多地方都是香餑餑，牽涉到各個部門的利益，大家都不愿意將自己的數據交出去。

三、不能。 目前懂人工智能的醫生和懂醫生的IT人才還極其稀少。

以下是潘曙明院長的口述原文，雷鋒網 (公眾號：雷鋒網) 做了不改變原意的編輯：

未來放射科醫生最吃香

我的觀點和很多醫生不一樣，我認為AI必將取代醫生。

一個多月前，我在杭州參加過一次關于醫療AI的辯論。辯論很激烈，持續了一下午。我們辯論的主題是，假如有人拿出100萬美金建醫院，到底該建設一個由醫療AI還是人類醫生組成的醫院。辯論中我們提到，AI有一個好處，它只需要有電力供應就能不斷工作。人類醫生的需求則復雜得多，除了要按時按量發放薪水，還要避免他鬧情緒罷工。

大概兩周前我和孫穎浩院士討論，他有一個觀點讓我很詫異。他說要向偉大的放射科醫生致敬。孫穎浩院士經常用機器人做前列腺癌手術。以往通過人工手段做前列腺手術往往出血較多，容易切斷敏感神經，導致患者術后罹患性功能障礙。采用手術機器人之后，這種情況大幅減少。

還有一些醫生經常問孫穎浩院士，如果自己的小孩當醫生，選哪個專業方向比較好。孫院士的回答是放射學，因為放射影像是和AI最接近的。

為什么機器人做手術的效果比人工好？因為機器人是建立在圖像識別和導航的理論基礎之上的，可以實現更加精準的手術和治療。未來，AI結合放射影像將是精準手術治療的重要方向。與此同時，外科醫生和皮膚科醫生將成為危險職業，面臨被AI取代的威脅。

大數據推動各行各業創新

10月份的《紐約客》雜志上刊登了一個很有意思的封面：未來人類坐在地上要飯，機器人昂首闊步地走過，順手施舍我們幾個銅板。這種情況是否可能會發生呢？

我們知道，和機器相比人類的優勢在于創新性思維。但未來人類的創新和邏輯思維在以Alphago Zero為代表的人工智能面前可能不堪一擊。Alphago Zero想到的棋局，李世乭可能終其一生都沒想到過。為什么會出現這種情況呢？因為數據釋放出了巨大的價值，數據進化的過程比人類快多了。我們以前從未想到過今天會有這么多的數據在我們周圍產生和存儲。2006年和2020年產生的數據量相差多達44倍，這種數據量已經不能僅僅用海量來形容了，簡直堪稱天文數字。

數據積累推動了很多行業的創新。以現在很熱門的新零售業態盒馬鮮生為例，盒馬鮮生掌握的動態數據可能已經超過了醫生，快遞小哥對你的了解也可能超過了你家小區的保安。它已經通過后臺大數據精準分析出了每個人的消費習慣。

前幾年H7N9流行的時候，Google對疫情的預測精度已經超過CDC。他可以根據各個地方的口罩銷量情況預測疾病流行趨勢。

最近，我請中國移動幫我分析外地病人在上海三甲醫院的分布情況，中國移動向我提供了一份數據，非常有意思。中國移動的上海手機用戶和外地手機用戶在上海三甲醫院的分布情況，和我掌握的病人分布情況差不多。

我于是想到，如果當年公安部門請中國移動來幫忙分析外灘的人口密度，提前調配更多警力，是否就能避免“12.31踩踏事件”了呢。

大數據給交通出行帶來的變革同樣非常巨大，每個道口無處不在的攝像機和大數據的融合已經讓我們無所適從。你可能只在人行橫道線停留了三秒鐘，就會收到一張罰單。

醫療行業變革背后的推手不一定是醫生

那么，我舉的這些例子跟醫療有什么關系呢？

我們在醫學影像領域取得的成就是不容置疑的。現在皮膚科醫生通過微信群就能掙錢，因為只要看片子就行了。最痛苦的是外科醫生。隨著心臟支架技術的發展和成熟，很多心臟手術心血管醫生就能做，于是胸外科醫生逐漸被邊緣化。未來隨著手術機器人的發展，外科醫生也將面臨相同的困境。新一代的達芬奇手術機器人已經非常靈巧了，如果它和放射影像以及AI融合在一起，放射科醫生取代外科醫生并非沒有可能。

我不得不再次感嘆放射科和影像科的偉大。放射影像是醫學，但卻不是醫生發明的。放射領域獲得諾貝爾獎的成就沒有一項是由醫生發明的，都是物理學家、數學家和生物學家發明的。醫生只是在最底端起到了幫助他們進一步認知的作用。毫無疑問，大數據將推動醫療行業的變革，但背后的推手倒真的不一定是醫生。我們在這個過程中，可能屬于食物鏈的底端。

精準醫療是當前非常熱門的話題。我非常崇拜寧光院士的團隊，他們的厲害之處在于，只要抽取一管病人的血液就能在二十分鐘內出診斷結果。規模效應和精密設備的優勢是難以取代的。華大基因現在在全國各地采集血液。只要有足夠多的血液數據，他就能把微生物診斷做到極致。隨著遺傳學技術、分子影像技術、生物技術和患者臨床數據的整合，精準醫療將推動醫生鑒別診斷的變革。

醫療可穿戴設備帶來的影響也很深遠。襯衫上整合進納米技術和人工智能，就能對我們的血糖、血壓、心跳等生理數據，實現全天候的監測。新華醫院目前正在做這方面的嘗試。如果可穿戴設備真的能夠推廣應用。我們在孕婦肚子上綁一個東西，就可以遠程監測胎兒的異常反應。孕婦不用去醫院就能輕松做產檢。未來也不排除人工智能在急診、住院服務等其他領域帶來變革。

大數據時代，大型醫院何去何從？

但在這個過程中，醫院需要思考如何為患者提供人性化的服務。的確，AI可以學習和掌握更多的知識，但它無法取代人類的人文關懷。現在市場上已經誕生了人性化的機器人，機器人有自己的名字，而且長相和聲音都很甜美，但它畢竟不是真正的人類。

大數據和人工智能驅動了醫療服務的變革，這是每一個醫院管理者必須正視的事實。不便捷、不可及、碎片化，以及被動型的傳統醫療模式，在未來的互聯網、大數據和可穿戴技術面前可能不堪一擊。

為什么盒馬鮮生能夠開到我們家門口？因為淘寶為它提供了足夠的數據支撐，使它知道你所在的小區到底需要什么樣的產品，從而能夠精準配貨，帶來優質的線下購物體驗。未來醫院是否也能夠提供這種既有系統性，又有主動性的服務呢？也許未來每個大型社區周圍都有一個便捷的、數字化、精準化、個性化的醫療中心，到那時候大型醫院該如何轉型，這值得我們深思。

但大數據也給大型三甲醫院帶來了很多機遇，因為他們擁有大量的真實數據。數據的真實性有一個前提，所有的員工和病人必須真誠可靠。醫院做研究的金標準是RCT，但是RCT研究是經過嚴格設計和控制的。受試者的身高、體重等生理特征相似，且按照一定的標準進行了精確分組，用藥情況也受到控制。實驗結果需要隨機對照，且是可以復制的。

但在真實世界中能做這種研究嗎？研究結果是否真實可靠？真實世界中的研究沒有完全隨機對照，病人到底是什么樣的也難以把握。也許他的依從性不好，在家沒有按時服藥，這種情況下我們該如何判斷藥物的有效性呢？有了大數據之后，我們可以通過對真實世界數據的研究找到答案。我們可以不對受試者施加任何限制條件和干預措施，得到更加貼合臨床實際的結果。我相信如果未來我們將所有基層醫院的門診診斷數據和綜合性醫院的住院數據整合到一起，就能得到正確、真實、可靠的結果。

目前AI能夠解決的問題主要集中在圖像領域。AI對圖像的認知已經遠遠超過了人類。人眼能夠看到的最小尺寸可能是0.5mm，但AI可以在小數點后再加兩個零。因此，我們應該將這類任務逐步移交給AI。未來最應該擔心被取代的，除了外科醫生和皮膚科醫生，還有病理科醫生。

新華醫院目前正在和相關企業進行醫療影像方面的合作，比如結節的分析篩查、小孩的骨齡測定等。未來只要有足夠多的數據，AI就能通過自動學習分析出你的真實年齡，給出詳細精確的報告。

作為醫院的管理人員，我最關心的是大數據給醫院管理帶來的沖擊。現在政府給醫院管理施加了很多束縛，因為政府手里有大量的數據，有數據就有發言權。當然，政府目前掌握的數據可能還不夠完整和準確，但通過數據比較不同醫院的成本已經成為可能。往前推二三十年，醫院的管理者可以控制很多事情，但今天一切都是透明的。新華醫院所有的數據對申康都是透明的，江蘇、浙江、北京的醫院的數據對醫管局也可能是透明的。只要對這些數據進行不斷的挖掘，醫院的管理將無所遁形。對于我來說，同樣可以讓科室的管理無所遁形。

數據能夠帶來創新。今天，以疾病為核心，形成完整的診斷可視化圖像已經成為可能。比如我們想知道某個地方的孕產婦數量、年齡結構和地域分布數據，通過一張圖表就能清楚展示出來。今天早上我們孫院長畫了兩張圖，一張顯示西部地區五歲以下兒童的死亡率最高；另一張顯示西部的兒童醫生數量為全國最低。二者之間是否有關聯呢，答案顯而易見。未來，我們可以通過大數據，將某種疾病的發病區域、并發癥占比、藥品不良反應等以可視化圖像的方式進行展示和分析。

疾病的分析預測，比如通過大數據分析肺炎對兒童的影響，在今天也已經不是新鮮事了。我們甚至能根據家長上班的遲到情況，預測他的小孩是否能準時到校。

數據互通，任重而道遠

三醫聯動是一個比較宏大的話題，其中數據鏈路的打通非常重要。我們今天談論的大數據，主要還是單個醫院的數據。但單個醫院的數據并不能叫做大數據。上海申康有一套數據，衛計委也有一套數據，他們的數據也不能稱之為大數據，必須要實現數據的互聯互通。

新華醫院和瑞金醫院的數據量相差不大，都有400萬左右的門急診量，數據信息可能達到了上億條。但數據的質量是否可靠還很難說。不同系統產生的數據都不一樣，信息孤島在每個醫院都是一大難題。病房場景、教學場景、ICU場景、急診場景的系統都是不互通的。每家醫院的信息化都是基于自身情況展開的，水平參差不齊，要實現所有醫院的數據互聯互通，目前來說還很困難。要做好數據的安全性和合規性格式難上加難。

而且醫院中的數據大量是以非結構化的自然語言的形式存在的。將自然語言轉化成結構化的病歷數據和機器語言還有很長的路要走，過程十分漫長。

上海的醫聯工程做了N年，投入十分巨大，但現在可用的部分仍然很少。如何才能真正實現數據互聯互通，這是我們所有管理者需要思考的問題。

為什么數據的互聯互通推進起來這么困難呢？我認為至少有三方面的原因：

一、不敢。 數據安全是一個讓行業比較痛苦的問題。大家都想要彼此的數據，但是到底該不該給對方提供優質的數據支撐呢？我還在猶豫。

二、不愿。 醫療在很多地方都是香餑餑，牽涉到各個部門的利益，大家都不愿意將自己的數據交出去。

三、不能。 目前懂人工智能的醫生和懂醫生的IT人才還很少，但我相信未來這樣的人才肯定會越來越多。

深挖大數據是我們未來最重要的任務。只有深挖大數據才能把深度學習做得更好，取代不合格的醫生，讓優秀的醫生更好地為老百姓服務。整個醫療機構也會因為大數據的應用逐步分化，在大數據和人工智能領域表現出色的醫院會慢慢走向領先地位，落后的則將逐步被淘汰。

未來二十年必然是屬于大數據和醫療AI的時代。信息化和數字化建設一定會給醫院帶來非常大的轉變。我堅信，AI將改變醫療。 雷鋒網雷鋒網

。