哪些科技的发展，解决了医疗上的大问题？ 第1页

是时候祭出我这张课件图片了。

时间轴上记载的是遗传学/分子生物学/基因组学以及生物信息学的在从1865到近代的一些标示性事件的时间点。

虽然这些都是生命科学领域的进展，但是，正式这些进展，极大的推进了医学的进步，解决了非常多医学上的大问题。

比如举一个最简单的例子，在时间轴上不起眼的PCR技术，成为了我们现在所不可或缺的新冠病毒检测的金标准的理论基石。同样这个技术在1993年获得了诺贝尔化学家。

今天想跟大家的分享的，是这个时间轴里，我认为近代生命科学最重要的一个事件，同时也是对人类的近代医学有着非常非常大影响的事件——人类基因组计划。

人类基因组计划（The Human Genome Project，HGP）是一个可以与曼哈顿原子弹计划和阿波罗登月计划并列的，人类在20世纪的三大科学计划之一。人类基因组计划其目的在于对一个人完成完整的序列测序，病绘制人类基因图谱，以达到破解人类遗传学信息的最终目标。

人类基因组计划从提出到实现到最终结束，耗时十几年，几十亿美金，同时由中国、美国、英国、法国、德国、日本等多国科学家合力完成。这可以说是一个科学史上的壮举。

我甚至都怀疑，在当下的国际环境下，下一个能让这么多国家联合起来进行的大型科研项目就是如何解决三体人的入侵了。

从我们对人类自身基因的认知来说，早在1865，孟德尔的年代我们就发现了遗传学的一些规律，后续我们也发现了一些疾病是具有遗传的情况的，但这个情况如何判定？是什么让这些疾病具有有遗传因素我们不得而知。

直到后来我们确认了DNA是人类的遗传物质，以及沃森和克里克提出DNA的双螺旋结构，我们也只是认知到我们的所有遗传信息的奥秘都会在这个双螺旋结构之中，但具体是什么呢？

在接下来的时间里，我们尝试着破解了一些简单的生物，比如病毒和一些模式生物的基因序列，我们发现了大量的存在于DNA中的密码。于是逐渐有科学家提出，我们能否完成一人类的基因图谱的测序，也就是说对一个人来进行基因测序呢？

但这个工程对于当时的技术来说太浩大了，大到任何一个实验室或者研究机构，在这项工程面前，就像是试图搬山的愚公。

比如我们现在认知的新冠病毒，只有3万个左右的碱基长度，而一个人是有30亿个碱基长度。这在当时看来绝对是一个天文数字。

但越来越多的硬性需求摆在了人类的面前，遗传学几乎遇到了不可逾越的天花板，同时科学家也在Science上发文指出，人类基因组测序将成为我们对肿瘤治疗的最关键突破口。

于是在PCR技术，分子克隆技术以及DNA测序技术等进一步发展的前置条件之下，人类开始了近代生命科学历史的最大的征程，开启了人类基因组计划。用现在的话说，那目标定的，真的是星辰与大海。

今年，也正好是人类基因组计划草图发表20周年，Nature和Science分别发布了专刊，来纪念这20年的我们在HGP上的进展和收获。

那么，20年后，人类基因组计划对我们带来了那些改变呢？

首先，从人类基因组带来的一个直观收获就是，我们发现了大批的人类新的基因，而寻求这些基因背后所携带的信息成了近代基因组学等多组学的长远任务。而这项任务带来了非常非常多的成果。

比如从遗传学上来看，我们的对于人类的许多基因都有了深入的探索。比如遗传病，尤其是单基因遗传病，像是白化病，鼠尿病，地中海贫血等等这些疾病的致病基因我们都有了非常深入的研究。

虽然我们现在还很难对这些基因进行治疗和修复，但我们可以在婚前对新婚夫妇进行基因测序，来预测他们是否有可能生出携带某些先天性遗传疾病的宝宝，从而考虑是否需要进行人工干涉。结合这试管婴儿技术，我们已经可以在生育前进行人工干涉，使得携带有遗传疾病基因的人群诞生健康的宝宝。

我们发现许多我们认为并不是遗传性疾病的病因其实与我们人类的基因也息息相关。比如高血压，糖尿病，甚至是艾滋病感染其实都跟人类本身的基因有直接关系。

举个例子，我们现在正在全球大流行的COVID-19，同样的Sars-Cov-2病毒感染，不同人的症状和严重程度都会不同，除了病人自身的身体情况以外，我们还发现从基因层面上也有着非常多的影响，关于这种研究，我们叫做宿主特异性基因研究。

这也就引发了HGP对医学的最大的改变——精准医学的诞生。

中国传统医学就讲“辨证施治、一人一方”，那么在精准医学里边，这个概念被非常精细化的定义了。对于同一种疾病，但是因为基因型的不同，采取不同的治疗方式。

这点最显著的应用就是在癌症治疗上。

人类基因组计划在诞生之前就有一个目标是解决肿瘤的问题，而且也切实的解决了非常多肿瘤治疗的难题，甚至可以说，近代的癌症治疗的根基，都是建立在人类基因组计划的基础之上。

比如我们现在推荐癌症患者去做一个基因检测，目的是什么呢？一是从基因层面上确定癌症的分型，二是寻找对应的靶向药物。

癌症是一个极其复杂的疾病，以肺癌举例，世界卫生组织(WHO)按组织学分类将肺癌分为：小细胞肺癌(SCLC)、大细胞癌(LCC)、鳞状细胞癌(SCC)及腺癌(ADC)。而即便是同一种肿瘤，因为其基因不同所对应的靶点也有很大区别。

还是以肺癌举例，如大部分EGFR野生型的肺癌患者使用吉非替尼（易瑞沙）、厄洛替尼（特罗凯）效果不显著；而携带EGFR基因18号外显子阳性突变的肺癌患者使用吉非替尼（易瑞沙）、厄洛替尼（特罗凯）和阿法替尼则效果显著，但假如肺癌患者同时携带EGFR基因18号外显子和HER2基因阳性突变时，使用吉非替尼和厄洛替尼很可能效果不佳，而阿法替尼作为EGFR和HER2的双重抑制剂，对于同时携带EGFR和HER2基因阳性突变的肺癌患者是有效的。

而且即便根据不同肿瘤细胞的靶点找到了对应的靶向药物，但还会出现肿瘤细胞产生对应的耐药性问题，比如所有携带EGFR突变并使用EGFR酪氨酸激酶受体抑制剂(TKI)治疗的肺癌患者都会产生获得性耐药。常见机制包括EGFR基因20外显子T790M突变、MET及HER2基因的扩增。此外，还有EGFR罕见突变(D761Y、T854A等)、EGFR扩增、PIK3CA突变等。

从数据来看，根据基因检测进行治疗的肺癌患者总生存期（OS）及无进展生存期（PFS）都有明显的提高。

所以基因测序对于肺癌的治疗是起到了非常积极的效果的。

那么针对与其他癌症，因为癌症的复杂性，在有一些情况下能起到相应的作用。要根据具体的情况来分析。

同时因为肿瘤靶向药物种类繁多，包括FDA和NMPA批准上市的就有接近100种以上，同时还有近百种的二三期临床药物。如果让医生逐一尝试就确实太难了，所以即便二代测序在肿瘤靶向药物筛选上价格不那么便宜，但针对后续的病情来看，还是挺值得一做的。哪怕找不到已经上市的靶向药物，有了这个数据也可能会患者提供一个临床试验入组的机会。

而这些仅仅是一个开端，我们现在已经不再满足于去发现新的致病基因，而是想办法从基因层面去治疗这些疾病，从2017年第一款基因治疗药物上市到现在，其中已经有多款治疗药物上市，2019年12月，Nature 发表了题为：Gene Therapy Arrives的文章，揭示了一个新的基因治疗层面的到来。

举个大家大家可能听说过的例子，全世界最贵的药物，Zolgensma。

Zolgensma于2019年获得FDA批准，由诺华公司研发，用于治疗2岁以下患有存活运动神经元1（SMN1）等位突变导致的脊髓性肌萎缩症（SMA）的儿童患者。脊髓性肌萎缩症（SMA）是一种非常罕见的神经肌肉遗传疾病，全世界仅有约10000人患病。诺华公司开发的这款疗法，是通过腺相关病毒（AAV）将正确的人类SMN1基因递送到患者神经元，从而恢复患者的运动能力。该疗法售价高达210万美元（约合1400万人民币），成为了目前世界最昂贵的药物。

可见的未来的一段时间内，相信会有大批的基因治疗药物上市，虽然现在可能价格昂贵，但相信未来总有一天会降下来。要知道当年的人类基因组计划花费了几十亿美金，十几年的时间。而现在我们测一个人的全基因组只要几万元和几周的时间。

人类基因组计划草图发布20年后的今天，我们对于基因的了解仍然有很多不足和未知，但可以说相比20年前我们已经有了质的提升。我们从发现新基因，到编辑基因，甚至到未来的创造基因，我们在这一领域愈发的向造物主的方向接近。

人类，也将走上一条新的进化之路。

AI与医疗的相辅相成，最主要的是将医疗相关工作人员从重复性的劳动中解放出来。

AI + 医学影像

AI + 药物研发

AI + 医疗机器人

AI + 精准医疗

AI + 健康管理

有时间再扩展。

这天阳医生的诊室里来了一名中年的男性患者，这位先生把一张自己的心电图递了过来，接着说到：”请您帮我看看，我的心脏有没有什么毛病？”

阳医生看了眼心电图，接着就问道：“您高血压有多长时间了？“

患者很是惊奇，反问阳医生都没有给他测量血压，是如何得知他已经罹患了多年的高血压的。

阳医生笑了笑，回答道：”就是通过你的心电图推断出来的。“

”心电图也能看出来高血压吗？“患者一脸的不解。

一张心电图，几条直线和曲线组成的抽象的图形，竟然能用来诊断心脏的疾病？不光是患者，许多初学心血管内科的医学生都会有这样的疑问。但不可否认的是，在许多传统的检查手段诸如胸片，都在逐渐被新式的检查手段诸如肺CT取代的今天，心电图作为一项有着100多年历史的检查方法，非但没有过时，反而得到了越来越广泛的应用，成为了心血管内科的一项经久不衰无可替代的无创检查手段。

究其原因，就不能不从心电图的发展历史谈起。

现代医学的发展进步，很大程度上得益于现代科学的发展进步，心电图的产生和发展也是如此。

1、神奇的生物电现象

17~18世纪，基于科学家对电磁现象的科学认识，医学家们开始了对生物电的研究。

1781年1月26日, 意大利波伦亚大学的解剖和外科学教授伽伐尼在解剖青蛙的实验中, 注意到用电刺激青蛙的神经, 会导致其肌肉的收缩 ，他由此意识到：电可以导致生物神经冲动的传导。由此奠定了生物电生理学的基础。1840年至1842年间, 意大利的生理学家马泰乌奇在发表的数篇论文和演讲中对上述试验进行了论证和分析，他发现一切正在收缩的肌肉, 都产生这种肌肉电流，这其中也包括心脏。

组成人类心脏的细胞分为两类，一类是工作细胞，主要包括心房肌细胞和心室肌细胞，这一类细胞内部含有大量的肌纤维，因而具有收缩功能，主要起到机械收缩的作用。而另一类细胞是自律细胞，其几乎不含有肌纤维，但是能自动产生节律性的动作电位。

特化的自律细胞主要分布于心脏的窦房结、结间束、房室结、希氏束、左右束支及遍布心肌的浦肯野纤维。窦房结好似司令部，规律性的释放电信号，房室结则像是中转站，其他的传导系统则像是电线，他们将窦房结释放的电流传导至心脏各处的工作细胞，从而引起心脏的收缩。

当心脏的电活动出现紊乱时，心脏的搏动也就会随之紊乱，出现早搏、停搏的异常现象，这就是临床上常见的心脏疾病——心律失常。

2、心电极其记录方法的早期研究

既然心脏电信号的紊乱与心律失常的发生密切相关，那么如何在体外记录心脏电信号就成了医学家们要解决的下一个问题。

最初，德国生理学家迪布瓦·雷蒙1849年设计了第一台测试仪器, 称作周期断流器或称电流断续器，最初是用于测量神经系统的电位变化，后由他的学生伯恩斯坦进行了改进, 使其适合于测量心脏的电位变化 。1878 年, 荷兰学者恩格尔曼使用这种改进的仪器对动物的心电活动进行了研究, 并绘制出了第一幅锯齿波形的心电图, 这一成果为后来在人体上的实验奠定了基础。

继周期性断流计后，法国的物理学家，诺贝尔奖得主李普曼，设计了一种极其灵敏的毛细管静电计，非常适合用来测量迅速变化的生物电活动。1886年，英国的生理学家沃勒，首次将毛细管静电仪用于测量人体的心电活动。最初的实验是在他自己身上进行的，他将自己的右手和左脚放入一对盛有盐溶液的水桶中，并将溶液与静电计相连，这样，人类的第一幅心电图被记录了下来。

3、艾因托芬与心电图记录方法的改进

在人类研究心电图的历史上，继沃勒之后，贡献最为突出的是荷兰的生理学家艾因托芬。艾因托芬将自己全部的精力投入到了心电图和心脏电生理的研究之中，他意识到毛细管静电计的频响过低，势必会造成心电图描记的失真，于是他应用复杂的数学方法进行校正，终于获得了与现代心电图相近的波形，他把这些波形命名为P波、QRS波群及T波，分别对应着心房肌细胞的除极、心室肌细胞的除极及复极，并沿用至今。

由于毛细管静电计记录的结果处理起来十分耗时，且极易受到外界因素的干扰，艾因托芬下决心要进一步改进心电图的记录方法。

伴随着科技的发展，艾因托芬的好朋友，法国的物理学家和工程师发明了弦线式的电流计。弦线式的电流计通过将一根3μm粗细的镀银石英丝悬挂于冷水冷却强磁场中，当有电流通过石英丝的时候，就会在磁场内发生位移，通过对导丝位移的记录来形成心电图的波形，这极大的提高了心电图记录的灵敏度和准确度。艾因托芬利用胶片来记录心电图的波形，并制定了沿用至今的25mm/s的走纸速度。

遗憾的是，艾因托芬的弦线式心电图机还是十分的笨重，重达600吨，艾因托芬只能将其放在距离医院1英里的实验室中，并通过电线与病人相连，通过这台机器，艾因托芬记录到了完全不逊色于现代心电图的室性早搏、心房颤动和心房扑动等心律失常疾病的心电图，在此基础上，艾因托芬提出了心电图标准导联理论，也就是著名的艾因托芬三角。如图所示，三角形的每一条边都是心电图的一个标准导联，如果把导联比作眼睛的话，艾因托芬三角就是从轴面的三个不同角度观察和记录心脏的电活动。

由于艾因托芬在心电图上的杰出贡献，他于1924年获诺贝尔奖。

艾因托芬生前一直致力于心电图机微型化的研究，但限于技术发展水平，收效甚微，在其身后的20世纪50年代，伴随着电子管放大技术的产生于发展，心电图机的微型化变得容易起来。

德国的西门子和霍尔斯克公司对心电图机的微型化做出了突出的贡献 。在电子管放大技术的基础上，1921年，这两家公司率先在其制造的仪器上采用了真空管和示波器两大技术, 这不仅大大提高了心电图机的灵敏度, 而且使得心电图机的体积微型化，同时心电信号能够直接在屏幕上加以显示，便于医生进行都太观察。

20世纪50年代中期以后, 心电图仪的改进步入了一个更高的层次, 即计算机化以及与其他检测技术合成的阶段 。美国在50年代首先开始研究应用计算机处理心电图，1960 年, 第一个专用心电图波形自动识别系统建立起来, 从此心电图仪进入到数字化发展的新时代。

4、心电图与心脏电生理理论的建立

人类对心律失常的认识古已有之，中国的传统医学就通过对患者脉搏跳动节律的改变对心律失常进行了描述，如结脉，指的是”脉来迟缓而呈不规则间歇“，又如代脉，指的是”脉来缓慢而有规则的歇止“，这实际上都是心律失常的临床表现，在心电图出现之前，西方的医生也经常通过脉搏和听诊心音来诊断心律失常。

心电图的出现，使得临床医生能够直接观察和记录到心脏的电活动，从而能够精准的评估心脏电活动的异常。在现代心脏电生理理论的建立中做出突出贡献的是英国的临床医师刘易斯。

1908年刘易斯访问了艾因托芬的实验室，他直观的感受到了心电图的神奇之处，以一个临床医生敏锐的直觉，他判定心电图将在心律失常的诊断和治疗领域发挥巨大的作用，从那时起，他坚定了把心电图引入临床的决心。

1910年刘易斯用心电图确认了窦房结是心脏的起搏原点，在随后的6年里，他和助手通过一系列的试验分析出了心脏的传导系统的组成和激动顺序（如上文所述），为心律失常的分析奠定了基础。在这之后，刘易斯又相继对早搏、房颤和传导阻滞等心律失常心电图的表现做出了开创性的研究。

在刘易斯之后，他的助手，美国的临床医师威尔逊将心电图的应用拓展至心脏节律异常以外的领域。他系统地阐述了心肌梗塞、心绞痛 、洋地黄样作用的心电图表现，并创造性的提出了胸前导联的设置，极大的提高了心电图诊断疾病的准确性。

在刘易斯和威尔逊的努力下，心电图与临床实践形成了水乳交融的局面，紧密的结合起来，心脏电生理由此成为了一门独立的学科并蓬勃的发展起来。

5、心脏电生理理论的发展

伴随着时代的发展，单纯的体表心电图已经不能满足医生对诊断疾病的需求。科技的进步再一次为医学的发展提供助力，当代的临床医生可以通过将标测电极伸入心脏的内部，直接在心脏内部的特定部位记录特定的心电图，并可以通过程序性刺激的方法来诊断许多复杂的心律失常，在确诊之后，我们还可以应用射频消融的方法消除心律失常的病灶，或者通过植入起搏器来治疗缓慢性的心律失常，这是心脏电生理理论的又一伟大的进步。

现代医学的蓬勃发展，离不开现代科学技术进步的支撑，纵观心电图的发生和发展历史，再次雄辩地证明了这个观点，科技的进步促进了心电图的发展，心电图的发展又促进了相关科学技术的创新，二者互相影响，一道繁荣。

距离人类的第一幅心电图诞生，倏忽已135年过去，当年沃勒把自己的右手和左脚放进盐溶液的时候，可能不会想到，他发明的心电图会如同一把钥匙，打开了心脏传导系统紧锁的大门，向我们展现出了一个万紫千红又充满着奥妙的心脏电生理的世界，如同一颗宇宙中的恒星，不停地发出着耀眼的光芒。

当然，与心电图同样耀眼的还有那些为心电图的发展做出巨大贡献的科学家们，他们的名字将和不朽的心电图一道彪炳史册，万古流芳。

参考文献

[1]李志平,张福利,马学博.心电研究与现代心电图检测法建立的历史回顾[J].中华医史杂志,1999(04):23-27.

[2]陈守成.心电图记录方式的历史、现状和展望[J].中国实用心电杂志,1996(05):397.

[3]方祖祥.心电图技术发展的历史回顾[J].上海生物医学工程,1995(04):10-14.

[4]李经纬, 程之范 .中国医学百科全书.医学史.上海:上海科学技术出版社.1987:343.

@知乎科学 @知乎日报 @科学辟谣

直播技术。（5G网络）

当然了，不是潘噶直播卖酒的直播。

而是手术直播。

手术直播是通过手术示教系统将手术全过程实时传播出去。手术示教系统主要通过高清术野摄像机和全景摄像机进行视频信号的采集，确保视频画面的高清晰度;通过音视频编码终端和触控导播终端用于数据编码，以保证在示教室展示中呈现出全面、真实的手术场景。

去年年底，福建协和腹腔镜胃癌根治术高级培训班庆典暨首届学员手术直播汇在福建福州举行。

自2009年首期福建协和腹腔镜胃癌根治术高级培训班（FATA）举办以来，吸引了来自全国各地1300多名同道参加，为腹腔镜胃癌手术在国内的推广、提升作出了很大贡献。

我一直强调手术不是高深的事，是因为学起来非常简单。外科医生可以自购器材在家练习精细化操作，通过直播远程学习国内顶尖术者的手术技巧。

随着生活水平提高，人们对医疗行业的要求也是不断提升的，我们需要更多高质量的医生。

而一名好医生也需要保持终身不断的学习，传统学习模式成本高，耗时长，视频直播技术的应用解决了这一问题，促进了高级医疗知识技巧的普及和推广，为基层医疗工作者和专家之间搭建了新颖的沟通桥梁。

现代医学发展以来，一些科技发明的里程碑性事件，给医疗带来了很大的变化：

• 1752年，本杰明·富兰克林发明了柔性导尿管，以前导尿是硬导管，硬导管容易伤害尿道；
• 1815年，法国医生RenéLaënnec发明了听诊器；
• 1895年，伦琴教授发现X射线，是现在拍胸片、CT的基础；
• 1903年，荷兰的Willem Einthoven博士发明了第一个实用心电图；
• 1910年，瑞典内科医生Hans Christian Jacobaeus博士对人类进行了首次腹腔镜检查；
• 1924年，德国的汉斯·伯格（Hans Berger）博士录制了第一张人类脑电图；
• .....
• 现在各种靶向药的发明，对于癌症患者是巨大福音。

中国也在现代医学的发展中做出了自己的贡献，说得比较多比如：

• 1972年，青蒿素用于治疗疟疾；
• 20世纪70年代哈尔滨医科大学的张庭栋及其同事将三氧化二砷用于治疗急性早幼粒细胞白血病；
• 1987年上海第二医学院王振义报道了使用全反式维甲酸治疗急性早幼粒细胞白血病，和三氧化二砷一起治疗使得APL的长期生存率达到90%以上（以前只有10%-20%）。

以上我相信，大家还是比较熟悉的，也都比较了解的，我就不说过多了。

近些年中国也有一些医疗相关科技发明：

• 2006年，中南大学湘雅二医院的陆前进教授在美国首都华盛顿召开的第七十届美国风湿病学年会上，首次提出了系统性红斑狼疮患者DNA甲基化导致免疫系统紊乱的机制。在2016年获得「系统性红斑狼疮生物标志物及其诊断试剂盒」PCT专利。2018年，他牵头的“红斑狼疮诊治策略及其关键技术的创新与应用”获得国家科技进步二等奖。这项诊断技术从整体上提高了红斑狼疮的临床诊疗水平。

• 2019年，上海同济大学附属东方医院胡海教授使用自主研发的内置式免气腹软质单通道手术装置，实施了单孔免气腹腹腔镜胆囊切除手术，该技术在2013年获得国家实用新型专利，2016年获得国家发明专利，并于2018年获得美国发明专利。避免了以往腹腔手术需要向腹腔内充二氧化碳影响心肺功能的副作用。

当然还有很多，我肯定也说不完，这里就举一些例子。

科技的发展与我们息息相关，科技的进步可以带来生活的提升，现在也提到要实现科技自立。

个人认为，我们也有了实现科技自立的一些积累，但更多的是需要激发人投入科学技术研发的兴趣：

一是一个良性竞争的环境，保证基本的待遇；

一是成熟的商业化路线，就是产学研的转化，不能总是宣扬科学家要奉献，一提到商业化就觉得污染了科学的殿堂；

一是我希望媒体也能比较客观的去报道一些科研发现，很多科研发现只是一个突破式的思路，思路能不能成还是一回事，不要开头小神仙，发现思路没成又变成了浪费钱。

---

  li-lei-up 网友的相关建议: 
      

AI影像识别-看的见的医疗加速。

医学影像学（Medical Imaging）是典型的科技带来的医学进步，甚至可以说是一场医学革命。

在此之前，我们要不通过十分间接的手段比如望闻问切来对一个病人进行判断，而有了医学影像学，一切变得不一样。

自从1895年德国物理学家威廉·伦琴首次为妻子拍摄了一张左手的X光片以来，我们对医学有了全新的认知。

我们第一次可以在体外对病人体内进行深入的观察和判断，这一点在过去简直是无法想象的。病人体内的情况如何，我们只能通过对病人总体进行观察，以及触摸等方式才能进行判断。而体内的情况，我们根本不清楚。比如骨骼内部什么情况，我们是无法肉眼观察的，内脏的病灶更是如此。可以说，在相当长的时间里，我们是在盲人摸象。

而影像学的出现，直接推动了整个医学的进步。

通过借助一些媒介，诸如X射线、电磁场、超声波等，我们可以在非创伤或者微创伤的基础上，对人体内部的组织器官进行观察，然后诊断医师依据影像信息做出判断。

可以说，如今医学影像已经成为很多医院诊断的基本策略，凡是涉及到无法直接用肉眼观察和判断的疾病，医生基本上要求去做个影像拍摄。

不过，这也诞生了一个问题：如何判断影像！

医学影像学的判断，有一套非常严格的标准，也形成了一门学科。

它可以说是很多疾病的最早也是最关键的一步，只有完成基本的确认后，才可以进行下一步的诊断和治疗。

然而，这也诞生了两个严重现实问题：

1，医疗影像的判断十分依赖于严格训练和医生本身的经验。

2，医疗影像的判断十分耗时耗力。尤其是一些细微的病灶总是在挑战人眼的极限。

据统计，一位经过严格训练且临床经验丰富的医生，在诊断一个病例时需查看约200张以上的CT扫描图片，诊断时间约在20分钟以上。这种高强度的诊断工作，不仅严重损耗医生的精力，也对病情诊断的时效性与精准度有着严重的影响。

那么， 是否真的无解？

人工智能的出现，使得我们有了一种新的思路。

在人工智能中，最显著的应用就是图像识别，尤其是机器学习发展到现在，通过机器学习来识别图像已经取得了长足的进展。

既然医学影像十分依赖于标准训练和经验积累，而且存在相应的标准，那么，完全可以用机器学习来去替代这个过程。

给予机器相应的教程，输入相应的标准，然后在给予足够训练，那么AI就可以成为影像诊断大师。

不仅可以大大的节约时间，而且由于机器本身的严格分析，可以最大程度避免人类观察不仔细导致的误诊。

事实上，目前已经有相关的研究了，通过将医院积累的大量的影响交给服务器进行深度学习，然后结合已有的判断方式进行训练，最后可以让机器成为判断的影像学的大师。极大的缩短了诊断时间，而且提高了诊断的准确率。而且，按照机器学习的能力，时间越久，数据量越大，那么这个系统变得越来越聪明。

在某些对照试验中，其准确率可以稳定在85%以上，要知道，三甲超声科经验丰富的医生在对应的测试中，准确率也不过是65%-70%。

而且，机器学习最大的优势之一还在于：机器不会累。

普通人很难长时间集中处理一些内容，所以读片对于医生也是沉重的负担，而机器不怕累，那么自然可以持续性的处理结果。

尽管目前AI读片并没有落地应用，但是国内外不少顶级机构都已经开展了大量的训练和学习，我认为，AI读片未来在医学领域实际应用只是时间问题。

而一旦实现，将极大地缓解医生的压力，可以进一步加速医疗上的进步。

---

  ling-zhi-hao-66-74 网友的相关建议: 
      

谢邀，

基本上所有高复杂性的问题，比如说天气预报、地球洋流、股票预测、大型生态系统演化、癌症、狂犬病等等。

具体一点的，湍流、堆积固体颗粒的流动计算。

---